故障預(yù)測(cè)與健康管理 (PHM) 是一種機(jī)器維護(hù)方法，它使用實(shí)時(shí)和歷史傳感器數(shù)據(jù)來獲得信息和優(yōu)化維護(hù)決策。

作為一種綜合方法，故障預(yù)測(cè)與健康管理結(jié)合了以下兩個(gè)關(guān)鍵概念：

故障預(yù)測(cè)是一種通過設(shè)計(jì)算法來估計(jì)系統(tǒng)或部件剩余使用壽命的方法。該術(shù)語通常可與預(yù)測(cè)性維護(hù)互換使用。 健康管理是一種全面的維護(hù)方法，它運(yùn)用通過故障預(yù)測(cè)和診斷算法等方法獲得的信息來確保系統(tǒng)的健康和可靠性。

為什么故障預(yù)測(cè)與健康管理很重要

故障預(yù)測(cè)與健康管理使設(shè)備操作人員和制造商能夠：

減少設(shè)備停機(jī)時(shí)間：PHM 算法可以幫助檢測(cè)設(shè)備異常，確定故障和失效的根本原因，并在潛在問題發(fā)生之前預(yù)測(cè)它們。 優(yōu)化維護(hù)調(diào)度：鑒于僅在必要時(shí)才安排維護(hù)服務(wù)，PHM 有助于避免不必要的維護(hù)成本。 提高運(yùn)行效率：PHM 有助于識(shí)別和降低設(shè)備故障風(fēng)險(xiǎn)，延長(zhǎng)設(shè)備使用壽命并提高整體工作效率。

故障預(yù)測(cè)與診斷

為了全面了解 PHM，需要區(qū)分兩種經(jīng)常并行使用但服務(wù)于不同目的的方法：故障預(yù)測(cè)和診斷。雖然故障預(yù)測(cè)與健康管理這一術(shù)語中沒有直接提到診斷，但診斷通常是 PHM 取得成功的關(guān)鍵方法。

診斷主要用于識(shí)別、隔離和確定系統(tǒng)中已發(fā)生的故障或失敗的原因。它解答“哪里出錯(cuò)了？”這一問題。診斷是基于狀態(tài)的維護(hù) (CBM) 計(jì)劃的一部分，該計(jì)劃是一種基于監(jiān)控設(shè)備當(dāng)前健康狀態(tài)的 PHM 策略。

另一方面，故障預(yù)測(cè)具有前瞻性。它用于預(yù)測(cè)系統(tǒng)或組件不再正常工作的時(shí)間。換而言之，它可以預(yù)測(cè)系統(tǒng)或組件的剩余使用壽命 (RUL)。通過這種預(yù)測(cè)，可以提前采取維護(hù)措施，以防止故障的發(fā)生。故障預(yù)測(cè)需要對(duì)機(jī)器行為有更深入的了解，但在減少計(jì)劃外停機(jī)時(shí)間和維護(hù)成本方面成效顯著。它解答“何時(shí)會(huì)出錯(cuò)？”這一問題。

通過將診斷和故障預(yù)測(cè)結(jié)合使用，PHM 讓您能夠全面了解機(jī)器的健康狀況，從而作出更明智的維護(hù)和運(yùn)行決策。

基于條件的維護(hù)與預(yù)測(cè)性維護(hù)

基于狀態(tài)的維護(hù) (CBM) 是一種基于設(shè)備當(dāng)前健康狀態(tài)的維護(hù)策略。了解 CBM 的工作原理以及它與預(yù)測(cè)性維護(hù)的區(qū)別。

健康管理

就 PHM 而言，健康管理指的是維護(hù)或改進(jìn)運(yùn)行系統(tǒng)的健康和可靠性的策略。這種方法整合了各種活動(dòng)，包括監(jiān)控、診斷、故障預(yù)測(cè)、維護(hù)規(guī)劃和執(zhí)行糾正措施，以解決當(dāng)前和潛在的問題。健康管理是一種全面的方法，旨在確保系統(tǒng)在其整個(gè)生命周期內(nèi)有效、高效地運(yùn)行，同時(shí)利用數(shù)據(jù)為維護(hù)和運(yùn)行實(shí)踐決策提供信息。

