深度学习在机械设备故障预测与健康管理中的研究综述

来源：机床与液压杂志2021年第19期北京时间：

作者：沈保明，陈保家，赵春华，陈法法，肖文荣，肖能齐

单位：三峡大学水电机械设备设计与维护湖北省重点实验室;长江三峡通航管理局；三峡大学水电机械设备设计与维护湖北省重点实验室;重庆大学机械传动国家重点实验室；三峡大学水电机械设备设计与维护湖北省重点实验室；三峡大学水电机械设备设计与维护湖北省重点实验室;重庆大学机械传动国家重点实验室；三峡大学水电机械设备设计与维护湖北省重点实验室；三峡大学水电机械设备设计与维护湖北省重点实验室

摘要：随着机械装备不断朝高速化、大型化、智能化方向发展，为了保障机械设备高效、安全、可靠运行，故障预测与健康管理（PHM）一直是工业领域研究的热点问题。机械装备的工作环境恶劣，工况复杂，多系统相互耦合，在长期服役过程中，其状态监测信息呈现出典型的“体量浩大、多源异构、生成快速、价值稀疏”的大数据4V特征。因此，“大数据”背景下的机械装备健康管理呈现出“三高”特点：（1）需要高容量的大数据存贮能力；（2）需要高效实时的数据处理能力；（3）需要高强的多源异构适应性。针对上述特点，亟需一种能够从海量数据中自适应提取故障特征并进行有效诊断、评估和预测的数据处理方法。深度学习理论作为机器学习的进一步发展，以强大的建模与数据处理能力，在图像处理、语音识别、自然语言处理等领域取得了巨大的成功，国内外诸多学者也将深度学习理论逐步引入到设备PHM当中，做了一些开拓性的工作。从深度学习在机械装备故障预测与健康管理应用中的基本流程入手,分析PHM深度神经网络的输入特征及其主要类型和特点,对比了PHM应用中常见的4类神经网络模型与其对应的模型训练算法，对深度学习在PHM应用的国内外研究进展进行了归纳总结，并展望了深度学习在PHM应用中的发展方向。

关键词：深度学习;故障诊断;健康评估;预测与健康管理

基金资助：国家自然科学基金项目（51975324；52075292）；机械传动国家重点实验室开放基金资助项目(SKLMT-〖JP〗MSKFKT-202020)；三峡大学学位论文培优基金资助项目(2021SSPY042)