基于融合技术的电子产品PHM系统研究

针对故障预测与健康管理(PHM)的复杂性,对融合技术进行了深入的分析和研究,提出了一种基于神经网络的特征融合方法,融合结果最大限度的给出决策分析所需要的特征信息,提高了故障诊断的可靠性;在预测方法上,提出了一种基于故障预兆监控与推理和失效物理(PoF)模型方法相融合的预测方法,充分利用了每种预测方法的优势,故障预兆监控与推理的方法能够提供故障诊断功能,而失效物理(PoF)模型的方法则有助于确定故障根源,融合预测方法能更加及时准确的预测故障;融合技术丰富了PHM的理论体系,提高了其实用价值。     

基于PCA和随机森林的故障趋势预测方法研究

故障预测和健康管理技术(PHM)在现代工程系统中能够在系统具备较高复杂度的情况下,有效保障其可靠性和安全性。在机械故障诊断中对于采集到的原始数据的高维特征量的处理较为复杂,并且在实际应用中趋势预测的精度要求较高,针对该问题提出一种基于主成分分析(PCA)与随机森林算法的轴承故障趋势预测方法。该方法利用PCA对提取的原始轴承数据特征量进行线性降维,并选取其中主成分特征量,输出非线性时间序列数据。原始数据经过PCA处理得到非线性时间序列,将该序列作为随机森林算法的输入进行故障趋势预测,并把预测结果与BP神经网络模型预测的结果进行对比,结果表明随机森林在故障趋势预测上在精度相较于BP神经网络有显著提高,是一种有效的故障趋势预测方法。     

基于HMM的设备故障预测方法研究

故障预测是设备实施基于状态维修的1个重要内容,是实现真正意义上精确维修的前提和基础。隐马尔可夫模型（HMM）作为1种统计分析算法,在设备的故障诊断中获得了成功应用。但对于故障的预测,传统隐马尔可夫模型存在很多缺陷,因此研究相关的改进算法,构建了基于隐马尔可夫的故障诊断和预测框架,使设备的故障诊断和预测能够同时进行。最后通过对滚动轴承实测数据的仿真验证,表明该算法具有较高的故障识别率并且对设备的剩余寿命能进行有效的预测。     

基于M-DSSE和RVM的复杂装备健康状态预测

针对故障呈现渐发特性的复杂装备健康状态预测问题,提出基于多距离形态相似度评估(M-DSSE)和相关向量机(RVM)的预测方法。在提取装备状态特征信息的基础上,采用M-DSSE方法对装备的健康状态进行评估,计算得到装备的健康指数;运用RVM回归模型对装备的健康指数进行预测,实现对装备健康趋势的预知,为最终的预知维修提供重要技术支撑。在某航空机电设备上的应用结果表明,该方法可以有效解决复杂装备健康状态评估与预测的问题,结果与实际情况相吻合。     

基于多项式系数自回归模型的雷达性能参数最优组合预测

针对雷达故障预测与健康管理（PHM）技术工程实现中性能参数变化趋势预测准确度不高的问题，提出一种基于多项式系数自回归（PCAR）模型的性能参数预测方法。首先，介绍了PCAR模型的形式及其阶次、参数确定方法，该模型相对于传统的线性模型扩大了模型选择范围，有效降低了建模偏差；然后，为了进一步提高预测准确度，采用基于奇异值分解滤波算法（SVDFA），选取最优门限值，将性能参数监测序列拆分成与各个失效因素对应的子序列，最后分别采用不同阶次的PCAR模型来预测序列未来值。仿真实验结果表明，所提出的联合PCAR模型的组合预测方法同单一自回归滑动平均模型（ARMA）的预测结果相比，三个监测序列的预测准确度分别提高了79.7%、97.6%和82.8%。实验结果表明该预测方法可应用于雷达性能参数的预测，有利于提高雷达的工作可靠性。     

基于5G技术的智能车间故障预测与健康管理系统

基于5G技术的智能车间故障预测与健康管理系统(PHM),利用5G技术大连接、低延时、高带宽的特性以及移动边缘计算(MEC)的技术优势,结合视景仿真建模、知识图谱、神经网络等新一代信息技术,实现智能车间故障预测与健康管理系统(PHM)的状态监测,故障诊断定位,故障预测,健康状态管理四个功能,为预防性维修提供技术支撑,能有效降低维修和维护成本。     

民机故障预测与健康管理系统顶层架构设计技术研究

民机故障预测与健康管理系统顶层架构是指对民用飞机故障预测与健康管理系统的顶层技术和相关的应用体系结构及功能的顶层定义,该架构设计的主要研究容包括机上故障预测与健康管理系统技术架构、地面故障预测与健康管理系统技术架构、基于故障预测与健康管理技术的航空公司运营支持架构以及相关的通信体系架构等。该技术研究是通过对民用飞机故障预测与健康管理系统应用体系的顶层架构及相应的功能的详细定义,明确了民用飞机故障预测与健康管理系统顶层架构各组成部分所承载的功能和性能及接口关系;本论文的研究成果可以作为民用飞机故障预测与健康管理系统研制的基础和规范,同时对其他军用航空设备的故障预测与健康管理项目的研究也有一定的指导意义。     

