Интеллектуальная диагностика и прогнозирование отказов для инженерных систем

Intelligent Fault Diagnosis and Prognosis for Engineering Systems
Biqing Wu, Frank L. Lewis, George Vachtsevanos, Michael J. Roemer, Andrew J. Hess
2006-09-13

обслуживание на основе состояниядиагностика отказовпрогнозирование отказовпрогностика и управление здоровьемобнаружение отказов на основе вибрации
В работе представлен всесторонний обзор интеллектуального обслуживания на основе состояния (condition-based maintenance, CBM) и управления прогнозированием и состоянием оборудования (prognostics and health management, PHM) для инженерных систем. Рассмотрены исторические предпосылки и требования к диагностическим и прогностическим системам, принципы проектирования и функциональные уровни. Изложен системный подход к CBM/PHM, включая анализ альтернатив (trade studies), анализ видов отказов и их последствий с оценкой критичности (FMECA), разработку плана испытаний CBM, оценку производительности, примеры влияния на эксплуатацию и техническое обслуживание, а также интеграцию с системами управления и планами действий в чрезвычайных ситуациях. Описаны технологии датчиков и стратегии зондирования: типы датчиков, размещение, беспроводные сенсорные сети и интеллектуальные датчики. По обработке сигналов и управлению базами данных рассмотрены предобработка сигналов, мониторинг и анализ вибраций, извлечение признаков из изображений в реальном времени и классификация дефектов/отказов, виртуальные датчики, методы интеграции/слияния данных, отслеживание шаблонов эксплуатации и методы управления базами данных. Обзор методов диагностирования отказов включает методы на основе исторических данных, обучение для классификации отказов и принятия решений, моделирование динамических систем, методы на основе физических моделей и логики рассуждений на их основе, кейсовое рассуждение (case-based reasoning, CBR) и специализированные рамки для электрических/электронных систем с примером по обнаружению и диагностике отказов подшипников двигателя на основе вибрации. Подходы к прогнозированию отказов охватывают методы на основе моделей, вероятностные методы и методы прогнозирования, основанные на данных, с практическими примерами. Определены метрики производительности для диагностики и прогноза: требования CBM/PHM, оценка признаков, метрики производительности диагностики и прогноза, метрики эффективности и анализ сложности/соотношения затрат и выгод. Наконец, обсуждаются логистика и поддержка системы в эксплуатации: архитектура поддержки продукции, базы знаний и методы с CBM и без него, стратегии планирования техобслуживания и иллюстративные примеры. Приложение и указатель включены.
1
Комплексная структура для проектирования систем диагностики и прогнозирования отказов (CBM/PHM), включая функциональные уровни и требования системы.
2
Освещение методов прогноза отказов, включая методы на основе моделей, вероятностные методы и предсказания на основе данных, с примерами из практики.
3
Определение и обсуждение метрик производительности для диагностики и прогноза, включая оценку признаков, эффективность и анализ затрат/выгод и сложности.
4
Детальная проработка сенсорных технологий и стратегий сенсинга, включая размещение датчиков, беспроводные сенсорные сети и интеллектуальные датчики.
5
Логистика и стратегии поддержки продукта для эксплуатационного CBM, включая планирование технического обслуживания и архитектуры баз знаний и поддержки.
6
Представление различных методов диагностики отказов: исторические данные, методы на основе данных, динамическое моделирование, физическое моделирование, рассуждение на основе моделей и кейс-рейзинг, с прикладными примерами (например, вибрация подшипников двигателя).
7
Методы обработки сигналов и управления данными для CBM/PHM, включая предобработку, мониторинг вибрации, извлечение признаков из изображений в реальном времени, виртуальные датчики и слияние данных.
8
Подход к CBM/PHM на системном уровне, охватывающий исследование вариантов, FMECA, разработку плана испытаний, оценку производительности и тематические исследования влияния на эксплуатацию.

Системы обслуживания на основе состояния и управления прогнозированием/здоровьем (CBM/PHM) для инженерных систем

Интеллектуальные методы диагностики и прогноза отказов, включая датчики, обработку сигналов, методы на основе данных и моделей для диагностики и прогнозирования, метрики производительности и поддержку/логистику для CBM/PHM

Publication Details
Publication Date
2006-09-13
Journal
Publisher
ISSN
Cited by
1175
Access Type
Author Information
Authors
Biqing Wu
Frank L. Lewis
George Vachtsevanos
Michael J. Roemer
Andrew J. Hess
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%