基于驱动的机器故障预警系统简介及文献

标题基于驱动的机器故障预警系统简介及文献

系统目标：
故障预警系统的目标是根据设备运行规律或数据变化趋势，在设备真正发生故障之前，及时发现设备的异常状况并进行相关的报警推送，我们把这一过程称之为故障预警。故障预警的目的在于在机器发生故障的早期进行设备的及时保养和采取针对性维护策略，将设备的潜在隐患消除。
基于数据驱动的方法：
通过挖掘过程数据中的内在信息建立数学模型和表达过程状态，根据模型来实施过程的有效监测。随着智能化仪表和计算机存储技术的广泛应用，海量的过程数据得以有效地监测、收集和存储，而该类方法正是基于这样的海量数据，在监测和预警算法上它又可以分为基于信号处理、粗糙集、机器学习、信息融合和多元统计这五大类算法，其中机器学习算法是在理论和实践中发展最为活跃的分支，它包括贝叶斯分类器，神经网络，支持向量机，k最近邻算法，聚类算法，主成分分析等算法
优点：1.超前预警2.模型通用性强3.投入成本低，使用门槛低

大数据故障预警的意义：
基于大数据的故障预警应用覆盖面非常广泛，它的意义在于超前的故障预警提醒企业管理运维人员制定针对性的保养维护策略，将设备的缺陷隐患消除在萌芽状态，延长设备的使用寿命，真正意义上实现了状态驱动运维的模式。对于无法避免的故障可以进行及时针对性的事故演练，保证充足的备件调配准备时间，避免人为因素造成二次事故，同时也大大减少因备件因素造成的非计停时间延长情况的发生。
相关文献：
基于数据驱动的故障预测方法研究http://www.doc88.com/p-6317751892630.html
典型故障预测方法：https://max.book118.com/html/2017/0110/82034266.shtm
故障预测技术研究综述：http://www.docin.com/p-784110417.html
机器学习来预测硬盘故障：
https://blog.csdn.net/cainiao_user/article/details/79764541
故障预测与诊断技术：http://www.doc88.com/p-540885747537.html
故障预测与健康管理（PHM）技术的现状与发展：
http://www.ck365.cn/anli/12/58391.html
PHM（故障预测与健康管理）工业智能实践案例——半导体：http://cyber-insight.com/xinwendongtai/68.html