何 倩， 黄 焕， 刘 阳， 江炳城， 申 普

(1.桂林电子科技大学 卫星导航定位与位置服务国家地方联合工程研究中心，广西 桂林 541004；2.广西交科集团有限公司， 南宁 530007)

随着移动互联网、物联网、智能制造、智能家居等技术的发展和普及，越来越多的智能设备应用在社会生产生活的各个领域。一方面，在工业制造、交通运输等传统的机电设备应用领域，设备智能化已经广泛普及[1]；另一方面，在家居家电、健康监控等新领域，智能机电设备正在发挥越来越大的作用[2]。

智能机电设备在工业制造、交通运输、智能家居和健康监控等各个应用领域采集了海量的数据[2-4]。智能机电设备的广泛应用给大数据的采集接入提供服务的同时，自身也产生了对应的大量状态数据[5]。如何利用这些状态数据进行大数据分析，进而维护智能机电设备的正常运行又成了一个新的研究问题。故障预测是机电设备运行维护的核心技术。传统机器学习分类算法的故障预测方法需要充足的标签样本，已经不适用于智能机电设备的广泛快速部署需要。

智能机电设备运维的根本目的是保障服务质量的良好和稳定，保障服务质量的首要手段是及时准确地发现故障。近年来，国内外学者利用机电设备日常维护维修数据对机电设备故障与其影响因素之间的关系进行了大量的研究。Yu等[6]研究了高速公路机电设备故障与温度、湿度、风速和交通流量的关系；Li等[7]研究了煤矿机电设备与温度、湿度和扬尘的关系；……