报告题目：基于深度学习的故障诊断与剩余寿命预测
报 告 人：周福娜 教授 上海海事大学
照 片：
报告时间：2020年10月22日 9:00-10:30
报告平台：腾讯会议：568470180
邀 请 人：李靖、李俊民
报告人简介：周福娜，教授，博士生导师。中国自动化学会青年专家库成员，河南省学术技术带头人，河南省高校科技创新人才，河南省青年骨干教师。现任职于上海海事大学电气自动化系。主持国家自然科学基金4项，其他省部级项目5项，发表论文50余篇，获河南省科技进步二等奖1项，授权发明专利3项。
报告摘要：智能制造过程中关键设备的预测维护可以实现设备故障诊断过程从计划维修到视情维修的转变，对系统安全稳定运行至关重要。实时的早期故障诊断、精确的寿命预测模型构建是预测维护的两个关键环节。深度学习作为一种先进的数据特征抽取手段在故障诊断和剩余寿命预测中受到了广泛的关注。但深度学习方法的有效性取决于数据的数量、质量、数据的使用方式，围绕提高故障诊断和剩余寿命预测的实时性、精确性等目的，开展基于深度学习的故障诊断和剩余寿命预测研究。
