深度学习在预测与健康管理应用中的潜力、挑战与未来方向
信号处理
2020-05-06 v1
摘要
在过去十年中，深度学习应用在包括计算机视觉和自然语言理解在内的许多不同领域蓬勃发展。深度学习蓬勃发展的驱动因素包括丰富数据的可用性、算法的突破以及硬件的进步。尽管复杂的工业资产已被广泛监控，并且收集了大量的状态监测信号，但深度学习方法在检测、诊断和预测复杂工业资产故障方面的应用仍然有限。本文对深度学习应用于预测与健康管理（PHM）领域的当前发展、驱动因素、挑战、潜在解决方案和未来研究需求进行了全面的评估。
引用
@article{arxiv.2005.02144,
title = {Potential, Challenges and Future Directions for Deep Learning in Prognostics and Health Management Applications},
author = {Olga Fink and Qin Wang and Markus Svensén and Pierre Dersin and Wan-Jui Lee and Melanie Ducoffe},
journal= {arXiv preprint arXiv:2005.02144},
year = {2020}
}
备注
To appear in Engineering Applications of Artificial Intelligence