复杂机电装备PHM系统关键技术研究

随着复杂机电装备组成的复杂程度及信息化程度的不断提升,故障预测与健康管理(Prognostics and Health Management,PHM)系统逐渐成为新一代复杂机电装备设计和使用中的重要组成部分。复杂机电装备PHM系统的关键技术是故障特征提取、数据融合、智能故障诊断与故障预测、状态监测和健康评估等,重点分析了智能故障诊断与故障预测技术。     

面向复杂装备PHM数据体系架构的研究

故障诊断与健康管理(PHM)利用装备产生的数据,经过数据处理等手段,能够实现对复杂装备的健康状态进行监测、故障诊断、预测和智能决策;在PHM的整个阶段会产生大量的数据,目前已有部分国内外机构针对PHM数据体系进行了研究与构建,然而大部分的数据仅仅是针对PHM数据的管理维护方面做了探讨,并不能清晰地、深入地梳理出现役装备的设计数据、使用数据及验证数据之间的逻辑关系,所以构建一套完整的PHM数据体系架构成为当前极为重要的工作;文章以装备PHM技术为背景,贯穿装备生产制造全寿命周期时间线,基于PHM系统的设备级、区域级、平台级数据的构建、融合为主线,补全PHM数据管理维护数据,形成一套具有装备特色的PHM数据体系架构,完善PHM不同数据要素之间的逻辑关系。     

提升机群远程监测与智能故障诊断系统设计

针对现有提升机监测系统仅限于现场就地监测,部分故障很难被及时发现并处理的问题,提出了基于物联网的提升机群远程监测与智能故障诊断系统设计方案。该系统利用分布式实时中间件技术传输系统运行数据,实现了异步网络环境下分布式进程间的交互通信,从而实现了矿井提升机群的网络化监测;建立了网络化的矿井提升机交互式智能故障诊断体系架构,实现了提升机故障诊断交互式推理,优化了提升机故障诊断的方法,提高了故障诊断效率。     

数字孪生支持下的设备故障预测与健康管理方法综述

故障预测与健康管理(PHM)是设备运行维护管理的有效方法,早期主要应用于航天、军用装备等领域。随着故障诊断和数据采集与分析等相关技术的不断发展,PHM方法逐渐在民用航空、装备制造等领域得到应用,并进一步在多行业得到推广和普及。传统PHM方法有基于经验模型的方法、基于数据驱动的方法和基于物理模型的方法。但这些方法存在着不少的局限性。随着数字孪生技术的兴起,其模型和数据相融合的问题处理方法,可有效地解决传统PHM方法的不足,是PHM技术发展的一个方向。在对PHM相关技术和方法进行了研究之后,综述了数字孪生技术及其在PHM中的应用方法,并对应用中的关键问题进行了总结和分析,指出数字孪生支持下的PHM方法未来发展方向。     

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。     

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。     

基于卷积神经网络的发动机故障预测方法

近年来,卷积神经网络(CNN)等深度学习方法的发展为发动机故障诊断和预测带来了新的思路。CNN具有局部连接、权值共享、池化操作以及多层结构等特点,能够有效提取局部特征,降低网络的训练难度,使CNN具有很强的学习能力和特征表达能力。开展了深度卷积神经网络故障预测方法研究,实现了面向发动机气路故障预测算法架构。利用基于发动机试验仿真数据对该方法进行了验证,并与其他几种常见的基于数据驱动的预测方法进行了比较,验证结果表明本文提出的基于卷积神经网络的预测方法具有较好的可行性和效果,可作为开展发动机PHM技术研究的参考。     

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。     

指控装备多Agent远程监测与诊断系统设计与实现

针对指挥控制系统日趋复杂,装备测试诊断任务压力骤增的现状和装备智能化保障需要,提出了一种基于多Agent分布式指控装备远程智能监测诊断系统,结合某型军用指控系统,将智能代理技术引人远程监测及诊断领域,建立多Agent系统(MAS)的远程监测模型,运用分布式人工智能理论设计组建各功能Agent子系统,并分析了其通信机制及协调一致性等关键技术,实现了对某型复杂指控装备的远程监控及故障诊断任务;通过实验仿真运行,验证了该系统能较好实现装备保障需求,具有良好的时效性与可靠性.     

