摘要：近年來,深度學(xué)習(xí)以其在特征提取與模式識(shí)別方面獨(dú)特優(yōu)勢與潛力被廣泛應(yīng)用于眾多領(lǐng)域,已取得顯著進(jìn)展,其在復(fù)雜工業(yè)系統(tǒng)故障診斷與預(yù)測中的研究屬于新興領(lǐng)域。對近年來深度學(xué)習(xí)及其在各領(lǐng)域發(fā)展的優(yōu)秀綜述文獻(xiàn)以及主流的開源仿真工具平臺(tái)進(jìn)行了整理,同時(shí)介紹了五種典型的深度學(xué)習(xí)模型,包括自動(dòng)編碼器(Auto-Encoder,AE)、深度置信網(wǎng)絡(luò)(Deep Belief Networks,DBN)、卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)、生成對抗網(wǎng)絡(luò)(Generative Adversarial Network,GAN);從研究背景、實(shí)現(xiàn)流程及研究動(dòng)態(tài)等三個(gè)方面就深度學(xué)習(xí)在故障診斷與預(yù)測中的應(yīng)用研究進(jìn)行了歸納總結(jié),對近年來這一領(lǐng)域發(fā)表的相關(guān)論文進(jìn)行了系統(tǒng)的綜述;從研究實(shí)際出發(fā)探討了深度學(xué)習(xí)在故障診斷與預(yù)測領(lǐng)域應(yīng)用中存在的問題、挑戰(zhàn)及解決方法,并對未來值得繼續(xù)研究的方向進(jìn)行了展望。