深度学习技术及其故障诊断应用分析与展望.pdfVIP

第54卷第12期西安交通大学学报Vol.5No.

2020年12月JOURNALOFXIANJIAOTONGUNIVERSITYDec.2020

深度学习技术及其故障诊断应用分析与展望

张西宁，郭清林，刘书语

（西安交通大学机械制造系统工程国家重点实验室,710049,西安）

摘要：“大数据”时代给机械设备智能诊断带来了数据总量大、产生速度快、形式多、价值密度低等

新挑战，传统智能故障诊断“人工特征提取+模式识别”的模式已然不能满足发展需求。本文分析

了机械大数据的特性对故障诊断结果的影响，详述了堆叠自编码网络（SAE）、卷积神经网络

（CNN）、深度置信网络（DBN）、循环神经网络（RNN）4个基本框架和其他深度学习模型在故障诊

断领域，尤其是复杂机械数据的特征学习和各种机械设备健康监控任务的目标预测等相关研究。

分析了不同模型的利弊和适应问题:SAE与DB