基于无线网络的车辆健康状态管理系统研究

针对特种车辆领域售后服务过程高效率、高可靠性、体系化的迫切需求,分析了当前国内外汽车领域特别是特种车辆领域售后服务过程广泛存在的问题,通过研究无线智能终端、车联网技术、PHM等关键技术,重点论述了基于无线网络的车辆健康状态管理系统构建的意义及构建策略,以及如何将该系统应用于车辆售后服务工作,并阐述了该系统的初步设计方案;最后经过车辆的实际试验,证明该系统符合工程机械车辆售后维护工作要求,所建设的故障诊断和健康评估模型具有实用化推广价值。     

5G通信技术及其在煤矿的应用构想

近年来我国煤矿无线通信系统首选WiFi和4G通信技术,随着煤矿智能化建设的发展,现阶段煤矿无线通信系统的性能已无法满足煤矿智能化发展的各项需求。对比前几代移动通信技术,阐述了第五代移动通信技术(5G)关键技术及其性能优势;给出了矿用5G无线通信系统的组成及组网方式;结合5G通信技术特点和煤矿智能化发展需求,提出了5G通信技术在煤矿的应用场景,如井下无人驾驶及智能运输、全矿井位置服务、设备远程操控、故障远程诊断、大宽带业务数据传输、煤矿机器人云端控制、全矿井安全监测信息采集、虚拟现实/增强现实矿山等;指出针对煤炭行业的5G技术应用场景还需不断挖掘和完善,且由于5G网络对承载网要求较高,煤矿应预估部署成本,结合自身发展状况和需求搭建矿井5G通信网络。     

基于测试性的电子系统综合诊断与故障预测方法综述

故障诊断与预测技术是故障预测与健康管理(PHM)中的两大关键技术.依据电子系统的故障模式与机理,结合测试性设计分析理论,提出了一种基于测试性的电子系统综合诊断与故障预测方法框架.对国内外综合诊断与故障预测方法进行了分类与总结,从基于测试性的嵌入式诊断、基于信号处理的智能故障诊断、基于测试性的故障预测3个方面论述了电子系统综合诊断与故障预测方法.最后分析了制约电子系统综合诊断与故障预测的因素,并探讨了未来的发展趋势.     

企业离散式智能设备预测性维护综述

针对智能设备的大量使用且缺乏根据监测大数据进行故障自动分析、判断与处理的问题,研究了基于物联网技术、大数据技术、边云协同技术的智能设备预测性维护框架和模式.提出针对非智能设备安装传感器实现设备智能化的方法.指出边缘计算负责设备工况数据的实时采集、分析,可快速甄别设备故障并实时报警;云计算聚焦同类设备运行海量历史数据的挖掘和分析,形成故障自动预测分析和诊断模式并下载至智能边缘设备.在研究了模型驱动、数据驱动、概率统计驱动、数字孪生和概率数字孪生驱动等故障预测模式后,提出了采用数据驱动的多层级数据融合模式,为制定企业性智能设备维保方案提供借鉴作用.     

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。     

刹车控制单元便携式检测设备的设计与实现

在飞机地面试验台进行刹车试验时,或者在外场飞机起飞前进行检查、大修厂的飞机维修时,防滑刹车控制单元的性能检测设备必不可少。针对飞机预测及健康管理(PHM)提出的维修保障困难问题,于开放的、面向对象的PHM体系结构,提出了一种便携式飞机刹车系统检测设备,结合其关键系统展开设计。此设计包含了飞机PHM体系结构设计及相关环节的技术实现,并将传统测试的相关测试设备小型化轻量化,集成在一拉杆箱内,加以一体化和良好的散热设计,使得设备方便运输携带,且具有一定抗强冲击力和震动的特性,有很高的安全性、可靠性,并具备故障定位等智能化检测能力,可满足外场检测的恶劣测试环境,提高飞机检修效率。     

基于PHM的电子装备故障预测系统实现关键技术研究

为实现现代武器装备故障预测与健康管理技术,需要对故障预系统实现技术进行了研究;建立了针对某型装备故障预测需要的软硬件平台,从状态检测系统设计、故障预测系统设计等方面进行了研究,并分析了故障预测模型的适应性;文章的研究为建立基于PHM思想的电子装备故障预测系统奠定了基础,该系统已经在某型装备故障预测中进行了应用,其研究成果还可以应用于装备寿命预测技术,为实施装备延寿工作提供信息支持.     

基于灰色粗糙集与BP神经网络的设备故障预测

为更有效预测设备故障,提出一种基于灰色粗糙集与BP神经网络的设备故障预测模型。用灰色关联分析和粗糙集理论分别对二维故障决策表进行横向和纵向两个维度的约简,将冗余的数据和属性去掉,并将约简后的数据输入到BP神经网络,预测设备故障。最后以地铁信号设备故障预测为例进行实例验证,结果表明,该模型预测误差更小,预测准确率更高。