故障预测与健康管理(prognostics and health management,PHM)技术应用于动车组关键部件监控以来,在保证动车组运行安全、指导动车组检修等方面起到了重要作用。PHM系统根据动车组技术发展、现场应用实际,其功能、模型也在不断优化中。...故障预测与健康管理(prognostics and health management,PHM)技术应用于动车组关键部件监控以来,在保证动车组运行安全、指导动车组检修等方面起到了重要作用。PHM系统根据动车组技术发展、现场应用实际,其功能、模型也在不断优化中。结合某动车段现场应用实际及需求,对基于动车组PHM技术的健康监测及专家支持系统进行功能优化。通过优化动车组空调、变压器、变流器、牵引电机等关键部件预警预测模型阈值,增加模型逻辑展示、一键生成用户要求格式的故障信息、动车组部件全景展示等功能,实现个性化定制预警预测模型、快速传递故障信息、动车组部件可视化辅助应急指导等一系列智能化监控,达到故障超前预判、提升快速响应能力,降低动车组故障率,减少对行车秩序影响的目的。展开更多
针对大秦(大同—秦皇岛)铁路重载C80B系列货车的运营维护(简称:运维)管理需求,设计了基于故障预测与健康管理(PHM,Prognostics and Health Management)技术的应用系统。文章阐述了该系统的架构,以及采用的数字孪生、数据融合和机器学习...针对大秦(大同—秦皇岛)铁路重载C80B系列货车的运营维护(简称:运维)管理需求,设计了基于故障预测与健康管理(PHM,Prognostics and Health Management)技术的应用系统。文章阐述了该系统的架构,以及采用的数字孪生、数据融合和机器学习等关键技术,实现了状态监控、故障管理、质量评价、预测分析和风险管控等功能,助力提升大秦铁路运维智能化水平。展开更多
综述了航空电子设备故障预测与健康管理(Prognostic and Health Management,PHM)技术的发展、应用价值与系统结构,探讨了航空电子设备故障检测、故障诊断和故障预测等关键技术的研究现状,分析了PHM关键技术在航空电子设备应用中面临的挑...综述了航空电子设备故障预测与健康管理(Prognostic and Health Management,PHM)技术的发展、应用价值与系统结构,探讨了航空电子设备故障检测、故障诊断和故障预测等关键技术的研究现状,分析了PHM关键技术在航空电子设备应用中面临的挑战,并对未来发展方向进行了展望。通过综合运用传感器技术、数据分析和人工智能等现代科技手段,PHM技术能够实现对航空电子设备健康状态的实时监控和预测,进行预防性维护,为提高航空装备安全和减少维护费用提供有力支持。展开更多
针对动车组故障预测与健康管理(Prognostics and Health Management,PHM)实时海量数据解析处理与模型计算问题,提出一种基于流计算的动车组PHM模型处理框架。首先分析动车组车载数据处理流程,然后基于Spark Streaming给出动车组PHM模型...针对动车组故障预测与健康管理(Prognostics and Health Management,PHM)实时海量数据解析处理与模型计算问题,提出一种基于流计算的动车组PHM模型处理框架。首先分析动车组车载数据处理流程,然后基于Spark Streaming给出动车组PHM模型处理的总体框架。针对实时海量数据解析处理,首先分析解析前的车载数据结构,定义解析后的车载数据结构,然后设计通用化数据解析组件,给出流计算实现方式。针对模型计算,详细给出PHM模型的形式化定义,包括模型的基本信息、输入、输出和逻辑主体等,根据此定义设计模型通用组件,实现模型的快速研发、高效计算和统一应用。通过动车组PHM系统的有效应用,证明了该框架可以很好地满足海量数据的实时计算需求。展开更多
机车PHM(Prognostics and Health Management,故障预测与健康管理)技术是轨道交通装备智能化的方向之一,已在机车上得到越来越多的应用。通过分析PHM系统的原理、功能和在国内机车上的应用现状,总结了PHM技术的发展方向,最后展望了PHM...机车PHM(Prognostics and Health Management,故障预测与健康管理)技术是轨道交通装备智能化的方向之一,已在机车上得到越来越多的应用。通过分析PHM系统的原理、功能和在国内机车上的应用现状,总结了PHM技术的发展方向,最后展望了PHM系统在轨道交通行业智能制造的趋势和意义。展开更多
在智能运维模式下,传统轨道车辆车载故障预测与健康管理(prognostics and health management, PHM)系统存在单节点服务可扩展性低、资源利用率不高、可移植性差等问题。为此,文章引入目前较为主流的Docker容器虚拟化技术,搭建了适用于...在智能运维模式下,传统轨道车辆车载故障预测与健康管理(prognostics and health management, PHM)系统存在单节点服务可扩展性低、资源利用率不高、可移植性差等问题。为此,文章引入目前较为主流的Docker容器虚拟化技术,搭建了适用于轨道车辆车载PHM系统的虚拟化平台;并以智能运维PHM车载产品为例,详细介绍了虚拟化平台总体架构设计及PHM模型部署方案。通过实验测试、工具移植对所设计的PHM车载产品功能进行了对比分析与验证。测试结果表明,基于容器虚拟化技术平台可获得较好的性能增益,一方面提升了资源使用率,硬件资源配置更加灵活;另一方面,多模型的并行计算效率更高,多模型之间没有数据交互,具有很好的移植性和可扩展性。展开更多
设备故障预测与健康管理(Prognostics and Health Management,PHM)技术是实现设备状态感知、故障预测与健康管理的重要支撑,其在化工设备预防性维护系统中具有广阔的应用前景。然而,当前PHM技术的集成应用仍面临数据采集不全面、系统兼...设备故障预测与健康管理(Prognostics and Health Management,PHM)技术是实现设备状态感知、故障预测与健康管理的重要支撑,其在化工设备预防性维护系统中具有广阔的应用前景。然而,当前PHM技术的集成应用仍面临数据采集不全面、系统兼容性差、技术人才短缺、维护成本高等多重挑战。本文从问题出发,深入分析化工设备多样性、数据接口不统一、系统更新快、培训机制缺失、企业投入意愿不足等关键成因。在此基础上,提出制定统一数据标准、加强系统协同研发、构建技术人才培养机制、加大政策资金支持等改进策略,以期为推动智能化设备管理提供参考。展开更多
