基于 PHM 数据挑战赛开源数据的工业系统诊断与预测的机器学习方法：综述

在故障预测与健康管理（PHM）领域，近年来机器学习（ML）的应用激增。尽管增长迅速，但该领域仍缺乏有效实施这些机器学习技术的统一指南和系统方法，以及对各种场景下工业开源数据的全面分析。为了填补这些空白，本文对利用 2018 年至 2023 年间由 PHM Society 和 IEEE Reliability Society 举办的 PHM 数据挑战赛开源数据集进行工业系统诊断与预测的机器学习方法进行了全面综述，并总结了一个统一的机器学习框架。本综述系统地分类和审查了这些竞赛中展示的问题、挑战、方法和进展，突出了传统机器学习和深度学习在解决与检测、诊断、评估和预测相关的复杂工业任务中不断演变的作用。此外，本文通过强调数据相关和模型相关的问题并评估这些竞赛的局限性，深入探讨了 PHM 数据挑战赛中的共同挑战，并总结了应对这些挑战的潜在解决方案。最后，我们确定了未来研究的关键主题和潜在方向，为 PHM 领域下一代 ML-PHM 的发展提供了机遇和前景。