Design Technology Research of Aircraft Engine Health Management (EHM) Technologies

Aircraft engine is an important guarantee for aircraft safety, and its failure mode and health management have become the top priority. However, there are very few researches on aircraft engine health management. This article mainly summarizes the current research status of aircraft engine health management (EHM) from the aspect of aircraft electronic system, focuses on the overall structure, functional areas and key technologies of EHM system design, points out the design requirements of EHM system, and finally proposes EHM system. The design must improve the monitoring accuracy of the sensor to meet the monitoring requirements of more than 0.1%. High-precision monitoring data is more conducive to engine fault detection and processing, and EHM will therefore develop in the direction of real-time, intelligent, integrated and networked.

基于选择性维修的装备群动态健康管理决策

针对现有故障预测与健康管理(prognostics and health management,PHM)系统难以给出实时、动态健康管理决策结果的问题,综合考虑不完善维修、多资源约束(人力、时间、成本等)、备件订购、任务规划等因素,基于选择性维修理论,建立了动态健康管理决策模型,得到了最优方案,包括部件最优维修对策、维修任务分配、备件订购数量、最优任务规划等。最后,结合算例,分析了维修人员数量、备件数量、任务规划等因素对动态健康管理决策结果的影响,验证了所提模型的有效性,对于指导装备健康管理实践、提升保障质效具有重要的意义。

基于Transformer-Bi-LSTM模型的武器装备剩余寿命预测方法

武器装备担负保卫国土安全的重要使命,其保持稳定运行状态具有重大国防、政治意义;因其装备运行状态不便中断、故障定位过程复杂,使得传统维修方式效率较低;装备使用数据具有连续性、长期性、不平稳性,甚至一些深度学习模型无法处理其中的退化状态历史依赖与关联问题;通过构建元器件层级的剩余寿命预测架构,对特征工程、退化指标构建以及Transformer-Bi-LSTM模型开展研究,采用距离编码技术,实现针对深度学习模型的技术创新,优化模型预测效果;基于某型武器装备主要器件正常试样数据,进行本方法分析验证,在器件已运行时间达到90%设计试验寿命长度时能够进行有效且准确的剩余寿命预测,所提方法满足武器装备器件寿命预警及更换提醒、保障装备战备完好性的应用需求。

高速公路机电设备故障预测与智慧管理动态研究

本文综合分析了机电设备在故障分析与预测、运行状态评估、使用寿命预测等方面的国内外研究现状,以目前已有的研究结果为基础,深入阐述了相关研究结果中机电设备日常管养工作的优势与不足,并根据目前存在的问题,提出高速公路机电设施智慧维养技术新的发展方向,为机电设备的预测和健康管理技术的进一步研究提供了参考和依据。

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。

基于PHM的发动机轴承状态维修决策研究

故障预测与健康管理(PHM)是美国针对先进装备提出的一种维修保障技术,可实现对装备的状态监控、故障诊断与预测、寿命预测、健康管理和状态维修决策。PHM体系结构中的两个重要环节是剩余寿命预测和状态维修决策。利用灰色GM(1,1)模型,编程实现了某型发动机轴承剩余寿命预测系统,描述了系统的主要功能模块。然后,应用威布尔比例风险模型实现了某型发动机轴承的状态维修决策,验证了该模型的实用性和合理性。

航空发动机状态监控和预测性维护应用研究

为了深化飞参数据的应用价值,通过研究发动机转动件故障预测、剩余寿命预测以及气路健康等,为发动机保障决策和预测性维护提供参考。采用经验模态分解(EMD)结合相对向量机(RVM)、灰度模型(GM)用于发动机转动件、气路监测的状态监控和故障预测,选取波音某型飞机故障数据验证了模型的准确性,平均绝对百分比误差(MAPE)能达到8.46%;采用卡尔曼滤波(KF)结合梯度提升决策树(GBDT)的方法对数据进行降噪并预测剩余寿命,通过美国国家航空航天局(NASA)的航空发动机仿真数据集验证了模型能达到91.3%的准确率;采用核主成分分析(KPCA)结合深度置信网络(DBN)的方法建立发动机气路健康监控模型,经过大量QAR数据验证和测试,预测相对误差为0.43%。针对基于数据挖掘的航空发动机故障诊断算法开展研究,设计了相应的算法,开展了实验验证,通过有效的数据预处理和模型参数调节,使得故障诊断性能达到较高水准,为航空发动机的预测性维护提供了重要参考。

