论文摘要
随着工业4.0技术的发展,越来越多的公司应用传感器和信息技术来采集生产过程中各个阶段的数据。同时,诸如大数据、物联网(IoT)、服务互联网(IoS)、人工智能(AI)和数据挖掘(DM)等技术也被用于进一步的数据分析和开发更具有适应性和智能的预测性维修策略和系统。深度学习算法技术已在预测性维修中发挥着非常重要的作用,本文介绍了最新深度学习技术在实现预测性维护策略中的应用。
论文目录
1 Historical Trends in Deep Learning2 Typical Deep Learning Algorithms for Predictive Maintenance 2.1 Deep Neural Network with BP 2.1.1 BPNN 1) Forward phase 2) Backward phase 2.1.2 Architecture of DNN 2.1.3 Application of DNN in Predictive Maintenance 2.2 SAE 2.2.1 Architecture of SAE 2.2.2 Application of SAE in Predictive Maintenance 2.3 Deep belief network 2.3.1 Restricted Boltzmann Machine 2.3.2 DBN Construction for Fault Diagnosis and Prognosis 2.3.3 Application of DBN in Predictive Maintenance 2.4 Long Short-Term Memory （LSTM） Neural Networks 2.4.1 Recurrent Neural Networks 2.4.2 LSTM 2.4.3 Application of LSTM in Predictive Maintenance 2.5 Convolutional Neural Network （CNN） 2.5.1 Introduction to CNN 2.5.2 Application of CNN in Predictive Maintenance3 Summary
文章来源
类型: 期刊论文
作者: 王毅,戴国洪,王克胜
关键词: 深度学习,计算智能,人工智能,预测性维修,故障诊断和预测
来源: 常州大学学报(自然科学版) 2019年03期
年度: 2019
分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技
专业: 机械工业,自动化技术
单位: 英国普利茅斯大学商学院,常州大学机械工程学院,挪威科技大学
分类号: TP18;TH17
页码: 1-22
总页数: 22
文件大小: 2411K
下载量: 270
相关论文文献
标签：深度学习论文; 计算智能论文; 人工智能论文; 预测性维修论文; 故障诊断和预测论文;
