Open Access · CC BY 4.0
维修性与维修保障技术的AI赋能
现代工程技术与实践 · 04.09.2026 · 1 (2) · 7-12
DOI: 10.65140/metp202602.7 ↗Kurz gefasst
Fachartikel in der Zeitschrift 现代工程技术与实践, online erschienen am 04.09.2026. Verfasst von 滨 郭. Die Arbeit nennt 10 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
预测性维修需要从设备运行数据中识别故障征兆并估计剩余寿命。本文梳理修复性维修、预防性维修和预测性维修的特点及常用维修保障分析方法,重点综述深度学习在故障诊断、故障预测和剩余寿命估计中的应用。已有研究利用卷积神经网络从振动信号和多传感器数据中提取故障特征,利用循环神经网络及其组合模型描述设备退化过程并估计剩余寿命。针对训练样本和标注数据有限的问题,相关研究采用数据增强、半监督学习和迁移学习。深度学习获得的故障识别与寿命估计结果可为确定维修时机和安排保障资源提供依据。
Zitieren
APA
郭, 滨. (2026). 维修性与维修保障技术的AI赋能. 现代工程技术与实践, 1(2), 7-12. https://doi.org/10.65140/metp202602.7
Vancouver
郭 滨. 维修性与维修保障技术的AI赋能. 现代工程技术与实践. 2026;1(2):7-12. doi:10.65140/metp202602.7
BibTeX
@article{2026,
author = {郭, 滨},
title = {维修性与维修保障技术的AI赋能},
journal = {现代工程技术与实践},
year = {2026},
volume = {1},
number = {2},
pages = {7--12},
doi = {10.65140/metp202602.7}
}
EUVIMED