PHM平臺的故障診斷與預測的一般原理是：
a.數理統計的模型，通過系統現象對應的關鍵參數集，依據歷史數據建立各參數變化與故障損傷的概率模型(退化概率軌跡)，與當前多參數概率狀態空間進行比較，進行當前健康狀態判斷與趨勢分析。通過當前參數概率空間與已知損傷狀態概率空間的干涉來進行定量的損傷判定，基于既往歷史信息來進行趨勢分析與故障預測。
b.神經網絡(ANN)的模型，利用ANN的非線性轉化特征，及其智能學習機制，來建立監測到的故障現象與產品故障損傷狀態之間的聯系。利用已知的“異常特征-故障損傷”退化軌跡，或通常故障注入建立與特征分析結果關聯的退化軌跡，對ANN模型進行“訓練/學習”。然后利用“訓練/學習”后的ANN依據當前產品特征對產品的故障損傷狀態進行判斷。BP算法是該模型應用廣泛的一種網絡。另外，PHM平臺還有專家系統模型、模糊綜合評判模型等。
PHM平臺技術的發展經歷了故障診斷、故障預測、系統集成三個日益完善的階段，在部件級和系統級兩個層次、在機械產品和電子產品兩個領域經歷了不同的發展歷程。當前PHM技術的發展體現在以系統級集成應用為牽引，提高故障診斷與預測精度、擴展健康監控的應用對象范圍，支持CBM與AL的發展。PHM技術以一門新生力量已經成功應用于軍事、民用航空以及電子領域，并大大提升各應用領域的運作效率，有著廣闊的發展前景。
洛陽大工檢測技術有限公司主要從事于設備運維管理、設備狀態在線監測、油液在線監測、低速重載軸承監測、PHM平臺等，為客戶定制設計、集成和實施整體潤滑管理方案和振動監測管理方案等。為客戶推行設備狀態綜合監測和設備運維管理提供必要的專利技術、創新產品以及管理模式的支持!
文章來源于洛陽大工檢測技術有限公司官網：http://m.shqs518.cn
免責聲明：本站部分圖片和文字來源于網絡收集整理，僅供學習交流，版權歸原作者所有，并不代表我站觀點。本站將不承擔任何法律責任，如果有侵犯到您的權利，請及時聯系我們刪除。
地址：河南省洛陽市澗西區高新開發區瀛洲街道河洛路奧陽商務會館六樓
掃一掃