南京航空航天大学学报

作者：郭忠义，李永华，李关辉，彭志勇，张宁，于振中

单位：合肥工业大学计算机与信息学院,合肥 230009；,合肥工业大学计算机与信息学院,合肥 230009;哈工大机器人(合肥)国际创新研究院,合肥 230601；,哈工大机器人(合肥)国际创新研究院,合肥 230601；,天津津航技术物理研究所,天津 300192；,北京机电工程研究所,北京 100074；,哈工大机器人(合肥)国际创新研究院,合肥 230601；

关键词：剩余使用寿命预测;数据驱动模型;机器学习;神经网络;迁移学习

基金：国家自然科学基金（61775050）。

社会的稳定发展离不开制造业的高水平发展，生产是制造业的关键步骤，长期持续稳定的产出依赖于装备系统的稳定运行。系统故障引起的停产势必会造成一定的经济损失。如何尽早地发现装备系统的故障来避免停工停产带来的经济损失，已经成为了当前应用研究中的热点。采用定期人工检查的传统方法不仅提高了生产成本，还使得问题发现较为滞后，达不到实时监控的目的。而且，随着信息技术的高速发展，装备系统的监测也变得更加智能化。利用装备系统的历史数据检测其状态能够更敏捷、更高效地发现装备运行中的“亚健康”问题，能给装备管理者提供有益的决策支持。基于装备剩余使用寿命的数据预测，能够提供高效智能的解决方案，在工业领域有着宽广的应用前景。因此，本文聚焦于装备系统剩余使用寿命预测技术的研究进展，对近年来剩余使用寿命预测的研究进行归纳总结，并讨论各剩余使用寿命预测理论与方法的优缺点。最后，总结并展望装备系统剩余使用寿命预测技术的未来研究方向和发展趋势。

来源：2022年第3期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2022年第3期