故障预测与健康管理(PHM)技术的现状与发展

论文

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

故障预测与健康管理(PHM)技术的现状与发展

曾声奎¹, Michael G. Pecht², 吴际²

1. 北京航空航天大学可靠性工程研究所, 北京 100083;2. 美国马里兰大学 CALCE电子产品与系统中心, 马里兰 20742

收稿日期:2005-06-10 修回日期:2005-07-25 出版日期:2005-10-25 发布日期:2005-10-25

Status and Perspectives of Prognostics and Health Management Technologies

ZENG Sheng-kui¹, Michael G. Pecht², WU Ji²

1. Institute of Reliability Engineering, Beijing University of Aeronautics and Astronautics, Beijing 100083, China;2. CALCE Electronic Products and Systems Center,University of Maryland, College Park, MD 20742 USA

Received:2005-06-10 Revised:2005-07-25 Online:2005-10-25 Published:2005-10-25

摘要/Abstract

摘要：

结合故障预测与健康管理(PHM)的技术发展过程,阐述了PHM的应用价值。论述了PHM技术系统级应用问题,提出了故障诊断与预测的人-机-环完整性认知模型,并依此对蓬勃发展的故障诊断与故障预测技术进行了分类与综合分析,给出了PHM技术的发展图像。针对故障诊断与预测的不确定性特征,对故障诊断与预测技术的性能要求、定量评价与验证方法进行了分析。最后,以PHM技术的工程应用为线索,提出了PHM技术发展中的几个问题。

关键词: 故障预测, 故障诊断, 故障预测与健康管理

Abstract:

This paper briefs the potential benefits of Prognostics and Health Management (PHM) in the light of its evolving history. The issues of PHM system-level application is outlined, and a cognition model for diagnostics and prognostics is built based on the integrity of man-machine-environment. By using this model, various diagnostics and prognostics methods are classified and analyzed, and a whole picture of PHM is drawn.Uncertainty is a critical factor of PHM, its requiremensdefinition, quantitative assessment and verification methodologies are discussed. Finally, key issues of implementing PHM are cited with the goal of practical uses.

Key words: prognostic and health management, diagnostics, prognostics, cognition model

中图分类号:

V215.7

曾声奎;Michael G. Pecht;吴际. 故障预测与健康管理(PHM)技术的现状与发展[J]. 航空学报, 2005, 26(5): 626-632.

ZENG Sheng-kui;Michael G. Pecht;WU Ji. Status and Perspectives of Prognostics and Health Management Technologies[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2005, 26(5): 626-632.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

[1]	于功也, 蔡伟东, 胡明辉, 刘文才, 马波. 故障机理与领域自适应混合驱动的机械故障智能迁移诊断[J]. 航空学报, 2023, 44(2): 426800-426800.
[2]	曹明, 黄金泉, 周健, 陈雪峰, 鲁峰, 魏芳. 民用航空发动机故障诊断与健康管理现状、挑战与机遇Ⅰ: 气路、机械和FADEC系统故障诊断与预测[J]. 航空学报, 2022, 43(9): 625573-625573.
[3]	张烁, 刘治汶. 航空发动机轴承故障结构化贝叶斯稀疏表示[J]. 航空学报, 2022, 43(9): 625056-625056.
[4]	张忠强, 张新, 王家序, 刘治汶. 基于重加权谱峭度方法的航空发动机故障诊断[J]. 航空学报, 2022, 43(9): 625445-625445.
[5]	韩淞宇, 邵海东, 姜洪开, 张笑阳. 基于提升卷积神经网络的航空发动机高速轴承智能故障诊断[J]. 航空学报, 2022, 43(9): 625479-625479.
[6]	孙灿飞, 黄林然, 沈勇. 复杂工况下的直升机行星传动轮系故障诊断[J]. 航空学报, 2022, 43(8): 625480-625480.
[7]	田晶, 张羽薇, 张凤玲, 艾辛平, 高崇. 基于多尺度量子熵的中介轴承故障诊断方法[J]. 航空学报, 2022, 43(8): 625485-625485.
[8]	康玉祥, 陈果, 尉询楷, 周磊. 深度残差对冲网络及其在滚动轴承故障诊断中的应用[J]. 航空学报, 2022, 43(8): 625201-625201.
[9]	聂同攀, 曾继炎, 程玉杰, 马梁. 面向飞机电源系统故障诊断的知识图谱构建技术及应用[J]. 航空学报, 2022, 43(8): 625499-625499.
[10]	邵怡韦, 陈嘉宇, 林翠颖, 万程, 葛红娟, 石智龙. 小训练样本下齿轮箱故障诊断:一种基于改进深度森林的方法[J]. 航空学报, 2022, 43(8): 625429-625429.
[11]	王维民, 陈子文, 张旭龙, 陈康. 基于叶端定时的转子碰摩故障诊断方法[J]. 航空学报, 2022, 43(8): 625031-625031.
[12]	林京, 张博瑶, 张大义, 陈敏. 航空燃气涡轮发动机故障诊断研究现状与展望[J]. 航空学报, 2022, 43(8): 626565-626565.
[13]	梁寒玉, 张文瀚, 王振华, 沈毅. 基于集员估计的卫星飞轮故障检测与预测方法[J]. 航空学报, 2022, 43(3): 326080-326080.
[14]	袁利, 王淑一. 航天器控制系统智能健康管理技术发展综述[J]. 航空学报, 2021, 42(4): 525044-525044.
[15]	黄旭星, 李爽, 杨彬, 孙盼, 刘学文, 刘新彦. 人工智能在航天器制导与控制中的应用综述[J]. 航空学报, 2021, 42(4): 524201-524201.

故障预测与健康管理(PHM)技术的现状与发展

Status and Perspectives of Prognostics and Health Management Technologies

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价