XiaoMi-AI文件搜索系统
World File Search SystemPHM
PHME22 会议记录 - PHM 欧洲 2022
Zeina Al Masry – Femto，法国 Yanfu Li – 清华大学，中国 Manuel Arias Chao – 苏黎世应用科学大学，中国 Gabriel Michau – Stadler Service AG，瑞士 Piero Baraldi – Polimi，意大利 Ahmed Mosallam – 斯伦贝谢，法国 Christophe Berenguer – 格勒诺布尔大学，法国 Octavian Niculita – 格拉斯哥卡利多尼亚大学，英国 Oliver Cassebaum – 大众，德国 Khanh Nguyen – 塔布国立工程学院，法国 Pierre Dersin – 吕勒奥大学，瑞典 Slawomir Nowaczyk – 哈尔姆斯塔德大学，瑞典 Phuc Do – 洛林大学，法国 Marcos Orchard – 智利大学，智利 Cordelia Ezhilarasu – 克兰菲尔德大学，英国 Sepideh Pashami – 哈尔姆斯塔德大学，瑞典 Fink Olga – 洛桑联邦理工学院，瑞士 Bruce Stephen – 斯特拉斯克莱德大学，英国 Kareem Gouda – SKF，荷兰 Alexandre Voisin - 法国洛林大学 Henss Mark - 德国斯图加特大学 Dong Wang - 上海交通大学，中国 Benoit Iung - 法国洛林大学 Ferhat Tamssaouet - 法国佩皮尼昂大学
可扩展 PHM 解决方案的设计和验证...
近年来，预测与健康管理 (PHM) 已成为航空航天领域的热门话题。机载系统的健康评估和剩余使用寿命估计提供了多种优势，主要与提高分析能力和减少维护干预（从而降低运营成本）有关。因此，航空航天业有兴趣确定和定义有效的策略，既用于在新一代机载系统中引入原生 PHM 功能，也用于改造现有系统。本文提出了一种可扩展部署机载系统 PHM 技术的策略，特别关注边缘计算能力。介绍了不同的参考场景（从基于云的处理到仅本地处理），并详细讨论了以边缘为中心的 PHM 架构，并解决了相关挑战。描述了所提出的基于边缘的解决方案的设计和验证，特别提到了它对现有数据分析框架的支持。然后根据涉及代表性飞机制动系统的参考航空航天用例评估该解决方案，重点关注
MADe平台-PHM技术
MADe 中的分析方法支持整个设计、操作和维持生命周期的 RAM 活动。基于 MADe 平台模型的通用配置和结构开发的可靠性框图 (RBD) 捕获了项目操作和故障依赖关系。基于可用系统信息和成熟度的项目级可靠性通过直接输入数据、可靠性分配和可靠性预测模型输入。
结构疲劳裂纹长度估算和... - PHM 协会
本文介绍了“Angler”团队为 2019 年 PHM 大会数据挑战赛开发的方法。该挑战赛旨在使用当前载荷循环下的超声波信号估计某种铝结构的疲劳裂纹长度，并尽可能准确地预测未来多个载荷循环下的裂纹长度（多步预测）。为了估计裂纹长度，从超声波信号中提取了四个裂纹敏感特征，即第一个峰值、均方根值、峰度对数和相关系数。提出了一个集成线性回归模型来映射这些特征及其与裂纹长度的二阶相互作用。采用最佳子集选择方法来选择最佳特征。为了预测裂纹长度，推导出巴黎定律的变体来描述裂纹长度与载荷循环次数之间的关系。使用遗传算法学习巴黎定律的材料参数和应力范围。这些参数将根据上一步预测的裂纹长度进行更新。然后，预测了恒幅荷载工况或变幅荷载工况下未来荷载循环次数对应的裂纹长度。根据数据挑战赛委员会提供的分数计算规则，本文提出的方法获得了 16.14 分，在所有参赛队伍中排名第三。
PHM算法中锂离子电池内部阻抗表征的实用指南
本文旨在描述当使用算法中电池内部阻抗的概念，这些方面的重点是表征锂离子（Li-ion）电池的健康（SOH）降解。第一部分提供了简短的文献综述，该综述将帮助读者解释典型的锂离子排放和/或退化测试的结果。本文的第二部分显示了在受控条件下在锂离子细胞上进行的加速降解实验的初步结果。结果显示，电化学阻抗光谱测试的变化可以与电池降解有关。在实施旨在在温度，电压和放电电流测量方面预测电池终止寿命（EOL）的算法时，这种知识可能具有很高的价值。