有效的健康管理依賴于一個(gè)持續(xù)的循環(huán)過程，其中包括監(jiān)控、分析和采取相應(yīng)措施。健康管理從實(shí)時(shí)監(jiān)控來自運(yùn)行設(shè)備的傳感器數(shù)據(jù)開始。然后，使用診斷來分析收集的數(shù)據(jù)以了解當(dāng)前健康狀態(tài)，并使用故障預(yù)測(cè)來預(yù)測(cè)將來的狀態(tài)?；谶@種分析，可以確定最合適的維護(hù)措施，無論是預(yù)防性維護(hù)、糾正性維護(hù)還是預(yù)測(cè)性維護(hù)。

使用 MATLAB 開發(fā)故障預(yù)測(cè)算法

開發(fā)故障預(yù)測(cè)算法是預(yù)測(cè)性維護(hù)計(jì)劃的目標(biāo)。要開發(fā)故障預(yù)測(cè)算法，需要從機(jī)器或機(jī)器群的數(shù)據(jù)開始。這些數(shù)據(jù)需要兼顧健康狀態(tài)和不良狀態(tài)。MATLAB? 提供了多種故障預(yù)測(cè)算法開發(fā)方法，它們使用了 Predictive Maintenance Toolbox? 中的剩余使用壽命算法等工具。

故障預(yù)測(cè)算法開發(fā)工作流。

用于故障預(yù)測(cè)與健康管理的數(shù)據(jù)

用于開發(fā)故障預(yù)測(cè)算法的數(shù)據(jù)，例如隨時(shí)間的推移而采集的溫度、壓力、電壓、噪聲或振動(dòng)測(cè)量值，通常來自于機(jī)器傳感器；然而，由于制定的維護(hù)計(jì)劃通常較為保守，因此，用于故障預(yù)測(cè)的故障數(shù)據(jù)可能很難獲得。傳感器數(shù)據(jù)可以通過基于物理的模型所生成的故障數(shù)據(jù)來增強(qiáng)，這些模型是根據(jù)機(jī)器參數(shù)進(jìn)行調(diào)整的。

設(shè)計(jì)狀態(tài)指標(biāo)

用于故障預(yù)測(cè)的機(jī)器數(shù)據(jù)是用各種統(tǒng)計(jì)和信號(hào)處理方法處理的，旨在提取稱為狀態(tài)指標(biāo)的重要特征。狀態(tài)指標(biāo)是隨著機(jī)器性能下降而發(fā)生可預(yù)測(cè)變化的特征。這些狀態(tài)指標(biāo)可以是用于區(qū)分健康運(yùn)行狀態(tài)和錯(cuò)誤運(yùn)行狀態(tài)的任何特征。對(duì)于故障預(yù)測(cè)，狀態(tài)指標(biāo)有時(shí)稱為健康指標(biāo)，用作訓(xùn)練故障預(yù)測(cè)模型的輸入。

故障預(yù)測(cè)算法的類型

基于可用的數(shù)據(jù)和知識(shí)，設(shè)計(jì)故障預(yù)測(cè)算法有多種方法。工程師可能會(huì)使用歷史數(shù)據(jù)來設(shè)計(jì)數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)算法，而使用領(lǐng)域?qū)I(yè)知識(shí)來創(chuàng)建基于物理的模型，也可能會(huì)將兩者結(jié)合使用。最終將得到一種故障預(yù)測(cè)算法，它可以預(yù)測(cè)下一個(gè)故障事件可能發(fā)生的時(shí)間。

