本项目将多源数据收集、虚拟建模与智能算法相结合，实现对设备故障的早期辨识与维修决策的精确化。本项目采用高频率的传感器对装 备进行在线检测，并将其与深度学习、机器学习等理论相融合，对系统的动态误差进行检测，对故障进行辨识，并对维护计划进行优选。在此基础 上，提出了一种基于多源信息的装备运行状态评价方法。在系统稳定性、数据质量以及多领域的交叉融合等问题上，本项目提出了新的研究思路。