机器学习应用于随机退化设备剩余寿命预测的综述OA北大核心CSTPCD

为了研究机器学习在设备剩余寿命(remaining useful life,RUL)预测领域发挥的作用及面临的挑战,对机器学习在设备剩余寿命预测领域的应用方法研究及每类方法特点开展系统性总结。根据模型训练方式以及有无标签的差异,将常见机器学习应用于随机退化设备剩余寿命预测的研究分为监督学习、无监督学习、半监督学习、迁移学习及强化学习5类,综述了每类方法在设备剩余寿命预测领域的应用现状;列举了多种方法优势结合、相互弥补的典型案例,并阐述了不同方法在预测中所起到的作用;简要介绍了各类方法的特点及应用领域,并分析了不同方法的优势与缺陷;着眼设备运行过程中所面临的现实问题和需求,探讨了随机退化设备剩余寿命预测未来所面临的挑战与难题。