基于PHM技术的EOAS健康管理和故障预测系统研究

目前铁路电务部门主要依靠人工和机务故障报修系统的提报信息,对动车组司机操控信息分析系统(EOAS)车载设备进行维护,但无效及误报信息较多,无法满足当前车载设备的运用保障需求。针对该问题,基于故障预测与健康管理(PHM)技术,利用EOAS实时回传的车载设备运行数据和图像信息,通过通用故障建模、大数据技术、图像识别,智能分析运行状态变化,实现EOAS车载设备健康状态在线实时监测、关键部件的故障报警及预测、EOAS全生命周期的健康信息管理,为设备日常运用、维护和管理提供技术手段,实现精准和预防性维修,把当前被动的故障处理转变为故障预防管理。该系统投入运用后,对相关设备维护人员的知识储备、经验能力、熟练程度等要求大大降低;与原人工检测作业对比,检测耗时大幅缩短,有效提升电务部门的设备维护效率和质量,保障了车载设备的持续可靠运行。

试验系统故障预测与健康管理设计及实现

现阶段试验系统朝着全面信息化趋势发展,单纯靠指挥员、操作员人为判断与维护的安全生产管理办法难以继续施行。系统的故障预测和健康状态管理顺势逐步进入试验系统常规设计要求中,成为研究专项内容进行指标考核。本文以某试验系统建设为契机,探索研究出一套故障预测和健康状态管理程序架构,并在工艺系统设计、测控一体化硬件配置基础之上,通过网络信息交互、下位软件编程、人机交互界面等技术,实现试验系统的高效运维。

天然气管道压缩机组故障预测与健康管理研究

智慧管网具有综合性预判等方面能力,但目前油气管道关键设备如压缩机组非计划停机频发,维修保证策略以“事后维修”和“定期维修”为主,对故障预知预测的研究思路不够清晰、方法不够科学。维修检修需定期开展,故障管控能力及维护策略需进一步提升。总结国内外典型压缩机组及设备故障预测与健康管理(PHM)建设的现状,首次分析了管道压缩机组燃机性能算法、压缩机效率算法、模拟仿真等算法的核心问题、研究方法、关键量化指标及各研究方法的优点。研究天然气管道压缩机组PHM系统的重点难点,对平台融合与系统设计、机组变工况、多元数据分析技术、停机故障失效模型及算法研究、验证评价、知识图谱等重点研究内容提出了思考和展望。此研究对提升油气管道关键设备管理、开展平台融合设计及智能管道核心技术研究具有一定借鉴意义。

船舶低速机故障预测与健康管理技术研究及应用

为了提高船舶低速机运行的稳定性和可靠性以及船舶航行安全性,构建了船舶低速机故障预测与健康管理系统,利用GT-POWER软件搭建了低速机仿真模型数据库,提出了基于性能仿真、油液分析以及振动分析相融合的故障诊断方法。以此为基础,成功研制出船舶低速机故障预测与健康管理系统并完成台架试验,自主设计和开发的系统样机及客户端已成功应用于某6.2×10^(4)t多功能纸浆船,安全稳定运行超过6000 h,完成了相关实船验证,实现了对船舶主机的全生命周期管理,该系统为智能船舶的安全运维开辟了新的方向,对智能船舶的建设具有积极的推动和引导意义。

铁路信号设备故障预测与健康管理系统研究

在我国铁路线路总长度不断增加的背景下,为保障铁路运输安全性与稳定性,以信号集中监测系统、道岔缺口系统为例,对系统运转过程中的数据信号孤岛、检测不够全面等问题进行研究。分析信号设备故障检修工作需要,以数据统计、数据挖掘、专家规则等现代化信息技术为基础,提出信号设备故障预测与健康管理系统的构建方法,以期在降低各类信号问题的同时,推动铁路信号设备管理创新发展。

基于故障预测的雷达健康管理软件设计与实现

本文设计和开发了一个基于故障预测的雷达健康管理软件,软件采用标准的MVC体系架构,具有良好的可扩展性和稳定性。 软件内嵌基于长短期记忆网络(LSTM)的数据驱动的雷达故障预测算法,在一定程度上克服了传统的故障预测算法无法进行长时间记忆的问题,能够处理多变量输入,并以相控阵雷达为应用对象,实现了设备状态的智能健康评估、在线自检和故障预测。

