故障预测与健康管理技术的应用与发展

近年来,随着航天航空技术的不断发展,关于管理系统的研究也不断深入。故障预测与健康管理(PHM)系统属于目前可用于故障系统预测和管理的有效框架,PHM技术在设备装备维修保障当中的应用价值非常突出。为进一步提高PHM技术的应用效益,本文分析了PHM技术的应用与发展,希望可以为相关从业者提供理论帮助。     

机器人系统的故障预测技术研究

文章针对机器人系统维护特点,提出将故障预测与健康管理（PHM）技术应用到机器人系统的维护上。论述了PHM关键技术——故障预测技术的特点和研究内容。对故障预测技术进行分类和分析,总结出各种预测方法的特点。最后提出了基于统计过程控制（SPC）进行故障预测的方法,并阐述了进一步研究可能遇到的问题。     

PHM技术在飞机装配单元中的应用

"高效率、低成本、精益化、智能化"是公司精益工厂建设追求的重要目标。制造过程中,多源信息的采集、分析、监控以及预测,对提高装配质量和效率、降低生产成本具有重要意义。基于此,以MA700飞机尾翼制孔装配单元为应用背景,结合故障预测与健康管理(Prognostic and Health Management,PHM)技术的相关理论体系,提出一种应用于飞机装配单元的PHM系统总体框架结构。     

健康监测技术在机载雷达结构上的应用分析

故障预测与健康管理（Prognostics and Health Management, PHM）技术是一项前沿的复杂工程应用技术,在机载雷达系统上具有迫切的需求和广泛的应用前景。文中首先分析了典型的飞机PHM系统架构;然后,针对机载雷达系统结构特点,提出一种基于故障模式、影响及危害性分析（Failure Mode, Effects & Criticality Analysis, FMECA）的结构健康监测系统构建流程,得到了典型机载雷达系统结构的健康监测系统架构;最后,对PHM技术在某机载雷达大型一维转台上的应用进行了分析,获得了各关键系统的多参量实时数据,为机载雷达系统的结构安全提供早期预警、故障诊断与寿命预测。本研究对结构健康监测技术在机载雷达领域的工程化应用具有指导意义。     

航空设备故障预测与管理研究

航空航天领域一直以来都是各个国家重点研究的方向,为了确保航空设备能够正常运行,将故障监测和管理装置引入航空领域中是必然的发展趋势。在航空领域中应用更多的高新技术,能够强化系统的维护水平,带动维护决策朝着自动化、智能化的方向前行,全新装置的推广必定会加快现代化进程。期望真正达成系统的自主保护,就无法脱离PHM技术,其能够进一步提高飞机的稳定性、可监测性以及安全系数,同时,也能够优化经济投入成本以及后期维护费用,PHM在飞机系统研究中发挥出越来越重要的作用。本文基于当前PHM技术的发展状况,简要论述PHM技术的相关原理,并针对其中的核心技术进行深入分析,预测未来飞机系统的健康管理模式。     

基于PHM技术的测井设备智能管理体系的应用研究

测井设备的智能管理体系具有有效的预警和健康管理机制,能准确地预测故障并进行维修保养提醒.它是一种能够模拟人的自治性神经系统指挥身体运动的智能体系.PHM技术（故障预测与健康管理）已成功地应用多个领域,论文讨论PHM技术应用于测井设备智能维修体系的方法与可行性,详细阐述了评估测井设备健康状态的方法.     

