数据驱动故障预测和健康管理综述学报.pdf

《数据驱动故障预测和健康管理综述学报.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据第35卷第3期2014年3月仪器仪表学报ChineseJournalofScientificInstrumentV01．35No．3Mar．2014数据驱动故障预测和健康管理综述木彭宇，刘大同(哈尔滨T业大学电气T程及自动化学院白动化测试与控制系哈尔滨150080)摘要：着重介绍数据驱动故障预测和健康管理(PHM)方法的研究现状。通过对数据驱动PHM方法的分类阐述，逐步说明面向复杂系统数据驱动PHM的方法体系和流程，并重点对构成数据驱动PHM方法体系的核心环节进行分析和总结。在此基础上，采用一个锂离子电池循环寿命预测实例综合分析了数据驱动PHM的实现过程。最后，

2、分析了数据驱动PHM方法的发展趋势和研究挑战。关键词：故障预测和健康管理；数据驱动故障预测；融合方法；故障预测不确定性中图分类号：TP206+．3文献标识号：A国家标准学科分类代码：510．4030Data-drivenprognosticsandhealthmanagement：AreviewofrecentadvancesPengYu，LiuDatong(DepartmentofAutomaticTestandControl，SchoolofElectricalEngineeringandAutomation，HarbinInstituteofTechnology，

3、Harbin150080，China)Abstract：Thedata—drivenprognosticsandhealthmanagement(PHM)approachesarefocusedinthisreview．Themethodologiesandcategoriesfordata—drivenPHMapproachesarefirstlyintroduced．Then，thedata—drivenPHMframeworkandsystemarchitectureforcomplexsystemarediscussedindetail．Thehealthsta

4、temonitoring，featureidentificationandextraction，data—drivenpredictionalgorithms，prognosticuncertaintyandhybridprognosticap—proachindata·drivenPHMframeworkaresystematicallydescribed．Basedonabove，thelifecyclepredictionofalithium·-ionbatteryistakenastheexampletosyntheticallyanalyzetheimplem

5、entationprocessofdata—·drivenprognos··ticsandhealthmanagement．Finally，withsummarizingtheresearchhotissues，thechallengesandthedevelopingtrendofdata—drivenPHMareanalyzed．Keywords：prognosticsandhealthmanagement(PHM)；data—drivenprognostics；hybridapproach；prognosticsan—certainty1引言故障预测和健康管理(p

6、rognosticsandhealthmanage—ment，PHM)已经发展成为航空航天领域系统后勤保障、维护和自主健康管理的重要支撑技术和基础m3，在“国家中长期科学和技术发展规划纲要2006—2020”中，“重大产品和重大设施寿命预测技术”作为前沿技术提出。在近年的航天、航空科学技术学科发展报告中，均将PHM技术列为关键和支撑技术。PHM技术已经成为一个涵盖基础材料、机械结构、能源、电子、自动测试、可靠性、信息等多领域的交叉学科和研究热门方向，具有重要的应用价值和现实意义。在大多数的工业系统PHM应用中，建立复杂部件或系统的数学或物理模型十分困难甚至无法实现，或识

7、别模型的参数较为复杂，因此，部件或系统设计、仿真、运行收稿13期：2014-01ReceivedDate：2014-01t基金项目：国家自然科学基金(61301205)、高校博士基金(20112302120027)、部委预先研究课题(51317040302)、中央高校基本科研业务费专项基金(HIT．NSRIF．2014017)资助项目万方数据482仪器仪表学报第35卷和维护等各个阶段的测试、传感器历史数据就成为掌握系统性能下降的主要手段。由此，基于测试或传感器数据的数据驱动(data—driven)PHM方法逐渐获得重视并取得快速发展，成