故障预测与健康管理技术综述

本文介绍了故障预测与健康管理技术(prognostics and health management,PHM)的基本概念和研究内涵,重点对故障预测体系结构、方法、相关标准以及国内外研究现状进行了综合论述和分析,总结了当前的研究热点和存在的技术难点,展望了未来研究发展趋势。

直升机传动系统健康管理技术

初步开发了用于直升机传动系统的健康管理系统THM,介绍了该系统所采用的技术,包括系统的总体概貌及总体构架,损伤预测步骤及方法。对该系统的改进方案进行了研究。THM系统已在我国某直升机传动系统上得到应用和验证,为该传动系统顺利通过试飞考核发挥了重要作用。

具有不确定测量的非线性随机退化系统剩余寿命预测

提出了一类同时考虑不确定测量和非线性随机退化的退化建模方法,通过Kalman滤波技术对受不确定测量影响的潜在退化状态进行实时估计;基于此,通过首达时间的概念得到了同时考虑退化非线性特征、退化状态不确定性及测量不确定性的剩余寿命分布;此外,提出了一种基于极大似然方法的退化模型参数估计方法,并通过陀螺仪的退化测量数据验证了所提方法可以提高剩余寿命估计的准确性.

关于铁路机车车辆健康管理与状态修的思考

为了保障运行安全,减少铁路机车车辆维修成本,提高机车车辆的可用性,健康管理与状态修已经引起铁路机车车辆应用部门高度重视。对铁路机车车辆的修程修制发展进行了汇总,并对机车状态评估与分类的标准做出了合理的确定方式,将机车状态分为基本状态、性能状态、安全状态三种。针对机车状态,根据已有研究经验,结合技术发展,提出未来机车车辆检测状态建议和注意事项。目前寿命预测存在诸多困难,基于机车状态和检测方法,指出了剩余寿命预测方案及修程修制改革方向,以期推动铁路机车车辆健康管理与状态修的发展。

质子交换膜燃料电池剩余使用寿命预测方法综述及展望

质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)具有功率密度大、运行温度低、能量转化率高和环境友好等优点,但维护成本高、使用寿命短和性能衰减快等问题制约其商业化发展。总结国内外PEMFC剩余使用寿命预测技术的研究现状,从模型驱动方法、数据驱动方法和混合方法共3个方面对燃料电池剩余使用寿命预测方法进行归纳分类。在总结目前主流方法优缺点的基础上,提出将来的重点研究方向,为燃料电池剩余使用寿命预测的研究提供参考。

TBM刀盘上盘形滚刀健康管理理论及应用研究

大型复杂机电系统的健康管理越来越受到政府相关部门和企业的重视.通过对TBM盘形滚刀基本结构及其作业特点的分析,在总结盘形滚刀破岩力研究成果的基础上,建立了盘形滚刀寿命预测公式;根据数十把甚至上百把盘形滚刀在刀盘上的布置特点,提出了盘形滚刀更换的优化数学模型,通过软件开发,给出了盘形滚刀更换的优化数学模型的解,初步建立了对TBM刀盘上盘形滚刀进行健康管理的理论框架.从而为延长盘形滚刀寿命、减轻操作人员劳动强度、提高TBM利用率及最终缩短TBM施工工程工期和降低其造价提出了新思路.

矿用逆变器功率器件故障预测与健康管理技术现状及展望

矿用逆变器功率器件故障预测与健康管理(PHM)技术通过对监测数据分析处理,能够提取信号特征、定位功率器件开路故障位置、预测功率器件寿命,提高矿用逆变器安全性和可靠性。详细介绍了PHM技术中信号特征提取方法(主要包括坐标变换法、频谱分析法、小波分析法、经验模态分解法)、功率器件开路故障诊断方法(主要包括状态估计法、神经网络法、支持向量机法)、功率器件寿命预测方法(主要包括解析模型法、物理模型法、数据驱动法)的原理及研究现状。分别从实现难度、时效、抗扰性、准确度和数据需求量5个方面对上述各方法进行了比较。针对目前信号特征提取方法单一、矿用逆变器多功率器件开路故障、基于数据驱动法的功率器件寿命预测未能考虑逆变器变工况条件等问题,提出了矿用逆变器功率器件PHM技术的研究方向,包括多方法融合的信号特征提取、基于智能算法的多功率器件开路故障诊断、容错控制和健康管理、变工况下功率器件寿命预测。

