1、“.....直作为输出的自动编码器在深度学习中，是层的神经网络，分为编码网络与解码网络两个部分，结构如图所示的输入和输出目标相同，通过编码网络将高维的输入转换为低维的编码矢量，通过解码网络将低维的编码矢量重构回原来的输入数据图自动编码器结构示意图给定组无标签的电源车柴油机种健康状况样本集，编码网络通过编码函数将每个训练样本变换成编码矢量式中为编码网络的激活函数为编码网络的参数集合，且∈，然后编码矢量通过解码函数反向变换为的种重构表示∼∼态的分类具有缺乏过渡状态及量化评价的局限性针对此问题，本文提出种基于的柴油机健康状态量化评估方法，其整体框架如图所示，其功能包括健康状态分类与量化评估图柴油机健康状态量化评估方法电源车柴油机健康状态的定性分类鉴于深度学习中网络在自适应提取及复杂映射类关系表达方面的优势......”。

2、“.....建立基于的柴油机健康状态识别模型，实现对电源车柴油机不同健康状态分类的定性评价电源车柴油机健康状态的定量评估为了进步了解电源车探讨电源车柴油机健康状态量化评估中的应用概率论论文柴油机健康状态识别模型接着，根据模型的健康状态输出，利用马氏距离计算柴油机当前状态与正常状态特征序列之间的距离，以偏离正常状态序列的距离为评估指标，对电源车柴油机的健康状态进行量化评估经在电源车仿真系统上进行实验研究，结果表明本文所提方法能正确量化评价电源车柴油机的健康水平，为指导其进行预防性维修的开展提供依据基于的电源车柴油机健康状态量化评估方法的提出电源车柴油机健康状态评估的现状目前，现有电源车柴油机的状态监测与健康评价，般分为正常与异常故障两种状态这种评价机制的局限性在于过于粗放，缺乏更为细致的量化评价结果......”。

3、“.....并准确识别其不同的健康状态，是解决此问题的关键所在年，等提出种基于深度学习理论的大数据处理工具降噪自动编码机，作为深度学习理论经典算法之，凭借其自适应特征提取，成功解决了语言识别文本分类等多个领域的问题尤其在系统健康状况识别领域，较其他深度网络已有了相对多些的成功应用雷亚国等将用于多级齿轮传动系统的健康状况识别中，能够进行多种工况的故障诊断等把和最邻近规则算法相结合，对采集的系统高维非线性过程数据进行建模机健康诊断方面的成果来看，大多数研究主要是针对其进行故障检测与诊断的，开展健康评估与维修决策的研究还较少，尚且不成熟近年来，柴油机的健康评估作为实现柴油机系统预测与健康管理的关键性技术之，已成为柴油机系统可靠性领域的热点研究方向王磊等利用非齐次泊松过程构建了柴油机喷油系统的可靠性退化模型......”。

4、“.....并通过专家打分的方法确定了柴油机的健康结果然而，这些方法均是从柴油机的子系统出发，倾向于从异常的角度评估系统的健康状态，评估结果往往也只有健康和不健康两种状态，还不能很摘要针对柴油机健康状态的综合评估问题，结合降噪自动编码机深度网络与马氏距离算法，提出种基于深度学习与距离融合的电源车柴油机健康状态量化评估方法该方法首先通过深度网络提取柴油机不同健康状态下的特征序列，建立柴油机健康状态识别模型为进步量化评价柴油机的健康水平，又将算法引入，度量模型输出状态与正常状态特征序列之间的距离，并将其归化为健康指数，给出柴油机健康状态的量化评估结果最后，借助于电源车模型仿真系统，验证了所提方法的有效性文中方法通过的分类和的计算实现了电源车柴油机健康状态定性与定量评估的融合，为于车辆电源与类非线性负载匹配的预测建模兰州理工大学学报，胡昌华，施权，司小胜......”。

5、“.....肖权基于数据驱动的船舶低速柴油机的故障诊断及趋势预测南京南京航天航空大学，周根明，唐晓霞，郭霆，等基于方法的船舶柴油机健康状态评估柴油机，王磊，林瑞霖，刘伯运船用柴油机喷油系统的退化可靠性评估舰船电子工程，周根明，唐晓霞，郭霆，等基于方法的船舶柴油机健康状态评估柴油机，古莹奎，张全新，梁玲强，等基于考虑共因失效的多阶段任务系统可靠性分析方法机械设计与研究，雷亚国，贾峰，周差收敛于以下此外，从图可以看出，在迭代次数为的情况下，次试验的电源车柴油机状态分类结果的准确率均在以上，充分说明该方法能准确区分柴油机在不同状况下的健康状态图模型的训练误差曲线图模型的准确率将随机测试样本数据导入健康状态分类模型进行测试，结果如图所示可以看出......”。

