高 谦 肖 维

（1.河海大学 南京 210000）（2.深圳大学 深圳 518000）

1 引言

液压缸的复杂工况导致其具有故障多发、寿命短暂的特点，工程作业中液压缸的失效将导致工程事故或停产，进而造成一定的经济损失［1］。因此，建立可靠的寿命预测系统对液压缸的寿命进行精确预测以提前更换即将失效的液压缸可有效地避免这些问题。由于系统需采集液压缸整个生命周期的数据，且各监测点的采样频率较高，因此系统采集到的数据规模很大，致使液压缸的寿命预测需要用大数据的方法解决［2］。

深度学习是大数据分析技术中的杰出代表，但是在液压设备寿命预测领域中应用较少［3］。因此，本文提出了基于深度学习的液压缸寿命预测方法。该方法相比传统的机器学习方法，其优势在于：通过建立深度学习模型，摆脱了对大规模数据处理技术和行业专家知识的依赖，直接从大量数据中自适应地进行特征提取与特征选择，实现更具鲁棒性与泛化能力的液压缸寿命预测方法［4］。

2 深度学习理论

深度学习区别于传统的模式识别方法在于它能够从大规模数据中自适地进行特征提取与特征选择，而非采用人工方法［5］。特征提取与特征选择都是通过改变数据分布的方法从原始特征中寻求最有效的特征，以提高模式识别系统的性能。而特征提取与特征选择的区别在于：特征提取的方法通过改变属性间的关系来改变数据分布，原有的特征空间发生了变化；……