张健鹏　张东生　钟华　刘欢　张艳婷

摘要：介绍了机电设备故障诊断的一般方法，阐述了深度学习理论及其特点，分析了深度学习理论在机电设备故障诊断中的应用情况，包括深度学习故障诊断及预测的方法、深度学习故障诊断的一般流程、基于深度学习理论的故障诊断神经网络模型，最后对深度学习理论在机电故障诊断中的应用进行了展望。

关键词：大数据;深度学习;机电设备;状态监测;故障诊断

0 引言

随着核电厂机电设备集成化程度的提高，设备功能及结构越来越复杂，组件之间的联系越来越密切。同时，机电设备与由其组成的完整系统存在着强耦合关系，重要零部件损坏，将导致机电设备无法正常工作，最终导致系统失效，影响核电厂的安全稳定运行。对重要机电设备进行状态监测，对设备故障进行诊断，并对设备运行趋势进行预测，对于评估设备状态、开展设备运行维护、保障机电设备的安全运行具有重要意义。

随着传感器技术的发展以及物联网的普及，使得对机电设备的全面监测和故障诊断成为可能。核电厂需监测的机电设备规模大，每台装备设置的监测点多，振动等监测参数采样频率高，设备在役时间长，将形成海量的监测数据，由此将推动设备状态监测和诊断进入“大数据”时代。传统的基于特征提取的故障诊断技术，如专家系统、模糊诊断技术、神经网络技术难以应对海量数据的处理，为了提高机械设备的可靠性与安全性，在机电设备产生海量数据的背景下，需要不断研究新的故障诊断技术，以满足机电设备故障诊断与预测的需求[1-2]。……