资源描述：
《深度学习在故障诊断领域中的研究现状与挑战》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第32卷第8期控制与决策Vol.32No.82017年8月ControlandDecisionAug.2017文章编号:1001-0920(2017)08-1345-14DOI:10.13195/j.kzyjc.2016.1625深度学习在故障诊断领域中的研究现状与挑战任浩1,屈剑锋1y,柴毅1;2;3,唐秋1,叶欣3(1.重庆大学自动化学院，重庆400044；2.电力传输设备与系统安全国家重点实验室，重庆400044；3.航天发射场可靠性技术重点实验室，海口570100)摘要:现代工业系统已呈现出向大型
2、化、复杂化的方向发展,使得针对工业系统的故障诊断方法遇到一系列的技术难题.近年来,深度学习(deeplearning)在特征提取与模式识别方面显示出独特的优势与潜力,将深度学习应用于解决复杂工业系统故障诊断的研究已初现端倪.为此,首先介绍几种典型的基于深度学习方法实现工业系统故障诊断方法;然后对基于深度学习实现故障诊断的主要思想和建模方法进行描述;最后总结和讨论了复杂工业系统故障的特点,并探讨了深度学习在实现复杂工业系统故障诊断方面所面临的挑战,展望了未来值得继续研究的方向.关键词:深度学习；复杂工业系统
3、；特征提取；故障检测与识别中图分类号:TP277文献标志码:ADeeplearningforfaultdiagnosis:ThestateoftheartandchallengeRENHao1,QUJian-feng1y,CHAIYi1;2;3,TANGQiu1,YEXin3(1.SchoolofAutomation，ChongqingUniversity，Chongqing400044，China；2.StateKeyLaboratoryofPowerTransmissionEquipmentandSy
4、stemSecurityandNewTechnology，Chongqing400044，China；3.KeyLaboratoryofSpaceLaunchingSiteReliabilityTechnology，Haikou570100，China)Abstract:Modernindustrialsystemhasbeendevelopedintothedirectionofmoreandmorelargerandcomplex,whichmakesthefaultdiagnosisforindus
5、trialsystempresentaseriesoftechnicalproblems.Inrecentyears,deeplearninghasshownitsuniquepotentialsandadvantagesinfeatureextractionandpatternrecognition.Andtheapplicationofdeeplearningtoachievefaultdiagnosisofcomplexindustrialsystemshasbegunonitsinitialexp
6、lorationstage.Inthispaper,severaltypicalmethodsbasedondeeplearninghavebeenintroducedfirst,whichcanbeemployedtorealizethefaultdiagnosisforindustrialsystem.Andthen,themainideaandmodelapproachforfaultdiagnosisbasedondeeplearninghavebeendescribed.Finally,thech
7、aracteristicsoffaultsincomplexindustrialsystemhavebeensummarizedanddiscussed,andthechallengeofdeeplearninginrealizingthefaultdiagnosisforcomplexindustrialsystemhasalsobeenstudiedanddiscussed.Keywords:deeplearning；complexindustrialsystem；featureextraction；
8、faultdetectionanddiagnosis0引言型进行管理监控,检测、定位、隔离复杂工业系统的故障难度较传统系统高[1-2].随着计算机、传感器及通信技术的不断发展,现代工业系统呈现向大型化、复杂化方向发展的新趋通常所说的故障被定义为至少一个系统特征或势[1],反映系统运行机理和状态的数据呈现出海量、者变量出现了不被允许的偏差,而故障诊断技术是对多模态、不确定性、涌现性、多源异构性和价值低系统的运行状况进行监测,判断
