歡迎來到北京怡嘉行科技有限公司!
010-80456517

產品新聞

當前位置: 首頁 > 新聞資訊 > 產品新聞

淺談健康管理與故障預測(PHM)的核心技術

Time:2020-03-26

  隨著人工智能的興起,機器學習和深度學習在研究以及工業上的應用。現階段,大多數工業在做故障預測的時候更傾向于使用結合大數據的機器學習算法來對其進行預測以及后期的運維工作。但是,不管是其機理模型還是數據模型在一定程度上都會有其缺陷,因此需要將機理模型和數據模型進行融合,稱之為混合模型。

關于故障預測的方法,目前主要分為三類,即基于機理模型的預測方法、數據模型的預測方法、以及混合模型預測方法。在數據模型的故障預測方法中,通常會使用模式識別和機器學習技術來檢測系統狀態的變化。數據模型適合用在系統太過復雜以至于很難建立合適的機理模型,或者建立機理模型的成本太過高昂的情況下。因此,數據模型的最大優勢是比其他方法更加快速廉價,而且適用范圍廣。而它的缺點在于它預測的置信區間較其他方法寬,而且需要大量的數據去訓練模型。

PHM利用先進傳感器的集成,借助各種算法和智能模型來預測、監控和管理系統的健康狀態。它強調資產設備管理中的狀態感知,監控設備健康狀況、故障頻發區域與周期,通過數據監控與分析,預測故障的發生,從而大幅度提高運維效率。

關鍵核心技術

1)傳感器數據采集

傳感器作為最底層的數據獲取元素,感受被測對象的相應參數(振動、溫度、光強、電壓等)變化,并將測到的物理量按照一定轉換規則轉換為便于后續傳輸與處理的電信號,其直接關系到故障診斷、故障預測的有效性,而傳感器種類的選取、傳感器的優化布局等關鍵技術也越來越受到關注。

2)數據處理及特征提取

通常PHM系統不會將傳感器采集到的數據直接用于故障的診斷和預測,而是經過一系列的預處理、特征提取、同類或異類數據的信息融合等處理之后加以判斷。隨著人工智能、大數據等新興技術的不斷興起,運用這些技術的數據處理、特征提取技術也成為當前研究的一大熱點。

3)健康評估與故障預測

健康評估與故障預測就是基于數據處理、特征提取的結果運用失效模型、智能的推理算法評估系統的運行狀態,預測系統發生故障的部位、時間及使用壽命,并給出合理的維修保障建議。失效模型的建立一般有兩種方式:一種是基于失效物理的方法,從材料的組成、變化及系統各部分之間的相互影響進行分析,需要非常完善的相關基礎理論,這在當前是很難實現的,所以一般采用這種方式建立的失效模型精度不高,導致健康評估與故障預測的準確度不高;另一種方式是基于大數據驅動的建模,在當前大數據熱潮背景下得到了一定的發展,具有比較大的潛在研究價值。智能推理是運用各種先進的分析、預測算法及失效模型,評估系統狀態,預測系統健康狀況的變化趨勢。

4)信息資源管理與決策

PHM系統運用系統健康狀況趨勢信息、歷史狀態信息、任務信息等,結合當前的維修、維護、保養資源及成本,決策得到系統的維修保障方案,為事后維修或周期性檢修承擔針對性維護,可以輔助后勤保障系統的設計,改善效率的同時降低了成本。

5)PHM驗證技術

PHM驗證是確認設計結果是否達到設計要求,從而對完善設計提出反饋,是設計開發成熟化、部署應用的關鍵環節。

總結:PHM是利用傳感器采集系統的數據信息,借助于信息技術、人工智能推理算法來監控、管理與評估系統自身的健康狀態,在系統發生故障之前對其故障進行預測,并結合現有的資源信息提供一系列的維護保障建議或決策,它是一種集故障檢測、隔離、健康預測與評估及維護決策于一身的綜合技術。相較于傳統的故障后維修或定期檢修這類基于當前健康狀態的故障檢測與診斷,PHM是對未來健康狀態的預測,變被動式的維修活動為先導性的維護保障活動,大大提高了裝備的戰備完好性。

北京怡嘉行科技有限公司立足國防軍工,積極拓展軍民融合,經過多年發展,形成完整的電子對抗試驗訓練平臺和通信仿真與測試解決方案,積累了豐富的產品方案和實施經驗。


丝瓜成视频人app下载无限-丝瓜视频成人app下载安装app-丝瓜在线观看免费