基于深度学习的设备关键子系统健康状态评估研究

在当前智能制造的发展趋势下,工业界对现代工业设备的可靠性管理及其智能化水平的要求进一步提高,实现设备健康状态智能评估是解决这一挑战的关键一环。复杂机械设备部件众多,结构复杂,而隶属同一子系统的部件耦合度高,故航空发动机、齿轮箱等关键子系统的健康状态对复杂装备整体质量和可靠性具有重要影响。机械大数据作为物理世界和信息世界的纽带,蕴含着海量全面的、能够反映设备状态的信息,因此使用深度学习算法进行机械大数据挖掘对复杂装备关键子系统的健康状态智能评估意义重大。

  • 2021-07-01
  • 收藏0
  • 阅读58
  • 下载0
  • 78页
  • pdf
  • 4.38M

评价

评分 :
   *