可解释机械智能诊断技术的研究进展与挑战

摘要

基于深度神经网络的机械智能诊断方法近年来得到快速发展,各式各样的模型方法相继涌现。然而,此类方法的性能彰显主要是在实验室环境,实际工业场景鲜有应用。究其原因主要在于模型内部非线性变换复杂,特征提取机理不清晰,进而引发使用者对决策的信任问题。特别是对于一些关键设备,倘若不能提前知晓模型得到诊断结论的原由,贸然采取措施会隐藏相当大的风险。近年来,可解释机械智能故障诊断研究越来越多地被关注,一些学者已开始对该领域进行探索,并初见成效。为促进深化研究,推动该领域发展,首先对深度神经网络可解释性研究的各种范式进行分类和讨论,然后详述了可解释性机械智能诊断的当前发展,最后讨论了现有的挑战以及未来的研究方向。