机械工程学报

作者：裴洪, 胡昌华, 司小胜, 张建勋, 庞哲楠, 张鹏

单位：火箭军工程大学导弹工程学院 西安 710025

关键词：机器学习,深度学习,神经网络,剩余寿命预测,支持向量机；

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

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。

来源：2019年第8期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2019年第8期