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。
请注意,即使 MCP 相互合作,同一 LHJ 服务区域内的 MCP 也应各自完成 PHM 策略可交付成果模板。每个主要 MCP 2 都应为其涵盖的服务区域完成此可交付成果,确保分包 MCP 3 服务的任何人群都包含在回复中,并且他们的意见得到适当考虑。分包 MCP 无需单独完成和提交这些可交付成果模板。所有主要 MCP 都有责任确保其分包 MCP 和网络提供商遵守所有适用的州和联邦法律法规、合同要求和其他 DHCS 指导(例如 APL、政策信函、PHM 政策指南和 DHCS 综合质量战略),包括有关健康教育和文化及语言需求的所有相关要求。4
预测和健康管理 (PHM) 正在成为航空业最热门的研究和开发主题之一。其原因多种多样,但主要原因之一是 PHM 为运营商提供了一种降低生命周期运营成本的方法,而不必添加可能需要认证的昂贵配件。本期特刊中的许多论文讨论了基于飞行后或机外数据处理的 PHM 技术,这些技术在没有额外监管限制的情况下增加了优势。另一方面,监管机构本身也在热切关注改变法规,以允许更多 PHM 设备上机,并允许供应商和运营商从使用中获得维护积分。总而言之,现在是从事航空领域这些主题的工程师的激动人心的时刻。虽然在开发更好的传感器、模型和分析方法方面正在取得进展,但航空领域本身也在迅速变化。它正在寻求通过提高推进效率来实现可持续发展,它有许多参与者希望开发和商业化电气系统,并且它正在快速进行整个生态系统的数字化转型。作为回应,该领域的系统开发人员和研究人员正在研究一些关键技术和方法,以解决这些变化带来的一些问题。本期关于航空航天系统 PHM 的特刊提供了一个论坛,讨论与该领域主题论文相关的最新进展,重点是预测和健康管理。
预测和健康管理 (PHM) 正在成为航空业最热门的研究和开发主题之一。其原因多种多样,但主要原因之一是 PHM 为运营商提供了一种降低生命周期运营成本的方法,而不必添加可能需要认证的昂贵配件。本期特刊中的许多论文讨论了基于飞行后或机外数据处理的 PHM 技术,这些技术在没有额外监管限制的情况下增加了好处。另一方面,监管机构本身也在热切地关注改变法规,以允许更多 PHM 设备上机,并允许供应商和运营商从使用中获得维护积分。总而言之,现在是从事航空领域这些主题的工程师的激动人心的时刻。虽然在开发更好的传感器、模型和分析方法方面正在取得进展,但航空领域本身也在迅速变化。它正在寻求通过提高推进效率来实现可持续发展,它有许多参与者希望开发和商业化电气系统,并且它正在快速进行整个
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。
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。
作为 PHM 计划的一部分,MCP 需要每年提交 PHM 战略可交付成果。该可交付成果展示了每个 MCP 与地方卫生管辖区 (LHJ) 在其社区健康评估 (CHA) 和社区健康改善计划 (CHIP) 中的合作,以及 MCP 实施 PHM 计划的最新进展。这些提交支持卫生保健服务部 (DHCS) 对 MCP 的 PHM 活动和进展的持续监控。为了简化提交流程,MCP 将通过 MCOD 门户提交其 PHM 战略可交付成果以供审查。
摘要:起落架是飞机的重要组成部分。然而,起落架的部件在其使用寿命内容易退化,这可能导致起飞和降落时出现摆振效应。为了减少意外航班中断并提高飞机的可用性,本研究研究了预测性维护 (PdM) 技术。本文介绍了一个案例研究,该研究基于当前在役飞机的预测和健康管理 (PHM) 框架实施剩余使用寿命 (RUL) 的健康评估和预测工作流程,这可能对机队运营商和飞机维护产生重大影响。机器学习用于使用数据驱动方法开发起落架的健康指标 (HI),而时间序列分析 (TSA) 用于预测其退化。使用来自在役飞机的大量真实传感器数据评估退化模型。最后,概述了为下一代飞机实施内置 PHM 系统的挑战。
在2023年,PHM战略可交付旨在确保满足某些国家质量保证委员会(NCQA)要求。此外,这种可交付的目的是帮助MCP与2024年开始的当地卫生部门(LHD)进行更强大的合作。从2024年1月1日开始,将需要MCP有意义地参加LHDS的当前或下一个社区健康评估(CHAS)和MCPS运营的服务领域的社区健康改善计划(CHAS)和社区健康改善计划(芯片)。MCP可以通过提供资金,人员配备,数据和其他相关功能来满足有意义的参与要求。到2023年底,DHC将更新PHM策略指南,以更全面地定义2024年及以后的“有意义的参与”要求。
摘要。近年来,人工智能 (AI) 算法在预测和健康管理 (PHM) 领域的应用研究,特别是用于预测受状态监测的机械系统的剩余使用寿命 (RUL) 的研究,引起了广泛关注。为 RUL 预测建立置信度非常重要,这样可以帮助运营商和监管机构就维护和资产生命周期规划做出明智的决策。在过去十年中,许多研究人员设计了指标或指标来确定 AI 算法在 RUL 预测中的性能。虽然大多数常用的指标(如平均绝对误差 (MAE)、均方根误差 (RMSE) 等)都是从其他应用程序中改编而来的,但一些定制指标是专门为 PHM 研究而设计和使用的。本研究概述了应用于机械系统 AI 驱动的 PHM 技术的关键绩效指标 (KPI)。它介绍了应用场景的详细信息、在不同场景中使用特定指标的适用性、每个指标的优缺点、在选择一个指标而不是另一个指标时可能需要做出的权衡,以及工程师在应用指标时应该考虑的一些其他因素。