PHM平臺模型分類：
基于模型的故障診斷與預測
故障診斷與預測一般需要先在系統(tǒng)的模型上測試和驗證，以較少的耗費來獲取直觀有效的數(shù)據(jù)信息。應用基于故障診斷與預測技術的系統(tǒng)模型，通常由一定的領域的專家給出，經(jīng)過大量的數(shù)據(jù)驗證，通常比較真實可靠。基于模型的故障診斷與預測技術能深入對象系統(tǒng)本質的性質和實現(xiàn)實時的故障預測，并且對象系統(tǒng)的故障特征通常與模型參數(shù)相近或是緊密相聯(lián)系。隨著對設備故障演化機理理解的逐步深入，PHM平臺模型可以被逐漸修正來提高其預測精度。
但是，實際工程應用要求對象系統(tǒng)的數(shù)學模型具有較高的精度與復雜的動態(tài)系統(tǒng)，建立精確的數(shù)學模型往往是個難于解決的矛盾。因此基于模型的故障診斷與預測技術的實際應用范圍和效果常常受到制。人們通過大量研究論證，逐步提出了許多相關的解決辦法。如基于隨機濾波理論的故障預測技術是基于模型的故障預測技術的典型代表，包括卡爾曼濾波、擴展卡爾曼濾波、無味濾波和粒子濾波。
基于狀態(tài)信息的故障診斷與預測
現(xiàn)在基于狀態(tài)的維修手段，直接采信被觀測對象功能及性能信息進行故障診斷，是置信度很高的故障診斷、維修方法，得到了成功的應用。CBM方式是通過對設備工作狀態(tài)和工作環(huán)境實時監(jiān)測，借助人工智能等先進的計算訪求，診斷、預測和合理安排設備未來的維修調度時間。CBM方法根據(jù)設備的實際運行狀態(tài)確定設備的較小維護時間，降低設備全壽命周期費用，增加設備的穩(wěn)定性。CBM的思想即只有在設備需要維護時，才進行必要的維護，大大減少了PHM平臺不必要的檢修、診斷耗費。
基于知識的故障診斷與預測
在實際工程應用中，常常無法獲得對象系統(tǒng)的精確數(shù)學模型，這就大大限了PHM平臺基于模型的故障診斷與預測方法的實施。而基于知識的故障診斷與預測訪求不需要對象系統(tǒng)精確的數(shù)學模型，同時能夠有效地表達對象相關的領域專家的經(jīng)驗知識，因此是很有前景的方法。基于知識的故障診斷與預測技術的較大優(yōu)勢就是能夠充分利用對象系統(tǒng)有關的領域專家經(jīng)驗知識。
洛陽大工檢測技術有限公司主要從事于擁有自主知識產(chǎn)權、針對重點工業(yè)設備狀態(tài)在線監(jiān)測系統(tǒng)的開發(fā)、集成、生產(chǎn)、售后、市場營銷以及技術咨詢和服務，歡迎廣大客戶選購。
文章來源于洛陽大工檢測技術有限公司官網(wǎng)：http://m.shqs518.cn
免責聲明：本站部分圖片和文字來源于網(wǎng)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(lián)系我們刪除。
地址：河南省洛陽市澗西區(qū)高新開發(fā)區(qū)瀛洲街道河洛路奧陽商務會館六樓
掃一掃