小波分析matlab应用实例_PHM应用实例分析：起重机PHM系统

DataForce是慧都自主研发、应用最灵活的大数据平台。能够帮助您随时找到您想要的数据，使数据得到安全、稳定和高效的管理与应用。DataForce是企业大数据解决方案的重要组成部分，除了提供完整的大数据功能组件，我们还提供组件自定义搭配，为企业选择满足方案需要的大数据功能组件，使您的大数据解决方案成本降到最低，从而高品质的解决您的大数据需求问题。本文将与大家逐一分享工业大数据的应用技术，一起探讨如何让制造实现真正的智能化。

本文部分借鉴数星网文章

起重机PHM系统框架

起重机在执行任务的过程中，机载部分只是将传感器数据、OBD数据、工况数据、环境数据等通过数据链传到中心控制站，不能对起重机进行状态监控和管理。所以必须依靠控制系统完成数据记录和分析起重机及各系统的状态，并进行状态的预测、故障的检测和隔离。根据起重机的特点，起重机PHM系统应具有数据采集和传输、数据处理、状态监测、故障检测、故障隔离、故障预测、剩余寿命预测、部件寿命跟踪、性能降级趋势分析和维修计划等功能。起重机PHM系统可设计为如图1所示的框架图。

• 数据采集与处理：系统通过起重机数锯链获取起重机传感器数据、OBD数据、工况数据、环境数据、遥测数据等，包括控制系统的输入数据、起重机各分系统的功能状态。然后对数据进行分析处理，通常采用的算法包括：快速傅里叶变换FFT、小波分析或统计。数据经过滤波、压缩简化处理成为后继的状态监测等部分要求的格式。
• 状态监测：将接受来自数据处理、起重机传感器以及其它状态监测模块的数据同预定的失效判据等进行比较来监测系统当前的状态，并且可根据预定的各种参数指标极限值来提供故障报警能力。
• 健康评估：主要评估被监测系统的健康状态，可以产生故障诊断记录并确定故障发生的可能性。基于各种健康状态历史数据、工作状态以及维修历史数据等，判断起重机系统所处状态，并将不同的状态送入不同的处理模块，实现分类诊断与集中决策。
• 故障预测：该部分综合利用前述各部分的数据信息，参照预先设定的数据或经验数据，预测起重机各分系统或部件的剩余寿命，对分系统或部件的运行趋势进行监控和预测，当其达到警戒线时系统发出警告信息。
• 推理决策：该部分确定系统中未正常工作或故障元件、以及未正常工作或故障的程度，检验故障元件是否存在潜在的负面影响，以便在被监测系统发生故障之前的适宜时机采取必要的处理，形成对起重机的维修建议。
• 接口显示：该部分具备与其他所有层通讯的能力、状态监测模块的警告信息显示功能以及健康评估、预测和决策支持模块的数据信息表示功能等。

起重机PHM系统模块设计

起重机PHM系统结构由用户层、应用层和支撑层组成，采用分布式结构，实现故障预测、故障诊断和维修决策等功能。其硬件系统采用模块式设计，即：状态监测模块与故障诊断预测模块。

状态监测模块利用来自传感器、数据库数据的信息进行分析判断，最后输出对起重机系统、分系统、关键部件的状态报告信息。模块设计如图2所示，该模块由数据采集器、数据处理器和数据库组成。数据采集器与数据处理器进行数据采集、数据存储、参数配置，并对数据统计处理、剔除干扰、特征提取等;状态监测接口子模块，提取数据库中的历史数据和当前获取的数据，与阈值库中的数据比较，判定状态是否异常。

故障诊断预测模块根据诊断对象故障的特点，利用现有的故障诊断技术研制而成的自动化诊断装置。起重机PHM的故障诊断预测模块设计如图3所示，该模块包括：测试模块、数据接口组件、专家系统推理机等。起重机PHM故障诊断测试模块，由自动化测试设备对起重机各分系统进行实时检测和全面的数据采集，完成测试控制功能。自动化测试设备采用现代流行的VXI总线技术实现，专家系统通过数据共享或网络通信的方式获取自动化测试设备测试数据库的数据，调用诊断知识库中的知识和规则进行推理，完成起重机系统的故障诊断和预测。

---

通过大数据分析，构建故障预测分析模型，助企业快速预测设备故障，提前预警，降低设备维护成本，减少设备故障对生产和管理带来的损失。