多因素驱动架空线路故障率模型

架空线路故障停运将严重影响电力系统的稳定安全运行,建立全面量化内外部影响因素的架空线故障率模型对评估电力系统运行风险起到了至关重要的作用。根据架空线路故障机理,提出了多因素驱动的架空线路故障率模型(Multi-Drive-PHM,MDPHM)。以比例风险模型为基础,基准故障概率函数考虑导线老化,连接函数中的协变量选择设备健康状态、负载率和天气状况,各影响因素与故障率的相关性通过假设检验验证。最后采用Levenberg-Marquardt法进行模型的参数估计。算例分析定量展现了各因素对架空线路故障率的影响,验证了模型的有效性。     

装备故障预测与健康管理能力验证评估技术

预测和健康管理（PHM）是提升装备战斗力水平的重要保证,在装备设计阶段并行开展可测性设计是提高PHM能力的主要手段,而PHM技术的验证和评估是建立诊断与预测系统可信度的一个重要步骤。本文首先给出了面向PHM系统验证技术的国内外研究现状,然后,分析PHM指标的验证方法和技术框架。后面给出的PHM系统验证的指标体系,最后,点明了故障预测与健康管理系统验证与评估方法要关注的问题,明确了未来的发展趋势。     

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。     

飞行器故障预测与健康管理(PHM)集成工程环境研究

故障预测与健康管理(PHM)技术能够实现故障监测、诊断、预测、状态评估及综合决策的功能,能够降低飞行器维修、使用和保障费用,提高飞行器战备完好率、任务成功率以及安全性和可用性;在分析了国内外研究现状的基础上,提出了构建飞行器故障预测与综合健康管理的通用化支撵平台和验证环境的设计思路,并展开描述了PHM开发环境、运行环境、验证环境的具体功能组成,研究成果能够为检验飞行器PHM系统工作效能提供有效验证,为降低飞行器PHM验证费用提供借鉴.     

基于PHM的特种车辆智能终端设计与实现

针对当前工程车辆在施工过程中故障预测难,发生故障排除故障难的现状,及时进行健康状态管理,针对车辆的整体状况给出全面的检测和评估,及时了解"健康隐患",在故障前给出保养建议及预防策略;针对保障特种车辆健康问题,研制由车载健康管理终端(简称"VPED")和一个架设在公网的远程服务平台构成的智能车载健康管理系统,实现3G、GPS、CanOpen在PHM的理念下无缝结合,对于工程车辆的健康管理和提高施工效率方面有着重要的指导意义.     

综合应力下综合控制器PHM试验平台设计

为了模拟综合控制器真实的工作环境,解决综合控制器故障样本与故障验证环境不足的问题,以便对综合控制器进行健康状态评估,进行了综合控制器PHM试验平台的设计.首先进行了PHM试验平台总体框架分析,确定了设计内容,然后针对综合控制器环境考核需求,明确了各单项应力的参数,制定了综合控制器综合环境应力试验方案,接着基于PCI-9114数据采集卡以及LabVIEW设计综合控制器数据采集系统,实现对综合控制器各个模块的多个状态参数进行实时监测.试验结果表明:该系统稳定可靠,操作简单,实用性强,并能够实现对综合控制器状态参数的实时采集、自动存储,以及事后查阅,从而为综合控制器健康状态评估提供数据支撑.     

PHM系统中的测试不确定优化选择建模

PHM系统是实现视情维修的关键技术之一,是提高飞机自主保障的重要途径,PHM系统虚警率高的问题是实际应用中需要解决的关键问题。复杂环境下,PHM系统监测点的测试不可靠是引发PHM系统虚警的重要根源。针对此问题,本文采用不确定理论研究PHM系统中的测试不确定度,并建立测试不确定优化选择模型,在期望值准则和乐观值准则下,将不确定优化选择模型,转化为带有专家信度的确定性优化选择模型,并通过实例给出了不确定优化选择模型的建模和求解过程。     

基于改进灰色神经网络的故障预测方法研究

故障预测技术是电子装备预测与健康管理（PHM）领域的核心内容, 对电子装备关键部件实施有效的预测是保证系统正常运行的关键。首先将灰色理论和人工神经网络算法相结合, 构建灰色神经网络模型并对其进行分析; 然后在此基础上通过附加动量变学习速率法对灰色神经网络的权值更新策略进行改进, 提出一种基于改进灰色神经网络的故障预测模型; 最后以某型脉冲测量雷达中频接收组合中的压控振荡器为例, 以采集的原始频率数据为基础进行仿真验证。预测结果表明, 将该预测方法应用于电子装备PHM是行之有效的, 可有效提高故障预测精度。     

故障预测与健康管理在舰用柴油机中的应用

为解决舰用柴油机传统事后维修和计划维修的诊断能力不足、经济可承受能力差等问题,应用故障预测与健康管理(prognostics and health management,PHM)的理念进行研究。在分析柴油机常见故障的基础上,建立舰用柴油机动力装置的PHM体系结构,对其中主要功能模块进行分析,提出PHM在舰用柴油机中应用尚需解决的问题。该研究为实现舰用柴油机的健康管理奠定了理论基础,对现有装备的维修保障和预研装备的设计开发具有一定参考价值和指导意义。     

数据挖掘技术在航空发动机PHM中的应用

总结了数据挖掘工具的方法和模式以及数据挖掘的流程,对其在航空发动机故障预测和健康管理（PHM）中的常用方法和模式,如神经网络、时间序列分析、模糊逻辑、遗传算法、证据理论、支持向量机等及其应用案例进行了阐述。