پایش وضعیت تجهیزات در پیش بینی عیوب و انجام اقدامات اصلاحی اولیه می‌تواند بسیار موثر باشد.از آنجایی که سیستم‌های هیدرولیک، هسته اکثر کارخانه‌های صنعتی را تشکیل می‌دهند، نگهداری پیشگویانه چنین سیستم‌هایی از اهمیت حیاتی برخوردار است. خرابی سیستم هیدرولیک می‌تواند باعث توقف تولید کل کارخانه شود یا ایمنی اپراتورها را تهدید کند.علاوه بر این، سیستم‌های هیدرولیک محیط‌هایی نیستند که اپراتور قادر باشد به راحتی بر وضعیت آنها نظارت کند. با توجه به این دلایل، پایش وضعیت سیستم های هیدرولیک در دو دهه گذشته مورد توجه زیادی قرار گرفته است. با توجه به در دسترس بودن داده های زیاد جمع آوری شده از کارخانه های صنعتی، اخیرا محققان زیادی از یادگیری عمیق برای این منظور استفاده کرده اند. این مقاله به بررسی روشهای مبتنی بر یادگیری عمیق در پایش وضعیت سیستم های هیدرولیک می‌پردازد
