智能装备故障预测与健康管理系统研究

针对智能装备预测性维护存在的智能化和网络化程度不高、物理模型建模困难等问题,研究了数据驱动的智能装备远程故障预测与健康管理系统(PHM)的实施框架、关键技术和系统开发方法。具体阐述了数据驱动PHM系统的运行模式,在此基础上分析了PHM系统的软件架构和关键技术,首先利用EEMD对原始信号进行降噪和重构,将重构后的信号作为输入建立基于RBF神经网络的故障诊断模型;然后采用动态神经网络建立基于时间序列的故障预测模型,并建立基于故障阈值的故障报警机制;最后利用混合编程和网络化开发技术开发了数据驱动的远程PHM系统。实际应用结果表明,该系统能以较高效率完成故障诊断、故障预测等核心功能,具有良好的实用性。