Интеллектуальная диагностика и прогнозирование отказов для инженерных систем

Intelligent Fault Diagnosis and Prognosis for Engineering Systems
Biqing Wu, Frank L. Lewis, George Vachtsevanos, Michael Roemer, Andrew 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
Access Type
Author Information
Authors
Biqing Wu
Frank L. Lewis
George Vachtsevanos
Michael Roemer
Andrew 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%