Implementing an efficient real-time prognostics and health management (PHM) framework improves safety and reduces maintenance costs in complex engineering systems.However, research on PHM framework development for rad...Implementing an efficient real-time prognostics and health management (PHM) framework improves safety and reduces maintenance costs in complex engineering systems.However, research on PHM framework development for radar systems is limited. Furthermore, typical PHM approaches are centralized, do not scale well, and are challenging to implement.This paper proposes an integrated PHM framework for radar systems based on system structural decomposition to enhance reliability and support maintenance actions. The complexity challenge associated with implementing PHM at the system level is addressed by dividing the radar system into subsystems. Subsequently, optimal measurement point selection and sensor placement algorithms are formulated for effective data acquisition. Local modules are developed for each subsystem health assessment, fault diagnosis, and fault prediction without a centralized controller. Maintenance decisions are based on each local module’s fault diagnosis and prediction results. To further improve the effectiveness of the prognostics stage, the feasibility of integrating deep learning (DL) models is also investigated.Several experiments with different degradation patterns are performed to evaluate the effectiveness of the framework’s DLbased prognostics model. The proposed framework facilitates transitioning from traditional reactive maintenance practices to a predictive maintenance approach, thereby reducing downtime and improving the overall availability of radar systems.展开更多
文摘故障预测与健康管理(prognostics and health management,PHM)技术应用于动车组关键部件监控以来,在保证动车组运行安全、指导动车组检修等方面起到了重要作用。PHM系统根据动车组技术发展、现场应用实际,其功能、模型也在不断优化中。结合某动车段现场应用实际及需求,对基于动车组PHM技术的健康监测及专家支持系统进行功能优化。通过优化动车组空调、变压器、变流器、牵引电机等关键部件预警预测模型阈值,增加模型逻辑展示、一键生成用户要求格式的故障信息、动车组部件全景展示等功能,实现个性化定制预警预测模型、快速传递故障信息、动车组部件可视化辅助应急指导等一系列智能化监控,达到故障超前预判、提升快速响应能力,降低动车组故障率,减少对行车秩序影响的目的。
文摘针对大秦(大同—秦皇岛)铁路重载C80B系列货车的运营维护(简称:运维)管理需求,设计了基于故障预测与健康管理(PHM,Prognostics and Health Management)技术的应用系统。文章阐述了该系统的架构,以及采用的数字孪生、数据融合和机器学习等关键技术,实现了状态监控、故障管理、质量评价、预测分析和风险管控等功能,助力提升大秦铁路运维智能化水平。
文摘综述了航空电子设备故障预测与健康管理(Prognostic and Health Management,PHM)技术的发展、应用价值与系统结构,探讨了航空电子设备故障检测、故障诊断和故障预测等关键技术的研究现状,分析了PHM关键技术在航空电子设备应用中面临的挑战,并对未来发展方向进行了展望。通过综合运用传感器技术、数据分析和人工智能等现代科技手段,PHM技术能够实现对航空电子设备健康状态的实时监控和预测,进行预防性维护,为提高航空装备安全和减少维护费用提供有力支持。