基于PHM的机载设备健康管理系统的研究与设计

机载设备健康管理是对飞机上主要设备的健康状态进行全面管理的一种过程。为了实现机载设备的健康管理,基于开放式PHM架构,分析了机载设备健康管理系统的主要功能以及设备健康管理流程,完成了机载设备健康管理系统的功能模块设计,主要包括数据采集与处理、状态监测、健康管理、故障预测和寿命预测、维修管理、辅助功能等功能模块。该系统是机载PHM架构的软件实现,能够帮助用户完成主要机载设备的健康管理及寿命预测。

船舶柴油机故障预测与健康管理技术综述

为解决船舶柴油机传统维修和计划维修的缺陷,对故障预测与健康管理技术进行了综合研究。介绍船舶行业在运维管理上亟待解决的问题,阐述船舶PHM技术的内涵和必要性。基于不同故障预测方法和不同研究单位分析了国内外船舶柴油机PHM技术的研究现状。根据PHM技术的技术框架,提出以燃油系统为例的柴油机子系统PHM系统实现路线。剖析船舶柴油机PHM技术面临的挑战,展望未来的技术发展趋势和重点研究问题,为智能船舶的研发提供一些参考。

锂离子电池剩余寿命间接预测方法

针对锂离子电池在线剩余寿命预测时容量难以直接测量以及预测表达的不确定性等问题,提出一种利用锂离子电池充放电监测参数构建剩余寿命预测健康因子的方法框架,实现了锂电池健康状态的表征,同时利用高斯过程回归(Gaussian process regression,GPR)方法给出剩余寿命预测的不确定性区间,从而构建了锂离子电池在线剩余寿命预测的方法体系。基于NASA锂离子电池数据集和卫星锂离子试验数据的剩余寿命预测验证和评估实验,表明本文提出的方法框架可以很好地支撑电池在线剩余寿命预测的应用,具备较好的电池剩余寿命预测精度和不确定性管理能力。

卫星导航接收设备健康管理技术研究

针对卫星导航接收设备的技术特点和维护需求,基于故障检测与健康管理技术,提出了一种从射频前端、数字信号处理到算法实现全流程的预测与健康管理方案,搭建了卫星导航接收设备预测与健康管理系统体系结构;基于检测信息设置,完成信号处理与状态监测,开展卫星导航接收设备实时健康评估与寿命预测研究,根据评估与预测结果制定维护方案,实现卫星导航接收设备的健康管理;通过开展仿真试验与实际工程应用,验证了所设计的卫星导航接收设备健康管理方案的正确性与有效性,具有一定的工程推广价值。

基于粒子滤波的锂离子电池剩余寿命预测

在各种各样的装置与设备中,锂离子电池剩余寿命(remaining useful life,RUL)的准确预测起着重要作用,越来越多的研究人员开始重视对锂离子电池可靠性和安全性预测的研究。粒子滤波(particle filter,PF)方法一般用于模型结构已知或者可以获得模型的情况下,来估计和预测时间序列。改进已有的锂离子电池容量经验指数衰退模型,降低了状态方程参数估计的个数。实验比较了基于PF方法,原指数经验模型及改进经验模型的锂离子电池剩余寿命预测的精度,其结果显示改进后的模型提高了预测精度,降低了误差率,并且缩小了不确定性范围。

医疗设备故障预测与健康管理体系结构研究

随着医院医疗设备智能化及自动化进程的快速发展,对其维修保障能力提出更高要求。为解决医疗设备种类繁多、管理复杂、故障诊断难度高、传统事后维修和计划维修的不足及经济可承受能力差等问题,将故障预测与健康管理(PHM)整体理论引入到医疗设备维修管理中,根据其他领域设备与医疗设备的相似性,研究设计医疗设备PHM系统并详细描述各组成模块的内容,以保障医疗设备使用安全,提高医疗设备使用率、减少医疗设备维护成本。