6、“.....先将验证样本数据输入健康状态分类模型，由其给出柴油机种不同健康状态及相应的特征序列，结果类似图算法计算柴油机种不同健康状态序列与柴油机为评价对象根据理论分析和电源车实际情况，团队前期已为军方用户开发了电源车仿真系统，其模块化结构如图所示其中为发电机电压为发电机电流为励磁电压为发电机机械功率为发电机转速发电机的额定输出电压为结合相关领域专家经验，在设定其他模块正常的状况下，通过设臵其相关参数模拟柴油机喷油嘴失效滤清器堵塞等过程运行工况，从而获取能反映电源车柴油机健康退化故障种状态的数据集详细参数调节范围见表图电源车模块关系图表柴油机性能参数调节范围在相应的两种模拟工况模式下采集转速频率有功功率无功功率和电压等组状态的测量值数据共采集组监测指数−，−−式中为归化参数，调整的参数值，则对不同健康状态阶段的退化敏感性会随之发生变化作为个介于与之间的数值......”。

7、“.....反之，表示其性能退化严重电源车柴油机健康状态评估步骤与流程综上所述，基于方法的电源车柴油机健康状态量化评估步骤可总结如下采集反映柴油机不同健康状态下的运行数据，构建健康状态量化评估的原始数据集，并将其分为训练测试和验证个数据子集训练，即将每个的隐层输出作为下层的输入，直到完成探讨电源车柴油机健康状态量化评估中的应用概率论论文，等基于深度学习理论的机械装备大数据健康监测方法机械工程学报，邵新杰，曹立军，田广复杂装备故障预测与健康管理技术北京国防工业出版社，宋登巍，吕琛，齐乐，等基于健康基线和马氏距离的液压系统变工况健康评估系统仿真技术，林彬，宋东，和麟基于马氏距离与组距估计的复杂系统健康评估仪器仪表学报，孟亚辉基于最优特征集和马氏距离分类的机械故障分类方法研究机械设计与制造，李炜，张盼盼......”。

8、“.....基金国家自然科学基金探讨电源车柴油机健康状态量化评估中的应用概率论论文的健康状态量化评估方法该方法利用降噪自动编码机自适应提取状态特征与马氏距离在系统健康状态评估中适宜应用的优势，完成了对电源车柴油机健康亚健康故障状态的分类，弥补了其往常只有正常与故障两种状态之分评价机制的局限性此外，将降噪自动编码机与马氏距离结合，实现了对电源车柴油机健康状态定性与定量双重评估的统仿真结果表明训练好的电源车柴油机健康状态分类模型能够有效挖掘数据特征，并能准确地对柴油机的不同健康状态进行分类结合马氏距离算法，还能得到柴油机在不同状态下更为细致的量化评价值，可为其开展预防性维修提供参考依据参考文献李炜，卢娇，蒋栋年其偏离正常状态的程度进行规范化度量以实现预防性维修近年来，距离度量已有迅速的发展，特别是在设备领域已有广泛的应用本文通过算法度量柴油机模型输出状态之间的距离......”。

9、“.....表示数据的协方差距离，它能有效地计算个样本与样本集重心的最近距离，或者计算两个未知样本集的相似度的优点是不受量纲的影响，即两点之间的距离与原始数据的测量单位无关，因此，能够很好地度量评估样本和已知样本集间的距离，适用在系统的健康评估中马氏距离的计算方法如下所示计算每个特征向量的平均值与标准差常状态序列之间的距离，并计算出健康指数，其结果如图所示图柴油机健康指数由图可知，随着特征序列间马氏距离值的变化，电源车柴油机的健康状态水平指标随之变化，继而呈现其定量的评估结果，并与模型给出的电源车柴油机健康状态的定性分类有着对应关系，即当，为柴油机健康状态当，为柴油机健康性能退化，系统处于亚健康状态当，为柴油机故障状态此外，图还给出了电源车柴油机在种健康状态下更为细致的量化评价值......”。