论文学习
非常尊重并感谢科研人员做出的辛勤贡献！
本文目的是做学术分享，若有侵权，烦请联系处理！
本篇综述详细阐述了机器学习在机器故障诊断方向的发展过程及研究成果，分为过去、现在、未来三个部分，很有广度，值得初学者阅读学习和思考。其未来趋势部分迁移学习对写论文方向很有指导性意义。其写作陈述话术也很值得借鉴。
本篇将介绍第1节：引言
论文信息
论文题目：Applicationsofmachinelearningtomachinefaultdiagnosis:Areviewandroadmap
期刊、年份：MechanicalSystemsandSignalProcessing，
作者：YaguoLei(a*),BinYang(a),XinweiJiang(a),FengJia(a),NaipengLi(a),AsokeK.Nandi(b)
机构：(a):KeyLaboratoryofEducationMinistryforModernDesignandRotor-BearingSystem,Xi’anJiaotongUniversity,Xi’an,China
(b):DepartmentofElectronicandComputerEngineering,BrunelUniversityLondon,UxbridgeUB83PH,UnitedKingdom
目录
1.引言
2.过去：用传统机器学习理论进行智能故障诊断
2.1概述
2.2第1步：数据收集
2.3第2步：人工特征提取
2.3.1特征提取
2.3.2特征选择
2.4第3步：健康状态识别
2.4.1基于专家系统的方法
2.4.2基于ANN的方法
2.4.3基于SVM的方法
2.4.4其他方法
2.5结语
3.现在：用深度学习理论进行智能故障诊断
3.1概述
3.2第1步：大数据收集
3.3第2步：基于深度学习的故障诊断
3.3.1基于堆叠自编码器(StackedAE)的方法
3.3.2基于深度置信网络(DBN)的方法
3.3.3基于卷积神经网络(CNN)的方法
3.3.4基于ResNet的方法
3.4结语
4.未来：用迁移学习进行智能故障诊断
4.1在工程应用场景用迁移学习进行智能故障诊断的动机
4.2智能故障诊断中迁移学习的定义
4.2.1智能故障诊断中迁移难点
4.2.2智能故障诊断中的迁移场景
4.3智能故障诊断中基于迁移学习的方法种类
4.3.1基于特征的方法
4.3.2基于生成对抗网络(GAN)的方法
4.3.3基于实例方法
4.3.4基于参数的方法
4.4结语
5.讨论：智能故障诊断的未来挑战和路线图
5.1如何未基于机器学习的故障诊断模型训练提供大量高质量的数据
5.2如何在大数据革命中针对特殊问题构建基于深度学习的故障诊断模型
5.3如何保护迁移学习在实际工程应用中不受负迁移的影响
5.4如何提高基于深度学习的故障诊断模型可解释性
6.总结
摘要
智能故障诊断(IFD)是指机器学习理论在机器故障诊断中的应用。这是一种解放人类劳动很有前途的方式，并能自动识别机器的健康状态，因此在过去的二三十年中备受