1. 研究目的与意义（文献综述）

1、目的及意义（含国内外的研究现状分析）

1.1 目的与意义

工业物联网和数据驱动技术使计算机网络能够从联网的机器中收集大量数据，并将大机器数据转化为可操作的信息，从而使制造业发生了革命性的变化。机器健康监测作为现代制造系统的关键组成部分，已全面融入大数据革命。与传统的基于物理的模型自上而下建模相比，数据驱动的机器健康监测系统为故障发生(诊断)后的故障检测以及对未来工作条件和剩余使用寿命(预后)的预测(预测)提供了一种自下而上的解决方案的新范式。众所周知，复杂嘈杂的工作环境阻碍了物理模型的构建，使得复杂动态系统的建模非常困难。这些基于物理的模型大多无法使用在线测量数据进行更新，这限制了它们的有效性和灵活性。另一方面，随着传感器、传感器网络和计算系统的飞速发展，数据驱动的机器健康监测模型越来越具有吸引力。为了从大数据中提取有用的知识并做出适当的决策，机器学习技术被认为是一种强大的解决方案。深度学习作为机器学习最热门的子领域，可以作为连接机器大数据和智能机器健康监控的桥梁^[1]。

2. 研究的基本内容与方案

2、基本内容和技术方案

2.1 基本内容

3. 研究计划与安排

3、进度安排

第1 －3周 ：查阅相关文献资料，明确研究内容，确定方案，完成开题报告。

第4 －6周 ：修改完善开题报告，进行相关设计。

4. 参考文献（12篇以上）

参考文献

[1]rui zhao, ruqiang yan, zhenghua chen, kezhi mao, pengwang, robert x. gao,deep learning and its applications to machine healthmonitoring,mechanical systems and signal processing,volume 115,2019.

[2]李学龙,龚海刚.大数据系统综述[j].中国科学:信息科学,2015,45(1):m4.