数据驱动故障预测和健康管理综述

着重介绍数据驱动故障预测和健康管理(PHM)方法的研究现状。通过对数据驱动PHM方法的分类阐述,逐步说明面向复杂系统数据驱动PHM的方法体系和流程,并重点对构成数据驱动PHM方法体系的核心环节进行分析和总结。在此基础上,采用一个锂离子电池循环寿命预测实例综合分析了数据驱动PHM的实现过程。最后,分析了数据驱动PHM方法的发展趋势和研究挑战。     

飞机健康监测与预测系统的发展及展望

作为新一代飞机所采用的先进维护管理系统,健康监测与预测系统是一种全面的故障检测、预测与状态管理系统。阐述了健康监测与预测系统的含义,介绍了健康监测与预测系统的发展过程,对当前飞机健康监测与预测系统的应用状态进行了全面的概述,分析了健康监测与预测系统涉及的主要关键技术,包括先进传感器技术、故障诊断与健康评估技术、故障预测技术、数据融合技术和系统验证与评价技术,并对未来的发展方向进行了展望。     

民用飞机系统的故障预测与健康管理系统设计

在对民用飞机系统的故障预测与健康管理系统及其重要作用进行论述的基础上,分析了故障预测与健康管理（PHM）、视情维修（CBM）、自主保障（AL）及其相互关系。同时,论述了民用飞机系统的故障预测与健康管理系统的几个主要功能模块。     

数控机床故障预测与健康管理系统关键技术研究探讨

为提高数控机床的使用效率及使用寿命,必须构建故障预测与健康管理系统。现概述了故障预测和健康管理系统,以及影响PHM系统应用的关键技术,并提出PHM关键技术的具体实施方案,对实现机床故障的提前预测和剩余寿命计算具有重要的实践意义。     

联合动力装置实验台辅助研究生PHM课程教学的不足与建设对策研究

船舶动力装置故障诊断方向研究生系列课程需要故障预测与健康管理(Prognostics Health Management, PHM)技术的实践平台,辅助课堂内容的理解,提高智能运维与健康管理相关的系统思维能力。针对实验台在教学实践中的不足,提出了改进及建设方案,提升研究生PHM课程的总体教学水平,满足新工科对人才培养的要求。     

基于数字孪生的机电液系统PHM关键技术综述

数字孪生(Digital twin, DT)技术与预测和健康管理(Prognostics and health management, PHM)技术是智能制造领域中的两个热点研究方向。在对PHM技术现状总结分析的基础上,归纳当前制约PHM技术发展和应用的关键性问题如下：设备故障机理研究不透彻、全生命周期数据不完备、健康状态监测方法不足、多层级状态信息综合不足以及不确定性管理问题。并阐述数字孪生技术在解决这些问题过程中的独特优势,提出将基于第一性原理的多维数字孪生模型构建、虚实空间的多维数据映射、孪生体技术状态一致性度量与模型的高效迭代修正以及基于多域特征的系统健康评估、预测与维护决策作为关键技术构建DT-PHM研究架构。随着技术不断推进与发展,两项技术深度融合,基于数字孪生的复杂系统健康管理技术必将成为未来装备全生命周期视情维修和预测性维修的关键技术之一。     

数控设备的故障预测与健康管理技术

为提高数控设备的使用寿命及效率,提出了故障预测与健康管理(PHM)的概念和体系结构,.该方案能够实现数控设备故障的预测和剩余寿命计算.     

基于 TTF的飞机健康管理地面系统预测技术

为了解决传统飞机的机内自测试和定期维修的不足,应用飞机健康管理技术,通过故障预测,以达到预防性维修目的。研究了基于TTF的飞机健康管理地面系统预测技术,通过建立维护信息（ MMSG ）和故障信息的预测关系,计算从出现维护信息到出现驾驶舱效应（ FDE ）的时间间隔TTF（ Time to FDE）,进行故障预测。设计并实现了飞机健康管理地面系统故障预测系统,并进行了验证。     