文摘针对动车组故障预测与健康管理(Prognostics and Health Management,PHM)实时海量数据解析处理与模型计算问题,提出一种基于流计算的动车组PHM模型处理框架。首先分析动车组车载数据处理流程,然后基于Spark Streaming给出动车组PHM模型处理的总体框架。针对实时海量数据解析处理,首先分析解析前的车载数据结构,定义解析后的车载数据结构,然后设计通用化数据解析组件,给出流计算实现方式。针对模型计算,详细给出PHM模型的形式化定义,包括模型的基本信息、输入、输出和逻辑主体等,根据此定义设计模型通用组件,实现模型的快速研发、高效计算和统一应用。通过动车组PHM系统的有效应用,证明了该框架可以很好地满足海量数据的实时计算需求。
文摘机车PHM(Prognostics and Health Management,故障预测与健康管理)技术是轨道交通装备智能化的方向之一,已在机车上得到越来越多的应用。通过分析PHM系统的原理、功能和在国内机车上的应用现状,总结了PHM技术的发展方向,最后展望了PHM系统在轨道交通行业智能制造的趋势和意义。
文摘在智能运维模式下,传统轨道车辆车载故障预测与健康管理(prognostics and health management, PHM)系统存在单节点服务可扩展性低、资源利用率不高、可移植性差等问题。为此,文章引入目前较为主流的Docker容器虚拟化技术,搭建了适用于轨道车辆车载PHM系统的虚拟化平台;并以智能运维PHM车载产品为例,详细介绍了虚拟化平台总体架构设计及PHM模型部署方案。通过实验测试、工具移植对所设计的PHM车载产品功能进行了对比分析与验证。测试结果表明,基于容器虚拟化技术平台可获得较好的性能增益,一方面提升了资源使用率,硬件资源配置更加灵活;另一方面,多模型的并行计算效率更高,多模型之间没有数据交互,具有很好的移植性和可扩展性。
文摘设备故障预测与健康管理(Prognostics and Health Management,PHM)技术是实现设备状态感知、故障预测与健康管理的重要支撑,其在化工设备预防性维护系统中具有广阔的应用前景。然而,当前PHM技术的集成应用仍面临数据采集不全面、系统兼容性差、技术人才短缺、维护成本高等多重挑战。本文从问题出发,深入分析化工设备多样性、数据接口不统一、系统更新快、培训机制缺失、企业投入意愿不足等关键成因。在此基础上,提出制定统一数据标准、加强系统协同研发、构建技术人才培养机制、加大政策资金支持等改进策略,以期为推动智能化设备管理提供参考。
基金National Natural Science Foundation of China (42027805)。
文摘Implementing an efficient real-time prognostics and health management (PHM) framework improves safety and reduces maintenance costs in complex engineering systems.However, research on PHM framework development for radar systems is limited. Furthermore, typical PHM approaches are centralized, do not scale well, and are challenging to implement.This paper proposes an integrated PHM framework for radar systems based on system structural decomposition to enhance reliability and support maintenance actions. The complexity challenge associated with implementing PHM at the system level is addressed by dividing the radar system into subsystems. Subsequently, optimal measurement point selection and sensor placement algorithms are formulated for effective data acquisition. Local modules are developed for each subsystem health assessment, fault diagnosis, and fault prediction without a centralized controller. Maintenance decisions are based on each local module’s fault diagnosis and prediction results. To further improve the effectiveness of the prognostics stage, the feasibility of integrating deep learning (DL) models is also investigated.Several experiments with different degradation patterns are performed to evaluate the effectiveness of the framework’s DLbased prognostics model. The proposed framework facilitates transitioning from traditional reactive maintenance practices to a predictive maintenance approach, thereby reducing downtime and improving the overall availability of radar systems.