预测的混合学习方法... - PHM 协会
在数十年的数据收集过程中，人们试图利用基于状态维护 (CBM) 方法中的运行时间序列数据来优化军用车辆的生命周期管理和可靠性、可用性和可维护性 (RAM)，但遇到了许多障碍。这些障碍困扰着民用地面车辆、飞机和其他复杂系统的类似方法。运行数据的分析至关重要，因为它代表着对系统状态的连续记录。将基本的数据分析应用于运行数据可以提供诸如燃料使用模式或观察到的一辆车辆甚至一个车队的可靠性等见解。但是，监测这些数据的趋势并分析其随时间变化的模式可以深入了解车辆、复杂系统或车队的健康状况，预测平均故障时间或汇编物流或生命周期需求。由于从车辆传感器收集的数据量巨大，数据中观察到的集群与故障或计划外维护事件之间缺乏关联，以及时间序列数据的无监督学习技术不足，因此在运营时间序列数据集上进行此类高性能数据分析 (HPDA) 一直很困难。我们提出了一种在车辆运行数据中发现模式的方法，该方法确定了预测即将发生故障的可能性的模型，称为基于参数的指标 (PBI)。我们的方法是一个数据驱动的应用程序
PHM 框架中广播系统监测的数据准备和预处理
摘要 — 如今，生产商品的公司使用配备不同传感器的生产系统来有效监控其行为。大多数时候，这些传感器收集的信息主要用于生产监控，而不是分析生产系统的健康状况。这样，这些公司就拥有大量且不断增长的数据。这些数据使人们能够提取信息和知识，以便更好地控制系统，从而提高其效率和可靠性。随着几年前预测和健康管理 (PHM) 范式的出现，人们已经能够研究设备的健康状况并预测其未来发展。从全球来看，PHM 的原理是将在受监控设备上收集的一组原始数据转换为一个或多个健康指标。在此框架下，本文解决了与原始数据相关的问题。提出了一种通用方法来获取可靠且可在 PHM 应用中利用的监控数据。所提出的方法基于两个步骤：收集数据和预处理数据。该方法将应用于广播行业的实际案例，以证明其可行性。索引术语——预测和健康管理、数据收集、数据清理、数据预处理、有用信息。
以及 Eric Péré 在 PHM 框架中为广播系统监控进行数据准备和预处理。（2019）在：第六届国际控制会议，Decis
摘要 — 如今，生产商品的公司使用配备不同传感器的生产系统来有效监控其行为。大多数时候，这些传感器收集的信息主要用于生产监控，而不是分析生产系统的健康状况。这样，这些公司就拥有大量且不断增长的数据。这些数据使人们能够提取信息和知识，以便更好地控制系统，从而提高其效率和可靠性。随着几年前预测和健康管理 (PHM) 范式的出现，人们已经能够研究设备的健康状况并预测其未来发展。从全球来看，PHM 的原理是将在受监控设备上收集的一组原始数据转换为一个或多个健康指标。在此框架下，本文解决了与原始数据相关的问题。提出了一种通用方法来获取可靠且可在 PHM 应用中利用的监控数据。所提出的方法基于两个步骤：收集数据和预处理数据。该方法将应用于广播行业的真实案例，以证明其可行性。索引词——预测和健康管理、数据收集、数据清理、数据预处理、有用信息。
可靠地应用 CBM 和 PHM 概念...
摘要 由于马孔多事件后引起了广泛关注，防喷器 (BOP) 主题引发的敏感性为监管机构、客户和钻井承包商本身树立了高标准。基于这些支柱，可靠性概念已不断应用于石油工业，特别是在井安全和控制系统中，设备在需要时可靠且可操作是极其重要的。与此同时，在需要高可靠性的关键行业中广泛使用的基于状态的维护 (CBM) 和预测健康管理 (PHM) 概念被认为是 BOP 系统管理的未来。在此背景下，本文旨在回顾基于状态的维护和预测健康管理的文献，结合可靠性概念，并使其能够应用于 BOP 健康管理。本文确定了支持主题所需的不同概念，并通过研究和选择标准，汇集了一系列出版物以获得一致的理论框架。这项研究概述了高可靠性行业中使用的重要技术及其在 BOP 系统上的应用方式，它还提供了许多有用的参考和案例研究，以协助井控和操作安全方面的进一步开发工作。