基于PHM的供配电系统故障预测关键技术研究

PHM(故障预测与健康管理)技术是比传统的故障诊断技术更高级的故障诊断、预测和健康管理技术,如何将该项技术在供配电系统中有效推广及应用已成为当前迫切研究的课题。在供配电系统中应用PHM需要解决的关键技术是状态监测与健康管理、故障诊断、故障预测、数据融合和人工智能技术,重点分析了状态监测与健康管理、故障诊断和预测技术及其实现方法。     

基于建康管理技术的机载计算机智能故障诊断方法

为了满足飞机机载电子设备以状态监控为基础的视情维修保障策略,提升设备可维护性,提出了一种基于在线检测、故障预测、辅助决策的健康监控管理故障诊断方法,支持对机载电子设备的健康状态进行预测和评估。通过划分机载电子设备子功能的敏感威胁区域,对这些区域设计专门的威胁预警监控电路,进行功能危害监控,建立推理监控模型对监控电路故障进行预警监控,结合辅助决策的方式对预警到的故障进行定位,实现对电子设备的智能故障诊断。通过FMEA的分析与故障注入测试验证,该预警电路、推理模型和辅助决策能有效的预测故障及定位,具有较高的故障预测覆盖率,可提高机载计算机的维修性、降低维修时间,在电子设备视情维修策略上具备工程应用价值。     

飞机故障预测与健康管理应用模式研究

针对现有飞机维修机制的不足进行了分析,描述了故障预测与健康管理、视情维修和自主后勤的三者之间的关系。提出了三种典型的故障预测与健康管理(PHM)应用模式,在分析比较现有三种模式优劣的基础上,进一步指出PHM的发展趋势。设计了一种飞机故障预测与健康管理(PHM)系统框架,并运用物联网技术完成了对自主保障系统的构建,能够有效提升飞机的自主保障能力。最后论证了故障预测与健康管理和持续采办与全寿命支持(CALS)之间的关系,为装备采购和全寿命支持提供了技术支持和理论依据。     

智能装备故障预测与健康管理系统研究

针对智能装备预测性维护存在的智能化和网络化程度不高、物理模型建模困难等 问题,研究了数据驱动的智能装备远程故障预测与健康管理系统(PHM)的实施框架、关键技术 和系统开发方法。具体阐述了数据驱动 PHM 系统的运行模式,在此基础上分析了 PHM 系统的 软件架构和关键技术,首先利用 EEMD 对原始信号进行降噪和重构,将重构后的信号作为输入 建立基于 RBF 神经网络的故障诊断模型;然后采用动态神经网络建立基于时间序列的故障预测 模型,并建立基于故障阈值的故障报警机制;最后利用混合编程和网络化开发技术开发了数据 驱动的远程 PHM 系统。实际应用结果表明,该系统能以较高效率完成故障诊断、故障预测等 核心功能,具有良好的实用性。     

基于知识图谱的航空发动机PHM仿真验证平台设计

针对航空发动机PHM系统功能、性能验证要求高、验证内容多、验证业务复杂等实际问题,分析了国外先进航空发动机PHM系统开发验证情况及经验,提出了一种基于知识图谱技术的PHM仿真验证平台设计方法。该方法利用了知识图谱在具有的半结构化、高效性、直观等特点,实现了发动机PHM验证涉及到的故障模式、故障特征、算法模型及专家知识等大量信息知识的有效组织与管理。在此基础上,进一步面向发动机PHM验证数据量大、计算需求高等需求,采用大数据、数据挖掘、机器学习、云服务等技术,搭建了基于知识图谱的航空发动机PHM仿真验证平台,实现了数据挖掘与信息提取、专家知识获取、多层级融合诊断智能导向型推理等应用。最后,以某型发动机为对象,介绍了发动机PHM仿真验证情况。经实际验证结果分析,该文提出的PHM仿真验证平台能够有效解决航空发动机PHM系统可验证的历史故障样本少、验证功能单一等问题。     

PHM仿真试验系统设计与应用

PHM系统是保障机载设备稳定安全运行的重要工具。通过构建PHM仿真试验系统,可以对系统架构、总线接口、数据处理、分区存储等系统功能进行仿真验证,以便尽早发现PHM系统设计初期存在的各种问题,及时对方案进行改进和优化,降低系统研制的风险。对PHM仿真试验系统的设计进行了研究,提出了一种PHM仿真试验系统设计与应用方法,从总体层次、软硬件设计等方面介绍仿真试验系统的组成和功能设计。搭建飞机级及各区域级的仿真设备,构建基于总线通讯的交联仿真网,支持数据、模型、流程等功能的仿真,并在最后给出了仿真试验的主要流程。实际应用表明,本方法能够较好地支撑仿真验证试验,从而缩短试验周期,提高研制效率,为系统设计工作提供支撑从PHM系统功能验证的角度为PHM系统研制提供支撑。     

