基于机器学习的设备剩余寿命预测方法综述

论文摘要

随着科学技术的发展和生产工艺的进步,当代设备日益朝着大型化、复杂化、自动化以及智能化方向发展。为保障设备安全性与可靠性,剩余寿命(Remaining useful life,RUL)预测技术受到了普遍关注,同时得到了广泛应用。传统的统计数据驱动方法受模型的选择影响明显,而机器学习具有强大的数据处理能力,并且无需确切的物理模型和专家先验知识,因而机器学习在剩余寿命预测领域表现出了广阔的应用前景。鉴于此,详细分析和阐述了基于机器学习的设备剩余寿命预测方法。根据机器学习模型结构的深度,将其分为基于浅层机器学习的方法和基于深度学习的方法。同时疏理了每类方法的发展分支与研究现状,并且总结了相应的优势和缺点,最后探讨了基于机器学习的剩余寿命预测方法的未来研究方向。

论文目录

文章来源

类型: 期刊论文

作者: 裴洪,胡昌华,司小胜,张建勋,庞哲楠,张鹏

关键词: 剩余寿命预测,机器学习,神经网络,支持向量机,深度学习

来源: 机械工程学报 2019年08期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 火箭军工程大学导弹工程学院

基金: 国家自然科学基金(61833016,61573365,61773386,61603398,61374126,61473094),中国科协青年人才托举工程(2016QNRC001)资助项目

分类号: TH17

页码: 1-13

总页数: 13

文件大小: 290K

下载量: 3648

相关论文文献

标签：剩余寿命预测论文;  机器学习论文;  神经网络论文;  支持向量机论文;  深度学习论文;