數(shù)據(jù)驅(qū)動(dòng)的算法

回歸模型是一種常用于基本故障預(yù)測(cè)的機(jī)器學(xué)習(xí)算法?；貧w模型用于描述一個(gè)輸出變量（如故障時(shí)間）與一個(gè)或多個(gè)輸入變量（狀態(tài)指標(biāo)）之間的關(guān)系。如果目標(biāo)是靜態(tài)地預(yù)測(cè)資產(chǎn)壽命，例如基于電池的當(dāng)前狀態(tài)預(yù)測(cè)其壽命，則這種方法可能很有用。

然而，許多故障預(yù)測(cè)應(yīng)用的目標(biāo)是根據(jù)特定資產(chǎn)以往的運(yùn)行情況準(zhǔn)確預(yù)測(cè)其發(fā)生故障的時(shí)間。為此，我們轉(zhuǎn)而采用剩余使用壽命算法。

剩余使用壽命 (RUL) 模型是專用的故障預(yù)測(cè)算法，如相似性、退化或生存模型。具體使用哪種模型取決于可用的歷史數(shù)據(jù)量。這些模型需要特征工程來設(shè)計(jì)有代表性的狀態(tài)指標(biāo)。隨著采集的數(shù)據(jù)越來越多，它們可以在定義的置信區(qū)間內(nèi)提供持續(xù)更新的故障預(yù)測(cè)。

深度學(xué)習(xí)模型尤其擅長(zhǎng)自動(dòng)學(xué)習(xí)復(fù)雜模式并從大量數(shù)據(jù)中提取特征。深度學(xué)習(xí)故障預(yù)測(cè)方法，如長(zhǎng)短期記憶網(wǎng)絡(luò) (LSTM) 和卷積神經(jīng)網(wǎng)絡(luò) (CNN)，可以處理原始數(shù)據(jù)，因此，無需領(lǐng)域?qū)I(yè)知識(shí)，即可設(shè)計(jì)準(zhǔn)確的狀態(tài)指標(biāo)和特征。然而，深度學(xué)習(xí)模型需要大量的數(shù)據(jù)和計(jì)算資源，并且可能缺乏安全關(guān)鍵型設(shè)置所需的可解釋性。

繼續(xù)探索此主題

基于物理的模型

基于物理的模型，例如在 Simulink? 和 Simscape? 中構(gòu)建的模型，可用于通過仿真機(jī)器隨時(shí)間推移的行為進(jìn)行故障預(yù)測(cè)。您可以使用來自真實(shí)機(jī)器的傳感器數(shù)據(jù)來驗(yàn)證和校準(zhǔn)這些模型，然后使用它們仿真不同工況下的用于故障預(yù)測(cè)的將來行為。如果使用這些模型進(jìn)行故障預(yù)測(cè)，則需要詳細(xì)了解機(jī)器設(shè)計(jì)，以及組件隨時(shí)間的推移而退化的情況。

混合算法

狀態(tài)估計(jì)器和辨識(shí)模型是將系統(tǒng)的物理學(xué)特性與運(yùn)行數(shù)據(jù)結(jié)合使用的混合算法。在創(chuàng)建描述機(jī)器行為的辨識(shí)動(dòng)態(tài)模型（例如狀態(tài)空間模型或自回歸模型）時(shí)，您可以使用該模型進(jìn)行故障預(yù)測(cè)，方法是在時(shí)間軸上將模型向前推演，并分析已知狀態(tài)指標(biāo)的行為。同樣，您可以使用狀態(tài)估計(jì)器（如卡爾曼濾波器）進(jìn)行故障預(yù)測(cè)，并預(yù)測(cè)故障發(fā)生時(shí)的將來狀態(tài)。

通常情況下，還可以將數(shù)據(jù)驅(qū)動(dòng)的方法和基于物理的方法相結(jié)合，形成一個(gè)穩(wěn)健的故障預(yù)測(cè)方法，以利用運(yùn)行數(shù)據(jù)和深厚的領(lǐng)域?qū)I(yè)知識(shí)。例如，通過將自定義的領(lǐng)域特定特征與標(biāo)準(zhǔn)特征工程方法相結(jié)合，可以提高 AI 模型的準(zhǔn)確度。通過分析您對(duì)相關(guān)系統(tǒng)和組件擁有的知識(shí)的來源，可以提升您的 PHM 方法的可靠性。