基于综合评价模型的装甲车辆PHM系统应用范围确定

PHM技术在航空、工业、军事等领域得到广泛的应用。装备系统的结构组成日益复杂，哪些分系统需要安装PHM系统值得深入研究。详细研究了层次分析法与模糊综合评价法的特点和原理，根据装甲车辆的分系统构成和部队实际情况，将两种方法结合提出了综合评价模型，通过综合评价装甲车辆分系统，实现装甲车辆PHM系统的应用范围的确定，模型评价结果与专家评分基本相符，验证了该模型的可行性和有效性，为装甲装备PHM系统应用范围确定提供了借鉴。     

应用于PHM系统的相近粗糙集决策模型研究

PHM(Prognostic and Health Management)是现代军事和工业生产领域设备实现自主维护与保障的关键技术。文章通过对相近粗糙集理论进行分析,构建一个可以应用于PHM系统的决策模型。以某歼击机的故障飞行信息作为测试数据,在加入噪声干扰和不加噪声干扰的条件下,对经典粗糙集理论,可变精度粗糙集理论以及相近粗糙集理论的决策结果进行比较。结果表明在保持分类性能不变的条件下,相近粗糙集理论对含有噪声系统的适应性要好于经典粗糙集理论和可变精度的粗糙集理论,适合运用于PHM系统的决策算法。     

基于灰色聚类决策的监测参数优化选择方法研究

预测与健康管理(PHM,prognostics and health management)已成为复杂系统的有机组成部分,选择合适的监测参数是实现PHM的前提和基础.针对PHM中监测参数选择缺乏定量方法的问题,提出了基于灰色聚类决策模型的监测参数优化选择方法.首先确定了监测参数选择基本准则并进行了定量描述;然后建立了用于监测参数优化选择的灰色聚类决策模型,并提出了基于层次分析法和信息熵的综合权重确定方法;最后以某航空发动机为案例详细说明了监测参数优化选择过程.分析结果表明所提方法具有一定的合理性和有效性.     

OntoProg: An ontology-based model for implementing Prognostics Health Management in mechanical machines

Trends in Prognostics Health Management (PHM) have been introduced into mechanical items of manufacturing systems to predict Remaining Useful Life (RUL). PHM as an estimate of the RUL allows Condition-based Maintenance (CBM) before a functional failure occurs, avoiding corrective maintenance that generates unnecessary costs on production lines. An important factor for the implementation of PHM is the correct data collection for monitoring a machine’s health, in order to evaluate its reliability. Data collection, besides providing information about the state of degradation of the machine, also assists in the analysis of failures for intelligent interventions. Thus, the present work proposes the construction of an ontological model for future applications such as expert system in the support in the correct decision-making, besides assisting in the implementation of the PHM in several manufacturing scenarios, to be used in the future by web semantics tools focused on intelligent manufacturing, standardizing its concepts, terms, and the form of collection and processing of data. The methodological approach Design Science Research (DSR) is used to guide the development of this study. The model construction is achieved using the ontology development 101 procedure. The main result is the creation of the ontological model called OntoProg, which presents: a generic ontology addressing by international standards, capable of being used in several types of mechanical machines, of different types of manufacturing, the possibility of storing the knowledge contained in events of real activities that allow through consultations in SPARQL for decision-making which enable timely interventions of maintenance in the equipment of a real industry. The limitation of the work is that said model can be implemented only by specialists who have knowledge in ontology.     

基于马尔可夫过程的健康状态评估模型

故障预测与健康管理（PHM）的思想是通过状态监测和诊断技术获取装备状态和故障信息,预测其故障发展趋势,采取更有针对性的维修措施,从而大大提高装备维修管理的精确化。对装备系统的健康状态进行评估是实施PHM的基础,研究了基于马尔可夫过程的健康评估问题,运用马尔可夫模型方法,将部件系统退化过程描述为有限状态转移过程,建立了基于马尔可夫的健康状态评估模型,对PHM系统进行评估并对剩余寿命进行预测,最后进行了案例分析,验证了模型的可行性。     

Industrial data management strategy towards an SME-oriented PHM

The fourth industrial revolution is derived from advances in digitization and prognostic and health management (PHM) disciplines to make plants smarter and more efficient. However, an adapted approach for data-driven PHM process implementation in small and medium-sized enterprises (SMEs) has not been yet discussed. This research gap is due to the specificities of SMEs and the lack of documentation. In this paper, we examine existing standards for implementing PHM in the industrial field and discuss the limitations within SMEs. Based on that, a novel strategy to implement a data-driven PHM approach in SMEs is proposed. Accordingly, the data management process and the impact of data quality are reviewed to address some critical data problems in SMEs (e.g., data volume and data accuracy). A first set of simulations was carried out to study the impact of the data volume and percentage of missing data on classification problems in PHM. A general model of the evolution of the results accuracy in function of data volume and missing data is then generated, and an economic data volume notion is proposed for data infrastructure resizing. The proposed strategy and the developed models are then applied to the Scoder enterprise, which is a French SME. The feedback on the first results of this application is reported and discussed.