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(shù)的系統(tǒng)模型,通常由一定的領(lǐng)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?;谀P偷墓收显\斷與預測技術(shù)能深入對象系統(tǒng)本質(zhì)的性質(zhì)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(shù)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(guān)的解決辦法。如基于隨機濾波理論的故障預測技術(shù)是基于模型的故障預測技術(shù)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(diào)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(guān)的領(lǐng)域?qū)<业慕?jīng)驗知識,因此是很有前景的方法?;谥R的故障診斷與預測技術(shù)的較大優(yōu)勢就是能夠充分利用對象系統(tǒng)有關(guān)的領(lǐng)域?qū)<医?jīng)驗知識。
洛陽大工檢測技術(shù)有限公司主要從事于擁有自主知識產(chǎn)權(quán)、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(shù)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(shù)有限公司官網(wǎng):http://www.www.czzfgg.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(quán)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(quán)利,請及時聯(lián)系我們刪除。
掃一掃