城轨车辆电子板件衰变检测及健康管理方式探索

对城轨车辆电子板件维护现状进行分析,提出了基于数据驱动健康管理(PHM)的管理体系和方法运用,在前期开展过程中着重进行状态监测和数据收集,结合实际运用的方法进行整理和归纳.对电子板件元器件中使用范围广、故障率高的电解电容、薄膜电阻、MOSFET做了失效机理分析和寿命预测评估.利用数据驱动PHM方法,结合车辆制动系统电源...     

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。     

数据驱动的舰炮PHM系统指标体系研究

针对建立数据驱动的中大口径舰炮PHM系统缺乏科学合理的监测指标体系问题,借鉴复杂机电系统监测指标体系研究方法和构建思路,对中大口径舰炮监测对象选取进行了研究,提出了监测对象和监测指标的选取原则;在此基础上,从人、机、环三方面对舰炮服役状态影响因素进行了研究,从而选取了合理可行的监测指标,确定了指标体系的因素层和总体指标层指标;最后,根据指标的层状结构,构建了多层次递进的舰炮PHM系统监测指标体系。建立的监测指标体系符合舰炮的结构组成特点和使用维护特点,为数据驱动的舰炮PHM系统研究和应用提供了技术支撑。     

大数据驱动的智能车间运行分析与决策方法体系

针对智能车间制造数据呈现的大数据特性,研究大数据驱动的车间运行分析与决策方法体系。在分析传统方法局限性的基础上,提出"关联+预测+调控"的车间运行分析与决策新模式,进而提出该模式下的方法论体系,包括车间大数据预处理与分析方法、车间运行状态预测方法及车间运行状态决策方法等。提出车间运行分析与决策技术体系,深入讨论了海量高维多源异构制造数据预处理、动态制造数据多尺度时序分析、制造数据关系网络建模与关联分析、车间运行状态演化规律与预测和基于定量调控机制的车间运行决策等关键技术。所提体系将对实现大数据驱动的智能工厂有重要借鉴价值。     

关于故障预测与健康管理技术的几点认识

介绍了故障预测与健康管理技术(PHM)基本概念与内涵,回顾了国外飞机发动机、固定翼飞机、直升机、航天飞行器、舰船、车辆和轨道交通等设备PHM技术发展历程及发展现状,分析了我国PHM技术的发展现状及存在的问题,预测了未来发展方向和应用领域。梳理了故障预测与健康管理技术体系架构,介绍了故障模型、状态监测、数据处理、综合诊断、健康管理、维修决策和后勤支援信息系统等关键技术,最后给出了我国发展PHM技术的意见和建议。     

滚动轴承剩余使用寿命预测综述

滚动轴承作为旋转机械的关键零部件,其剩余使用寿命(RUL)预测对生产维修和人身安全具有重要意义。由于滚动轴承复杂多变的工作环境,使得同工况的参考样本少而变工况的参考样本较多,具有不平衡、不完整、无标签及噪声干扰等特性,增加了滚动轴承RUL预测的困难。随着大数据时代的来临和人工智能的发展,滚动轴承RUL预测方法也变得更加丰富。因此,在故障预测与健康管理(PHM)的框架下,对滚动轴承失效模式和故障数据特点进行阐述,对故障特征提取、降维和融合方法以及得到的性能退化指标分别进行了分类和对比分析。结合数据驱动算法,对滚动轴承RUL的预测方法、模型选择和评估标准进行了梳理和对比。最后对滚动轴承RUL预测未来的发展趋势进行了展望。     

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。     

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.     

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。     

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。     

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。     

生命周期大数据驱动的复杂产品智能制造服务新模式研究

在分析当前制造企业产品生命周期管理面临的挑战与现有制造服务模式不足的基础上,针对复杂产品生命周期数据呈现的大数据特性,提出一种生命周期大数据驱动的复杂产品智能制造服务新模式,并设计了一种体系构架。以产品生命周期为主线,提出并详细阐述了生命周期大数据驱动的智能制造服务新模式的关键技术体系与实现框架,包括制造和运维动态数据驱动的产品与服务设计、实时多源数据驱动的生产过程分析与优化、面向服务的运维数据故障演化分析与预测等。通过上述体系构架及关键技术的实施,可有效促进生命周期各阶段数据和知识的集成应用,进而构建一种产品设计闭环创新、生产过程实时优化、运维服务动态预测的产品生命周期管理与运作机制,以提升全制造流程和全生命周期管理的智能决策能力。所提体系和框架可为生命周期大数据驱动的智能制造服务研究和应用提供一种参考模型。     

PHM技术在先进飞机上应用对基地级维修保障的影响分析

新一代军机应用了PHM技术并设计了PHM系统,借助于PHM驱动地面维修保障,这将对基地级工厂带来积极而深远的影响。本文从基地级工厂生产、技术工作、修理质量、测试设备四个方面详细讨论PHM技术对基地级工厂修理保障的影响。     

