数据驱动的设备故障预测
故障预测有三种典型方法：
- 基于统计的预测方法
- 物理模型法
- 数据驱动法
前两种方法，适用于简单设备和系统。在许多情况下，建立复杂部件或者系统的数学模型是很困难的甚至是不可能的，因此，复杂部件或者系统各个阶段的测试、传感器历史数据就成为掌握系统性能下降的主要手段，这种基于测试或者传感器数据进行预测的方法称为数据驱动的故障预测技术。数据驱动故障诊断的实现是通过信号处理、特征提取、特征降维、模式识别四步将高维特征向量降维处理转换为判别性能更好的状态标识（低维特征向量或者叫敏感特征），再输入模式识别分类器，实现故障状态的识别与分类，即标识出健康 / 故障。