基于深度学习的工业装备PHM研究综述

随着物联网和通信技术的快速发展,现代工业装备海量运行数据被实时监测传输,推动装备服役阶段的故障预测与健康管理进入大数据时代。面对具有不确定性强、价值密度低及多源异构特点的装备运行大数据,传统浅层模型算法存在难以自主挖掘数据蕴含特征、对装备健康状态表征能力弱的先天不足。近年来,作为机器学习领域的研究热点,深度学习理论得到了学术界与工业界的广泛关注,相关的工业装备故障预测与健康管理（prognostics and health management, 简称PHM）研究与应用层出不穷,为解决大数据背景下的故障预测与健康管理难题提供了新的思路和技术手段。为此,笔者回顾了工业装备故障预测与健康管理技术发展历程;从异常检测、故障诊断以及故障预测3个方面综述了深度学习已取得的研究成果;讨论了深度学习在当下工业装备故障预测与健康管理中的热点话题;分析了该研究方向在工程实际中面临的挑战,并探讨应对这些挑战的有效措施和未来发展趋势。     

故障预测与健康管理技术在民用领域的应用

随着感知与数据采集技术、机器学习技术的发展,故障预测与健康管理技术在军工、航天、航空领域的应用趋于成熟,在民用领域的应用则还较少.论述了故障预测与健康管理技术在民用领域应用的架构,从基础技术和核心功能实现技术两方面分析了故障预测与健康管理技术在民用领域应用的关键技术,并介绍了民用领域中故障预测与健康管理技术的发展.     

风力发电机组实时状态监测及预防式维护

风电是低碳能源中发展迅速的一种发电技术,发展风电是我国目前减排任务的主要手段之一,近年来实现了跨越式发展,但也随之产生了一些迫切需要解决的问题。文章针对风力发电的特点,分析了目前风电检修中存在的问题,介绍了状态监测系统的作用和研究现状,阐述了状态监测系统的主要监视内容和故障诊断方法,介绍了预测与健康管理(PHM)技术的思想和基本流程,分析了PHM技术在风电检修系统中的适用性,最后展望了状态监测及预防式维护的应用前景和应用价值。     

基于SCADA的风力机叶片PHM系统设计与实现

随着我国风电产业的迅速发展,风机装机容量逐渐增加,叶片的长度也随之增长,所以风机产生故障的机率越来越大,因此,开展风力机叶片预测与健康管理(Prognostics and Health Management,简称PHM)的研究具有重要意义.首先,从监控与数据采集系统(Supervisory Control and Data Acquisition,简称SCADA)中提取叶片正常和异常状态下的特征参数,其次,采用BP神经网络建立叶片健康状态预测模型,最后采用Power Designer建模软件建立系统物理数据模型,并对系统架构进行设计,将训练好的神经网络模型应用在风力机叶片PHM系统中,有效提高了风力机叶片预测与健康管理的信息化水平.     

一种基于决策树的飞机级故障诊断建模方法研究

现代飞机是由许多子系统组成的复杂系统，系统结构层次多，关联度高，故障之间存在横向和纵向传播性。因此，在健康管理技术实施过程中，应最大程度利用故障特征监测技术，并借助各种算法和智能模型来监控、诊断、预测和管理飞机的运行状态。鉴于此，将机器学习中的决策树算法应用到故障诊断技术中，建立了复杂的数学模型，提出了一种基于飞机状态参数构成的决策树的飞机级故障诊断建模方法，对飞机健康管理应用的发展具有一定的参考意义，有利于健康管理系统朝着更加综合化、智能化、网络化和标准化的方向发展。     

基于SOA的设备群PHM系统研究及实现

针对设备群的故障预测与健康管理系统（PHM）技术的特点,提出了一种按设备级、工作单元级、设备群级和企业级分层的PHM功能模型,建立了功能模块间及不同层间的信息流动及需求关系。基于WEB服务和SOA技术,建立了PHM的系统分层架构模型;提出一种基于时间戳数据防过期方法,解决了基于XML的数据交互过程中的数据同步问题;研究了各功能组件模块之间的协同运行问题;基于逻辑斯蒂回归和支持向量机建立了性能退化趋势预测模型。在此基础上,开发了基于WEB的PHM软件原型系统,以验证上述方法和技术的可行性。