阐述了深度学习在故障诊断和图像分析、语音识别和文本理解等领域的应用;介绍卷积神经网络、深度置信网络、堆叠自动编码网络、递归神经网络4种典型的深度学习模型;综述近几年深度学习在故障诊断中的模型选择、学习算法和实际应用等方面的研究新进;探讨深度学习在故障诊断中的理论分析、特征提取、优化训练和研究拓展等。

作为石化机组的重要组成部分,轴承发生故障将导致机械运转故障进而影响企业经济效益,故而研究石化机组轴承故障预测、故障诊断具有重大意义。介绍故障诊断中早期基于信号处理的轴承故障诊断方法,阐述应用广泛的深度学习(包括卷积神经网络、迁移学习)等模型在石化机组轴承故障诊断中的应用,并展望基于人工智能的石化机组轴承故障诊断应用。

针对复合故障难以识别的问题,提出双样本组合Kolmogorov-Smilnov检测对两条量纲一的指标曲线进行匹配,并通过加权证据理论方法对故障信息进行融合的新方法。实验结果表明：在双样本K-S检验中,峭度指标累积分布函数曲线匹配的准确率高于其他指标;通过D-S证据理论融合故障信息后,准确率虽无明显提高,但可以有效减小复合故障的范围,因此通过再分类可以提高准确率。

随着旋转机械结构越来越复杂,旋转机械需要承受着长时间的工作,发生故障的可能性增大及故障出现形式趋向于复杂化。因此,对旋转机械故障诊断提出更高的要求。本文作者分析了旋转机械故障诊断国内外研究现状及其研究方法,分析有量纲指标和量纲一指标在其上的运用。展望旋转机械故障诊断的研究方向和待解决的问题。

自升塔式起重机液压顶升 系统(以下简称 系统 )相对机床液压系统来说是比较简单的，但在 自升塔式起重机上却起着十分重要的作用。它要求系统的安全性、可靠性较高，但它工作环境却较恶劣，故在使用过程中常出现诸多故障。其中最主要的故障有：顶升速度下降，顶不动，自动溜缸(即油缸保压不住)，活塞杆收不回等。这就影响了塔机工作的可靠性、经济性，严重的还可导致倒塔的恶性事故发生。