用于预测和健康管理的类ChatGPT大型基础模型:综述和路线图
预测性维护和健康管理(PHM)技术在工业生产和维护中至关重要,能够识别和预测潜在的设备故障和损坏。这有助于实施主动维护措施,提高设备可靠性,降低生产成本。最近,基于人工智能(AI)的PHM 方法取得了显著成就,并在铁路、能源和航空等各个行业中得到广泛应用,用于状态监测、故障预测和健康管理。ChatGPT 和 DALLE-E 等大规模基础模型(LSF-Models)的出现标志着 AI 从 AI-1.0 进入 AI-2.0 的新时代,深度模型从单一模态、单一任务和有限数据的研究范式迅速演变为多模态、多任务、海量数据和超大型模型范式。ChatGPT 代表了这一研究范式的里程碑成就,由于其出色的自然语言理解能力,为通用 AI 带来了希望。然而,PHM 领域在应对这一重大变化方面缺乏共识,需要系统的综述和路线图来阐明未来的发展方向。因此,本文阐述了 LSF-Models 的关键组成部分和最新发展。然后,本文系统地回答了如何构建适用于 PHM 任务的 LSF-Models,并概述了这一研究范式所面临的挑战和未来的发展路线图。