典型文献
基于深度学习的故障诊断与预测方法综述
文献摘要：
智能制造背景下,机械设备趋于复杂庞大,海量、多源、高维度、非结构的工业数据给系统管理监测带来更大难度,设备的故障诊断与预测更显重要.传统故障诊断与预测方法难以建立准确的数据模型,在设备故障诊断预测应用方面受到很大局限,深度学习以其强大的自主学习非线性数据表示和模式识别的能力在许多领域都有重大突破,在工业设备的故障诊断与预测领域也得到广泛关注.文中对四类经典的深度学习模型:深度置信网络、卷积神经网络、自动编码器及其变体、循环神经网络的网络结构和模型思想作详细介绍,阐述并总结了这四类深度学习模型在故障诊断与预测领域的研究成果,讨论了基于深度学习的故障诊断与预测方法的优势与不足,对未来可能的研究方向作了展望.
文献关键词：
故障诊断;故障预测;深度学习模型;RUL预测;特征提取;网络结构
中图分类号：
作者姓名：
彭成;李凤娟;蒋金元
作者机构：
湖南工业大学 计算机学院,湖南 株洲 412007;中南大学 自动化学院,湖南 长沙 410083
文献出处：
引用格式：
[1]彭成;李凤娟;蒋金元-.基于深度学习的故障诊断与预测方法综述)[J].现代电子技术,2022(03):111-120
A类：
B类：
方法综述,机械设备,高维度,工业数据,系统管理,数据模型,设备故障诊断,诊断预测,预测应用,习非,数据表示,模式识别,重大突破,工业设备,四类,类经,深度学习模型,深度置信网络,自动编码器,变体,循环神经网络,模型思想,优势与不足,未来可能,故障预测,RUL
AB值：
0.375466
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
