在工程实际中, 设备受运行工况、环境、负载等 复杂因素相互影响, 表征设备健康状态的性能退化 特征往往并不唯一且相互关联. 现有多变量下随机 退化设备剩余寿命预测问题的研究基本都是试图通 过转换为单变量情况再来处理, 未充分考虑多性能 退化

本文提出了一种通过深度学习网络提取大数据中多维度深层次退化特征，构建多变量下的设备性能退化过程模型，研究多变量耦合下随机模型参数估计及寿命分布求解问题的深度学习与随机退化建模交互联动技术，实现深度网络特征提取与随机退化建模的交互联动，对于大数据下复杂退化设备的剩余寿命预测具有重要意义。在此过程中，需要解决如何通过深度学习网络从大数据中提取反映设备退化的多维度深层次退化特征、如何考虑多维特征耦合关系的前提下建模其演变趋势、如何求解多变量耦合下设备的剩余寿命分布等问题。