【拓展】故障预测与健康管理（Prognostics and Health Management，PHM）

已于 2022-12-09 19:54:26 修改
阅读量396 收藏
点赞数
分类专栏： 工具栏 文章标签： 物联网 数据挖掘
于 2022-11-04 18:04:59 首次发布
原文链接：https://www.sohu.com/a/562015822_251620?_trans_=000019_wzwza
版权
s1k9y9
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于机器学习的故障预测与健康管理（PHM）方法研究
11-12
基于机器学习的故障预测与健康管理（PHM）方法研究
论文研究-故障预测与健康管理(PHM)的方法综述 .pdf
08-16
故障预测与健康管理(PHM)的方法综述，何源川，王晨升，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容。重点对故障预测中使用的技术方法进行了
PHM（prognostics and health management健康管理系统）
To be a better man
10-30 8207
参考链接中讲Phm的定义、历史、发展前景都讲得不错，我就小结一下。 1.为什么需要phm技术？ 维修故障成本太高 2.phm技术的特点 PHM的特点是，必须有海量数据分析和健康判断。数据是基础，而有了数据如何分析也是一个大问题。国内的航空公司，几十年海量的数据，都无法自己开发PHM系统。这个难点就是模型：健康模型怎么评价，而预测模型更难。这就是工业技术体系，如何将专家经验和实践经验相结合，这正是工业化的核心。要实现PHM，除了物理基础条件保障外，既需要...
故障预测与健康管理的简单综述
热门推荐
真梦行路的博客
08-09 1万+
      随着人工智能的兴起，机器学习和深度学习在研究以及工业上的应用。现阶段，大多数工业在做故障预测的时候更倾向于使用结合大数据的机器学习算法来对其进行预测以及后期的运维工作。但是，不管是其机理模型和数据模型在一定程度上都会有其缺陷，是不是能将机理模型和数据模型进行融合，来消除彼此的缺点呢！暂且先称之为混合模型。        关于故障预测的方法，目前主要分为三类，即基于机理模型的预测方法、...
故障预测与健康管理——PHM技术简介
CServer_01的博客
02-22 1809
PHM技术代表了一种理念的转变，是装备管理从事后处置、被动维护，到定期检查、主动防护，再到事先预测、综合管理不断深入的结果，旨在实现从基于传感器的诊断向基于智能系统的预测转变，从忽略对象性能退化的控制调节向考虑性能退化的控制调节转变，从静态任务规划向动态任务规划转变，从定期维修到视情维修转变，从被动保障到主动保障转变。混合式的模型可以时不同的数据驱动式的模型混合，也可以是不同的机理式的模型混合，也可以是数据驱动的模型和机理式的模型的混合。在设计PHM系统时首先要厘清问题的现状，做好问题的定义和问题的拆解。
故障预测与健康管理PHM如何做可解释性研究？
weixin_39402231的博客
04-27 1080
故障预测与健康管理PHM如何做可解释性研究
Developing an online data-driven approach for prognostics and health management of lithium-ion batte
zhao19971014的博客
03-10 235
主要使用方法：NARX（基于带外源输入的非线性自回归神经网络）研究内容：采用NARX法估算磷酸铁锂和钛酸锂的SOH（电池的健康状态）值，可以准确地估计SOH，并预测电池提前EOL（生命结束）的RUL（电池剩余使用寿命）。三种测试：容量测试、混合脉冲功率特性（HPPC）测试和开路电压（OCV）测试。目前使用存在的问题：使用的NMC（镍锰钴氧化物）的数据集大，考虑了21+17NMC电池，和不同温度，充放电速率和循环次数对电池的影响。
A Review on Deep Learning Applications in Prognostics and Health Management （翻译）
weixin_50556981的博客
11-27 1819
深度学习在预测和健康管理中的应用综述 摘要 深度学习对预测和健康管理（PHM）引起了浓厚的兴趣，因为它具有强大的表示能力，自动化的功能学习能力以及解决复杂问题的一流性能。本文调查了使用深度学习在PHM方法方面的最新进展，目的是发现研究差距并提出进一步的改进建议。在简要介绍了几种深度学习模型之后，我们回顾并分析了使用深度学习进行故障检测，诊断和预后的应用。该调查验证了深度学习对PHM中各种类型的输入（包括振动，图像，时间序列和结构化数据）的普遍适用性。它还揭示了深度学习为主要PHM子字段提供了万能的框架：故障
PHM故障预测与健康管理技术
09-18
PHM（Prognostics and Health Management）是一种新的维护策略，它的主要目的是通过对设备的实时监控和故障预测来实现设备的健康管理。PHM技术的出现可以解决传统维护方法的缺陷，如高昂的维护成本、设备停机时间长...