数字孪生支持下软件化雷遥一体设备的故障预测和健康管理框架设计

针对当前高密度的航天发射任务和新域新质战斗力建设的高要求,传统的故障预测与健康管理已无法满足航天测量设备的维护需求。结合新体制的软件化雷遥一体测量设备的研制,本文提出了数字孪生技术支持下的设备故障预测和健康管理设计框架。通过结合雷遥一体设备的复杂结构组成,梳理出构建其数字孪生体模型的关键细节,分析软件化雷遥一体设备的PHM功能需求,以此提出了五层的数字孪生系统架构,并给出了实现PHM服务的具体运行机制。该设计框架为提高新体制软件化雷遥一体设备的全周期运行的可靠性提供了初步方案,同时也为其他典型的装备维护提供了一定的技术支持和理论参考。The traditional prognostics and health management can no longer meet the maintenance requirements of space measuring equipment under the high density of space launch missions and the high requirements of new field and quality combat capability construction. In combination with the development of a new system of software-based radar & telemetry integrated equipment, this paper proposes a design framework of equipment prognostics and health management supported by digital twin technology. By combining the complex structural composition of the radar & telemetry integrated equipment, the key details of constructing its digital twin model are carded out, and the PHM functional requirements of the software-based radar & telemetry integrated equipment are analyzed. Based on this, a five-layer digital twin system architecture is proposed, and the specific operation mechanism for implementing PHM services is provided. The design framework provides a preliminary scheme to improve the reliability of the whole cycle operation of the new system of software-based radar & telemetry integrated equipment, and also provides some technical support and theoretical reference for other typical equipment maintenance.

电力电子器件故障预测与健康管理技术的研究现状和趋势

电力电子器件是电力电子系统实现电能变换与控制的核心组件之一。通过新材料、新结构、新工艺、增加冗余、降容运行等传统手段提高电力电子器件的可靠性越来越难以匹配快速发展的电能变换要求。目前,电力电子器件的故障预测与健康管理(prognostics and health management,PHM)技术已成为研究热点。文中围绕PHM技术的研究现状、挑战以及发展趋势展开论述。首先,梳理状态监测、故障预测、健康管理三者的逻辑关系;然后,详细分析以电力电子器件的结温监测与老化演化为主要研究内容的技术手段;最后,综合现有研究,指出PHM技术在电参数传感、模型优化、混杂多故障预测方面有待深入研究。以芯片技术发展为硬件基础,大数据和人工智能为上层建筑,是电力电子器件PHM技术的发展趋势。

故障预测与健康管理技术在鱼雷PHM模型设计中的应用

结合现役大型武器系统保障特点和故障预测与健康管理技术及其成功应用范例,介绍了故障预测与健康管理技术(PHM)的核心理论、关键技术和技术复杂性。从分析视情维修(CBM)开放体系结构的设计思想与应用方法入手,设计了鱼雷的PHM模型,分析了各模块职责与功能,并完善了该模型的体系架构,为实际应用提供一定的理论参考。

基于CNN-BiLSTM-AT混合模型的新能源汽车锂离子电池健康状态预测

快速准确的健康状态预测能够提高新能源汽车锂离子电池的长期使用安全性和可靠性,可为电池管理系统的优化提供可靠的数据支持。结合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(AT)技术,提出并验证了CNN-BiLSTM-AT混合模型的预测有效性。以三元锂电池和磷酸铁锂电池为例,将CNN-BiLSTM-AT模型与其他6种预测模型进行对比。结果表明:CNN-BiLSTM-AT模型在多种电池类型和不同循环次数下均表现出色,具有最低的均方根误差和平均绝对误差,且决定系数R2接近1,显著优于其他模型。

数控机床故障预测与健康管理系统关键技术研究

故障预测与健康管理系统(PHM)是通过对机床状态的监测和故障分析,实现对机床进行健康监测、性能预测和状态评估,并基于此制定维护计划,从而使机床的使用寿命延长。数控机床作为装备制造业的关键装备,其健康状态对制造业发展具有重要意义。目前,随着制造业对数控机床智能化水平要求的不断提高,国内在故障预测与健康管理技术方面取得了一定进展,但总体上处于发展阶段,还没有形成产业化和规模化。因此,本文从数控机床健康监测与故障预测、性能预测、状态评估三个方面出发,分析了 PHM系统中关键技术的实现途径及难点,旨在为提高我国数控机床智能化水平和健康管理水平提供理论参考。

故障预测与健康管理(PHM)技术的现状与发展

结合故障预测与健康管理(PHM)的技术发展过程,阐述了PHM的应用价值。论述了PHM技术系统级应用问题,提出了故障诊断与预测的人-机-环完整性认知模型,并依此对蓬勃发展的故障诊断与故障预测技术进行了分类与综合分析,给出了PHM技术的发展图像。针对故障诊断与预测的不确定性特征,对故障诊断与预测技术的性能要求、定量评价与验证方法进行了分析。最后,以PHM技术的工程应用为线索,提出了PHM技术发展中的几个问题。