多特征融合灰色模型的板级焊点寿命预测研究

针对板级焊点故障数据繁杂、退化特征不明显、缺乏有效特征提取与预测方法的问题,搭建了板级焊点可靠性评估试验台,提出利用多特征参数融合的特征提取方法和灰色模型的故障预测方法。首先,对电子组件焊点的电阻变化数据进行时域特征参数的相关性分析实现多特征的聚类;其次,利用灵敏度和显著度对不同类别的时域统计特征进行度量,以此计算参数融合权值,构造多参数特征向量;最后,采用灰色模型对特征参数进行预测,并通过融合权值对预测结果进行比例融合。通过试验分析,该方法能够有效对焊点的剩余使用寿命进行预测,提供了一种实现电子设备故障预测与健康管理(PHM)的新思路与手段。     

基于PHM的舰船装备维修保障研究

从传统维修保障模式面临的挑战出发，介绍了PHM技术的内涵和原理，技术特点和技术要素，通过对PHM理论的分析．明确了舰船装备PHM系统的功能，对PHM技术应用于舰船装备维修保障中的有效性和可行性进行了研究，初步构建了舰船装备PHM系统的组成，并对其中的关键技术进行了分析。指出了舰船装备维修保障中引入PHM技术的发展方向。     

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。     

铣削加工表面完整性研究

大量的关键复杂零件采用多轴铣削加工,铣削加工表面完整性对零件的使用性能、寿命以及可靠性具有至关重要的作用。首先分析了表面完整性表征模型;其次介绍了铣削加工表面形貌特征的研究现状,给出了基于加工过程理论建模与仿真,实验分析以及智能算法对表面粗糙度的预测方法;再次介绍了基于铣削加工表面层物理力学性能的研究现状,针对表面残余应力、显微硬度以及微观结构等表面层物理力学性能评价指标,给出了实验分析和建模预测与控制方法;最后在分析当前存在问题的基础上,提出了数据驱动的铣削加工表面三维形貌预测方法和数据驱动的铣削加工表面残余应力预测方法的研究思路,有助于进一步开展铣削加工表面完整性研究。     

大数据驱动的智能制造

数据是未来制造业的核心要素,工业大数据分析是赋予制造"智能"的关键。系统分析了大数据驱动的智能制造的科学范式、理论方法与使能技术,阐述了应用方向与工业实践;根据"第四范式:数据密集型科学发现",提出了"关联-预测-调控"的大数据驱动智能制造科学范式;根据数据处理流程,总结了融合处理、关联分析、性能预测与优化决策四位一体的方法体系。围绕边缘层、平台层和应用层设计大数据平台,介绍了大数据驱动智能制造的使能技术;从智能设计、计划调度、质量优化、设备运维四个角度,综述工业大数据驱动的智能制造应用现状。     

基于数据驱动的零部件疲劳寿命预测研究现状与发展趋势

随着风电、高铁、航空等重大装备向着高可靠性、长寿命、智能化的方向发展,对齿轮、轴承等基础零部件的寿命提出更高的要求,也迫切需要更为科学、高效的疲劳寿命预测方法.机械零部件的寿命预测方法可分为基于物理失效模型、基于数据驱动模型和基于融合模型3种.随着零部件寿命预测研究向高精度、高效率发展,基于物理模型的寿命预测方法由于其模型复杂、耗时、不具有普适性等缺陷难以满足现代需求.基于数据驱动技术由于其具有无需知道其具体失效机理、预测结果准确等优点,且伴随机器学习、深度学习等技术的迅速发展,使得其成为零部件疲劳寿命预测研究的热点.鉴于此,详细阐述了基于数据驱动的机械零部件疲劳寿命预测方法,并详细介绍了神经网络、支持向量机、随机森林、深度学习等数据驱动方法在零部件寿命预测中的应用,总结了每种方法的特点,探讨了基于数据驱动的零部件寿命预测方法的发展趋势,并给出了基于GA-BP神经网络齿轮接触疲劳寿命预测研究的案例.     

[学科发展]大数据驱动的智能制造

数据是未来制造业的核心要素,工业大数据分析是赋予制造“智能”的关键。系统分析了大数据驱动的智能制造的科学范式、理论方法与使能技术,阐述了应用方向与工业实践;根据“第四范式：数据密集型科学发现”,提出了“关联-预测-调控”的大数据驱动智能制造科学范式;根据数据处理流程,总结了融合处理、关联分析、性能预测与优化决策四位一体的方法体系。围绕边缘层、平台层和应用层设计大数据平台,介绍了大数据驱动智能制造的使能技术;从智能设计、计划调度、质量优化、设备运维四个角度,综述工业大数据驱动的智能制造应用现状。