摘要：有效的装备剩余使用寿命(RUL)预测有助于及时规避严重生产事故,并为视情维护提供技术支持,在现代工业中发挥着重要作用。近年来,深度学习凭借其在大数据处理和特征提取方面的独特优势与潜力,在RUL预测领域得到了广泛应用。鉴于此,综述了深度学习在装备RUL预测领域的最新研究。首先介绍几种应用于RUL预测的典型深度学习方法,并对其实现RUL预测的基本原理和建模方法进行了概述;其次,对近年来典型深度学习方法在RUL预测领域的应用和发展趋势进行了详细总结;最后,探讨了现阶段基于深度学习的RUL预测技术所面临的挑战性问题及展望。

摘要：数据和知识是新一代信息技术与智能制造深度融合的基础。然而,当前产品设计、制造、装配和服务等过程中,数据及知识的存储大多以传统关系型数据库为基础,这导致了数据及知识的冗余性和搜索及推理的低效性。近年来,知识图谱技术飞速发展起来,它本质上是基于语义网络的思想,可以实现对现实世界的事物及其相互关系的形式化描述。该技术为智能制造领域数据及知识的关联性表达和相关性搜索推理问题的解决带来了可能性,因此其在智能制造的实现过程中扮演着越来越重要的角色。为了给知识图谱在智能制造领域的应用提供理论支撑,总结了知识图谱领域的研究进展;同时探索了知识图谱在智能制造领域的3大类应用方向,共15小类应用前景,分析了在各个应用前景上与传统方法的不同之处,应用过程中所需要使用的知识图谱相关技术以及实施过程中所待突破的关键技术,希望可以为进一步展开针对知识图谱在智能制造领域的研究提供启发,同时为相关企业针对知识图谱的实际应用提供参考;最后以数控车床故障分析为案例,验证了知识图谱在智能制造领域应用的有效性。