_基于机器学习的故障预测与健康管理（PHM）方法研究
06-04
_基于机器学习的故障预测与健康管理（PHM）方法研究 机器学习 PHM 故障预测与健康管理
电子产品故障预测与健康管理应用构架与实践
03-24
在PHM领域，从各个级别分析了电子类产品的可靠性设计，故障模型建立，预测和寿命评估。
故障预测与健康管理（PHM）的由来以及当前面临的挑战
PreMaint的博客
10-31 421
故障预测与健康管理（PHM）作为一项关键技术，旨在帮助企业在事故发生之前较长时间内实现故障预测与健康管理，达到“治未病”的效果。PHM的发展源于对设备可靠性和安全性的追求，以及对预测性维护的需求。然而，尽管PHM在业界受到广泛关注和应用，但它也面临着一些挑战。
物联网TCP、UDP、CoAP、LwM2M、MQTT协议简单对比
zize_snail的博客
06-07 700
物联网各协议对比，TCP、UDP、MQTT、LWm2m、Coap
数据预处理 #数据挖掘 #python
__forward--的博客
06-12 1010
数据分析中的预处理步骤是数据分析流程中的重要环节，它的目的是清洗、转换和整理原始数据，以便后续的分析能够准确、有效。预处理的质量直接影响到分析结果的可靠性。
“推荐系统”相关资源推荐
06-14
推荐了国内外对推荐系统的讲解相关资源
全渠道电商平台业务中台解决方案.pptx
06-14
全渠道电商平台业务中台解决方案.pptx
云计算企业私有云平台建设方案.pptx
最新发布
06-14
云计算企业私有云平台建设方案.pptx
如何利用状态数据开展故障预测与健康管理phm
07-05
故障预测与健康管理（PHM）是一种通过收集、分析和利用状态数据来预测设备或系统故障，并进行维护和管理的方法。以下是如何利用状态数据开展故障预测与健康管理的一些建议： 1. 数据收集：首先，需要收集设备或系统的状态数据。这可以通过传感器、监控设备或其他数据采集方法来实现。从设备中收集的数据可以包括温度、振动、压力、电流、电压等各种指标。 2. 数据分析：将收集到的状态数据进行分析。这包括数据清洗、特征提取和建模等步骤。数据清洗能够剔除异常数据，确保分析的准确性。特征提取则是通过对数据进行转换和降维处理，提取出对故障预测有帮助的特征。建模是根据历史数据训练模型，用于预测设备或系统的健康状况和故障风险。 3. 故障预测：根据建立的模型，对设备或系统进行故障预测。通过实时监测设备的状态数据，并将其与模型进行比较，可以提前预警故障的发生，避免设备停机或发生损坏。预测故障的方法可以包括统计模型、机器学习、人工智能等。 4. 健康管理：根据故障预测的结果，进行设备的健康管理。这包括定期维护、诊断和修复等措施。通过及时维护设备，可以延长其使用寿命和减少故障的发生。如果出现故障，可以根据预测结果进行诊断，并采取适当的措施进行修复。 5. 数据可视化与报告：将分析和预测结果进行可视化展示，并生成报告。通过可视化展示，可以更直观地了解设备的健康状况和故障风险。报告可以用于决策支持和维护计划的制定。 6. 持续改进：PHM是一个持续的过程，需要不断进行改进和优化。通过不断更新模型、改进数据收集和分析方法，可以提高故障预测与健康管理的准确性和效果。 总而言之，利用状态数据开展故障预测与健康管理需要收集数据、进行分析、预测故障、进行健康管理，并不断进行改进。这样可以提高设备或系统的可靠性和使用寿命，减少故障带来的损失。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值