PCoE卓越诊断学中心——NASA共享训练数据的资源站

 　艾姆斯研究中心的卓越诊断学中心（PCoE）为预测技术的发展提供了保护伞，专门解决了航空和太空探索应用领域内的预测技术空白。

主站内容

 　各种预后技术开发途径中的共同点是在组件级别研究故障物理。在此级别上对损坏的发生和传播进行建模是描述组件运行状况的关键要素。同样重要的是，对算法开发进行资源投资以提供剩余组件寿命和不确定性管理的估计。
　　各种预后技术开发途径中的共同点是在组件级别研究故障物理。在此级别上对损坏的发生和传播进行建模是描述组件运行状况的关键要素。同样重要的是，对算法开发进行资源投资以提供剩余组件寿命和不确定性管理的估计。
　　我们有兴趣应对的一些挑战包括：

•  　 不确定性管理：如何正确地捕获和处理来自多个不确定性源的信息？
•  　自主控制重新配置：如何将本地的预测信息转化为控制器级别的更改，从而长期满足控制器目标？
•  　集成：如何将来自不同交互子系统的信息进行组合和处理？
•  　验证和验证预后：如何验证预后算法的正确操作，尤其是在新系统上？
•  　预后推理：如何将预后推理者的信息转化为行动，同时考虑其他因素，例如后勤信息，任务信息和机队管理？

  为此，我们将采用工程，统计和机器学习中的工具。具体来说，我们利用以下方面的专业知识：

•  　电子和机械系统建模
•  　风险评估和失败分析
•  　统计
•  　机器学习和软计算
•  　分类
•  　优化

预后数据存储库
 　预后算法开发中的常见瓶颈之一是数据的可用性，该数据允许对算法性能进行比较和基准测试。该数据存储库旨在通过向研究团体提供预后数据集来缓解瓶颈。
+访问预后数据存储库

系统健康，分析，弹性和物理建模（SHARP）实验室
 　PCoE利用旨在测试，测量，评估和成熟诊断和预后健康管理技术的实验室设施。
许多硬件在环测试台和相关的测量设备可以控制，可重复，安全地注入故障。
+访问SHARP

项目清单

	项目清单（有效）
1	电池预测 项目负责人：Matthew Daigle 基于快速评估充电状态（SOC）和健康状态（SOH)(诊断）并结合预期的环境和环境因素、负载条件，开发可预测电池充电终止和寿命终止（预测）的算法。在电池上进行子量表实验以证明预后能力。
2	数据驱动的预测 项目负责人：Kai Goebel 开发主要不是基于物理模型的算法，而是从训练数据中学习剩余寿命的算法。 这里要解决的问题是需要处理稀疏的时间序列数据，提供合理的不确定性估计以及处理验证问题。
3	电子预后 项目负责人：Chetan Kulkarni 研究所选航空电子设备中关键电子组件的损坏传播机制。 具体来说，了解热循环，电气过应力和振动对MOSFET，IGBT等造成的老化影响，并开发损伤传播模型。
4	预测虚拟空域实验室 项目负责人：克里斯·特伯特 进行涉及无人机，虚拟飞机和硬件在环要素的实验，以帮助开发和测试用于预测的新技术。
5	国家空域系统安全的实时监测和预测 项目负责人：Indranil Roychoudhury 为了帮助NAS利益相关方做出明智的决策，我们正在开发一种基于模型的方法，用于NAS的安全性的自动化实时监控和预测。
6	阀门预后 项目负责人：Matthew Daigle 应用基于物理学的建模方法来预测控制阀。 开发用于状态和参数估计以及寿命终止预测的基于模型的预测算法。执行全面的模拟研究。
7	不确定性管理 项目负责人：Shankar Sankararaman 该项目致力于通过计算不同类型的工程组件和系统的剩余使用寿命的概率分布，来量化影响预测的不确定性的不同来源，并评估它们对预测的综合影响。 由于预测学处理的是对未来的预测，因此可能无法精确预测此类工程组件的未来行为，因此通过估算此类预测的不确定性来量化对此类预测的信心非常重要。 估计的不确定性对于做出有关延寿，减少故障，任务重新计划等多项活动的风险相关决策很有用。
8	X-Plane Connect工具箱 项目负责人：克里斯·特伯特 X-Plane Connect（XPC）工具箱是一个开源研究工具，用于与商业飞行模拟器软件X-Plane进行交互。

项目清单（完成）
1	执行器预后 项目负责人：爱德华·巴拉本 该项目致力于在电动执行器（EMA）生命周期内的任何时刻检测和分类初期故障状况，这些状况可用于向维护人员提供EMA组件健康状况的准确信息，从而实现按需选择性维修。
2	自动化应急管理（ACM） 项目负责人：Abhinav Saxena 自动化应变管理（ACM）技术旨在以自动化方式适应即将发生的故障情况。 通常，它以分层的方式执行资源分配和低级和高级控制器的系统重新配置的多目标约束优化问题。这里考虑的ACM特别关注如何集成和处理预后信息以更有效地执行此类重新配置任务。
3	诊断算法基准测试 项目负责人：Scott Poll 已经使用ADAPT实验室中的电力系统测试平台开发并实施了诊断技术的系统基准测试框架。 我们的基准测试方法会生成用于诊断基准测试的实际数据集，并强调使用标准化的词汇表和协议，这些词汇表和协议可共同评估不同诊断技术的有效性。 该框架已在国际诊断原理研讨会（DX）主办的两次诊断竞赛中使用。
4	使用概率计算的诊断推理 项目负责人：Ole J. Mengshoel 该项目的目的是研究诊断推理的概率方法。 我们的研究包括新方法和算法的开发，尖端应用程序的开发以及对NASA重要性的论证。我们研究了一个现实世界的电力系统（EPS），即代表先进诊断和预测的测试平台 航空航天车辆中发现的EPS，证明了概率推理方法如何提供可扩展的方法，并有可能在飞机和航天器中进行实时评估。
5	分布式预测 项目负责人：Sankalita Saha 分布式预测是ISHM系统发展的下一步。 它们涉及通过使用智能传感器设备的分布式体系结构来协调系统的健康管理。 这些设备监视各个子系统的运行状况。 当任何组件/子系统触发需要更多关注的故障可能性时，这些设备将相互协作以估计RUL（剩余使用寿命）以及对整个系统的健康影响。
6	HyDE诊断 项目负责人：Sriram Narasimhan 开发基于模型的诊断引擎，该引擎使用候选项生成和一致性检查来诊断随机混合系统中的离散故障。 该系统使用混合（离散和连续组合）模型和传感器数据来推断系统状态随时间的演变，包括指示故障的状态变化。
7	预测绩效评估 项目负责人：Abhinav Saxena 开发通用性能指标，以客观评估预后算法的性能。
8	流浪者决策 项目负责人：亚当·斯威特 一个支持组件和系统级别的推理算法以及基于系统健康信息的决策算法开发的测试平台。
9	循环水系统的预测 项目负责人：Indranil Roychoudhury 水循环利用系统清洗灰水并将其循环为净水。 基础技术基于正向渗透。 此处描述的工作是针对几种不同的故障情况开发WRS正常和故障系统行为的物理模型，并采用诊断和预测技术来检测故障行为并估计剩余寿命。

原网页