部署和運(yùn)行

PHM 算法只有在部署到真實(shí)運(yùn)行環(huán)境中才能發(fā)揮作用。實(shí)施故障預(yù)測(cè)算法的方法有多種，具體視需求而定。

算法可以部署在 IT 環(huán)境中，例如本地服務(wù)器或云平臺(tái)上。云部署可以按需快速調(diào)整，以適應(yīng)不同的計(jì)算和存儲(chǔ)需求。對(duì)于處理跨多個(gè)站點(diǎn)或大型設(shè)備群的大量數(shù)據(jù)和復(fù)雜分析，云部署尤其有用。本地部署雖然需要對(duì)基礎(chǔ)設(shè)施進(jìn)行更多的前期投資，但可以增強(qiáng)對(duì)數(shù)據(jù)安全性和系統(tǒng)性能的控制，而這對(duì)于敏感或高度管制行業(yè)的應(yīng)用至關(guān)重要。

故障預(yù)測(cè)算法也可以直接在設(shè)備上的嵌入式系統(tǒng)中實(shí)現(xiàn)。這種方法支持實(shí)時(shí)監(jiān)控和做決策，這大大減少了將數(shù)據(jù)傳輸?shù)街醒胂到y(tǒng)進(jìn)行分析所致的延遲。通過在本地處理數(shù)據(jù)，嵌入式系統(tǒng)還可以顯著減少需要通過網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)量，從而緩解帶寬約束并減少潛在故障點(diǎn)。這尤其適用于需要基于故障預(yù)測(cè)信息立即采取行動(dòng)的情況，例如在自動(dòng)駕駛汽車或關(guān)鍵制造流程中。

不管采用哪種部署策略，實(shí)施故障預(yù)測(cè)算法都需要持續(xù)的監(jiān)控和維護(hù)，以確保這些算法隨著時(shí)間的推移始終保持有效。其中包括更新算法以反映新故障模式或工況的變化，以及執(zhí)行監(jiān)控和漂移檢測(cè)以確保算法始終準(zhǔn)確無誤。故障預(yù)測(cè)算法的有效運(yùn)行需要良好規(guī)劃的持續(xù)支持和維護(hù)策略，以確保它們?cè)谡麄€(gè)生命周期中持續(xù)創(chuàng)造價(jià)值。

相關(guān)主題

相關(guān)知識(shí)

故障預(yù)測(cè)與健康管理——PHM技術(shù)簡(jiǎn)介
裝備故障預(yù)測(cè)和健康管理（PHM）行業(yè)報(bào)告
故障預(yù)測(cè)與健康管理（PHM）：引領(lǐng)工業(yè)4.0的預(yù)防性革命，市場(chǎng)潛力無限
遠(yuǎn)舢智能化故障預(yù)測(cè)與健康管理系統(tǒng)
創(chuàng)新引領(lǐng)未來——北京航天測(cè)控公司通用故障預(yù)測(cè)及健康管理平臺(tái)功能升級(jí)推動(dòng)多項(xiàng)應(yīng)用
高速列車軸箱軸承健康監(jiān)測(cè)與故障診斷研究綜述
健康狀態(tài)評(píng)估
伊梟劍博士：裝甲裝備健康管理系統(tǒng)研制現(xiàn)狀、總體架構(gòu)及關(guān)鍵技術(shù)
振迪檢測(cè)：專業(yè)振動(dòng)檢測(cè)與故障診斷服務(wù)商
機(jī)械振動(dòng)故障監(jiān)測(cè)系統(tǒng)

網(wǎng)址: 故障預(yù)測(cè)與健康管理 (PHM) http://www.u1s5d6.cn/newsview571988.html