宋明鹏 齐梦圆 吴涛 吴海洲

摘要：深度学习的应用在各个领域得到了快速发展，主要驱动力在于丰富的数据量、算法的突破性以及计算机硬件的发展。航天测控设备长时间运行累积了大量的数据，基于深度学习的航天测控设备健康管理具有实现故障的快速诊断和检测，以及准确的故障预测等优势。研究了目前航天测控设备健康管理的现状及深度学习的基本理论，讨论了不同深度学习模型在测控设备健康管理上的应用，分析了传统算法与深度学习算法的区别，提出了测控设备健康管理的未来发展趋势。

关键词：健康管理;卷积神经网络;监督学习;无监督学习;生成对抗网络

中图分类号：TP18文献标志码：A文章编号：1008-1739（2021）04-68-6

0引言

设备健康管理技术是指利用尽可能少的传感器采集系统的各类数据信息，借助各种推理算法和智能模型来监控、预测和管理系统状态，评估系统自身的健康状态，并结合各种可用资源和约束条件触发最佳维修决策[1]。近十年来，在军事、民航等各个领域，设备健康管理技术得到了广泛应用[2]。随着科技的不断发展，一方面机械设备向着复杂化、集成化的方向发展，尤其对于机械电子类设备，设备的故障存在一定的耦合性和不确定性，使得利用传统方法进行故障定位、健康状态评估和预测存在难度;另一方面，随着计算机计算能力的提高，深度学习算法得到了快速发展，具有强大的自动特征提取能力，在图像识别、文本处理和语音识别等领域取得了重要成果。……