機(jī)械故障是影響機(jī)械正常運(yùn)轉(zhuǎn)的關(guān)鍵原因之一，會(huì)引起生產(chǎn)安全事故，甚至導(dǎo)致生命財(cái)產(chǎn)損失。近年來，物聯(lián)網(wǎng)技術(shù)的發(fā)展，能夠?qū)�機(jī)械運(yùn)轉(zhuǎn)進(jìn)行長時(shí)間運(yùn)轉(zhuǎn)進(jìn)行精確監(jiān)測，為機(jī)械故障分析準(zhǔn)備了足夠的機(jī)械運(yùn)行數(shù)據(jù)。深度學(xué)習(xí)作為一種機(jī)器學(xué)習(xí)算法，基于人工神經(jīng)網(wǎng)絡(luò)和反向傳播算法構(gòu)建深層學(xué)習(xí)模型，適合于大樣本數(shù)據(jù)的分析與診斷，在圖像識(shí)別、自然語言處理等領(lǐng)域取得了較好進(jìn)展。本書基于深度學(xué)習(xí)技術(shù)，從數(shù)據(jù)預(yù)處理、深度模型構(gòu)建與分析、軸承壽命預(yù)測、軸承故障診斷等方向開展研究，為機(jī)械健康監(jiān)測與正常運(yùn)轉(zhuǎn)提供有力支撐。