确保可靠性和安全性是非常重要的在几个工程应用领域(如航空航天、能源和运输行业)。要做到这一点,我们需要智能监控、诊断和预后的方法来描述异常。此外,我们需要检测故障和预测剩余寿命(原则)。这是由融合数据预处理、信号处理和分析大量的机械数据。

最近,在第四工业革命使框架核心技术预测与健康管理(榜单)更为可行。原因是数据驱动的方法大大增强他们的能力来提取高度非线性特性测量信号如振动、声学、排放,压力,温度。这贡献与人工智能技术的发展(包括机器学习和深度学习)。深层神经网络显著提高预测精度的高度复杂和非线性工业系统的物理加工技术。因此,开发有效的技术解决深层神经网络在物理加工复杂且非线性工业系统是非常宝贵的。

这个特殊问题的目的是收集原始研究和评论文章强调深层神经网络在复杂和非线性物理加工工业系统。

潜在的主题包括但不限于以下:

• 传感器和数据采集、数据质量管理、数据处理和数据融合技术的榜单
• 深层神经网络结构健康监测
• 深层神经网络诊断包括上下文定义和意识,状态监测,异常检测
• 深层神经网络预测包括严重程度分析,预测精度分析和预测剩余寿命(原则)
• 维修分析和维修决策优化
• 深层神经网络包括多尺度金字塔、净、转让学习,和领域适应榜单
• 加速寿命和降解测试
• 风险模型和风险评估