军用飞机供配电系统故障预测与健康管理关键技术

随着飞机多电化和全电化的快速发展,军用飞机供配电系统结构日益复杂、维护难度加大,采用故障预测和健康管理技术对于提高军用飞机供配电系统可靠性、降低维护难度、提高维护效率、实现视情维修具有重要意义。结合军用飞机供配电系统的特点,本文从故障预测与健康管理(PHM)系统构型设计、数据采集需求、机载使用需求三个方面对军用供配电系统故障诊断与健康管理技术进行了需求分析,梳理了当前军用飞机PHM架构发展现状,并针对军用飞机供配电系统特征总结了PHM系统架构特征。针对特征参量提取、信号检测与预处理、故障预测方法、预测效果评估方法等,对PHM重点关键难点技术进行了分析。并就当前军用飞机供配电系统PHM技术发展所遇到的问题,对未来研究方向提出建议。

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撑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。

基于可用度模型的故障预测与健康管理方法

为了将故障预测与健康管理(prognostics and health management,PHM)技术应用到工程实践中,提出了基于可用度模型的PHM方法。首先通过广义随机Petri网(generalized stochastic Petri nets,GSPN)和连续马尔科夫链(continuous time Markov chain,CTMC)建立基本单元的软硬件可用度模型和健康状态转换图,通过求解微分方程得到基本单元软硬件的可用度数值。然后综合软硬件之间的故障相关性建立基本单元的完整可用度模型,并利用事件调度仿真机制得到其可用度的解。最后将基本单元故障模型同通用的可修系统稳态可用度模型对比,得到"可用度-故障率-维修率"形式的PHM计算模型,并以此作为工程应用中PHM分析的有效手段。

智能变电站故障预测与健康管理关键技术及展望

随着智能变电站系统自动化程度的快速发展以及新型传感器的广泛应用,智能变电站内电气设备数据挖掘直接关系着智能变电站的可靠性、稳定性和安全性。针对大数据背景下智能变电站的智能运维,着重介绍故障预测与健康管理(prognostics and health management,PHM)技术在智能变电站的应用,并采用状态检修系统开放体系架构(open system architecture condition-based management,OSA-CBM)标准对PHM系统的层次结构进行了梳理。首先,在对智能变电站系统结构进行分析的基础上,重点总结了可用于智能变电站的基于数据驱动的各种故障诊断及寿命预测方法;然后,系统分析了智能变电站中的检修管理的研究成果;最后,基于OSA-CBM架构提出了一种可用于智能变电站的PHM架构。

船舶设备故障预测和健康管理产业发展现状及趋势研究

在对船舶设备故障预测和健康管理流程及组成进行简要概述的基础上,重点分析其技术发展现状、市场竞争格局,并从行业政策、前沿技术整合及市场需求等3个方面总结船舶设备故障预测和健康管理产业发展趋势,从而提出我国船舶设备故障预测和健康管理产业发展建议。

故障预测与健康管理系统研究与应用现状分析

当前武器装备不断朝着信息化、复杂化、智能化方向发展,为了以更加高效的方式保障和服务好现代化战争,武器装备在维修过程中需要快速、精准、便捷。故障预测与健康管理(PrognosticsandHealth Management,PHM)的提出和相关技术的发展为解决装备状态信息的实时感知,维修保障需求的快速响应提供了有效技术途径,将成为信息化、智能化时代装备保障的主要模式。分析了PHM系统及其技术、方法在国内外航空、航海、国防及工业等领域中的运用,涵盖传感器技术、嵌入式测试诊断技术、信息传输技术、数据挖掘与融合技术、健康管理与寿命预测方法、智能维护与维修决策技术等。总结和分析了我国PHM发展现状与趋势,对其发展提出了合理化建议。

和谐型机车故障预测与健康管理系统总体设计

为推进和谐型机车周期性计划预防修向数字化精准维修转变、防范重大事故及故障发生,基于大数据和云平台等技术,采用视情维修的开放体系结构(OSA-CBM,Open System Architecture of Condition-Based Maintenance),设计和谐型机车故障预测与健康管理(PHM,fault Prediction and Health Management)系统,包括系统的总体架构、技术架构和功能架构。旨在掌握机车及重要零部件性能演化规律、保证机车在途运行安全、实现精准维修、降低全寿命周期运用维修成本。

盾构机故障预测与健康管理研究进展

盾构机刀具、轴承、液压系统等关键部位故障率高、运维困难,传统“事后维修”“定期维修”等被动式维修管理方法存在特征提取不全、诊断模型精度低、监测数据利用率不足、维修不及时等问题,使盾构机常处于停机或半停机状态,造成资源浪费,影响施工进度。为此,结合故障预测与健康管理(Prognostics Health Management,PHM)发展现状和应用情况,提出盾构机PHM综合系统,降低设备故障带来的任务中断风险,延长盾构机健康运行时间,提升盾构机系统的可靠性。最后,探讨盾构机PHM技术面临的挑战,并从信息采集、数据处理、大数据诊断和健康管理四个方面对盾构机PHM综合系统未来研究方向提出了建议与展望。