XiaoMi-AI文件搜索系统
World File Search SystemPHM
Microsoft Word - 飞机燃油系统预测与健康管理_王晓阳_20120106
摘要................................................................................................................ i 致谢................................................................................................................... iii 图表列表.............................................................................................................. vii 表格列表.............................................................................................................. ix 公式列表...................................................................................................... xi 缩写列表...................................................................................................... xiii 1 简介......................................................................................................................... 1 1.1 PHM 背景 ............................................................................................. 1 1.1.1 PHM 定义 ...................................................................................... 1 1.1.2 PHM 功能 ...................................................................................... 1 1.2 PHM 优势 ............................................................................................. 2 1.3 PHM 架构 ............................................................................................. 3 1.4 飞机燃油系统和 PHM ............................................................................. 3 1.5 问题陈述 .............................................................................
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。
基于系统评价和荟萃分析的首选报告项目的可解释人工智能工业资产预测和健康管理概述
摘要：可解释人工智能 (XAI) 的调查涉及生物学、临床试验、金融科技管理、医学、神经机器人和心理学等。预测和健康管理 (PHM) 是将故障机制研究与系统生命周期管理联系起来的学科。目前仍缺乏对 PHM-XAI 作品进行分析汇编的需求。在本文中，我们使用系统评价和荟萃分析 (PRISMA) 的首选报告项目来介绍应用于工业资产 PHM 的 XAI 的最新进展。这项工作概述了 PHM 中 XAI 的趋势，并回答了准确性与可解释性的问题，考虑到人类参与的程度、解释评估和不确定性量化。自 2015 年至 2021 年以来，与该主题相关的研究文章是根据 PRISMA 方法从五个数据库中选出的，其中一些与传感器有关。从选定的文章中提取数据并进行检查，获得了不同的发现，这些发现综合如下。首先，尽管该学科尚属新兴学科，但分析表明，XAI 在 PHM 中的接受度越来越高。其次，XAI 具有双重优势，它被用作执行 PHM 任务和解释诊断和异常检测活动的工具，这意味着 PHM 确实需要 XAI。第三，评论表明，PHM-XAI 论文提供了有趣的结果，表明 PHM 性能不受 XAI 的影响。第四，人类角色、评估指标和不确定性管理是 PHM 社区需要进一步关注的领域。需要足够的评估指标来满足 PHM 需求。最后，所考虑的文章中介绍的大多数案例研究都基于真实的工业数据，其中一些与传感器有关，表明可用的 PHM-XAI 组合解决了现实世界的挑战，增强了人们对人工智能模型在行业中采用的信心。
预测和健康管理系统架构定义的系统方法
预测和健康管理 (PHM) 系统通过提供诊断和预测功能来支持飞机维护，利用现代飞机上传感器数据可用性的提高。诊断提供故障检测和隔离功能，而预测可以预测系统的剩余使用寿命 (RUL)。在文献中，PHM 技术已从不同角度进行研究，涵盖各种目标，例如提高飞机系统的可靠性、可用性、安全性和降低维护成本。从设计角度来看，有几种设计方法的概念性公式可用，从而可以基于不同的框架和系统需求的推导来构建一组 PHM 系统架构。但是，尚未建立一套系统的方法来实现对 PHM 架构的一致定义。尚未深入研究架构的特征。为了解决这些差距，本文提出了一种系统的 PHM 架构定义方法，以确保在产品生命周期的开发阶段实现更完整、更一致的设计。此外，本文还根据此系统方法提出了一种通用的 PHM 架构。进行了案例研究以验证和确认该架构，确保其满足正确、完整地表示 PHM 特性的要求。
与预测和健康管理相关的标准...
预测和健康管理 (PHM) 技术通过诊断和预测活动减少了产品或流程繁重的维护任务。这些活动提供可操作的信息，使智能决策能够提高性能、安全性、可靠性和可维护性。然而，PHM 系统开发、数据收集和分析技术、数据管理、系统培训和软件互操作性的标准似乎有所欠缺。美国国家标准与技术研究所 1 (NIST) 对 PHM 相关标准进行了调查，以确定这些标准所针对的行业和需求、这些标准的范围以及文件之间的任何相似之处和潜在差距。总结了来自各个国家和国际组织的标准，包括航空运输协会 (ATA)、国际电工委员会 (IEC)、国际标准化组织 (ISO)、汽车工程师学会 (SAE) 和美国陆军 (US Army) 的标准。最后，提出了制定未来 PHM 相关标准的建议。
用于预测和健康管理的不确定性驱动的人工智能方法
近几年来，人工智能 (AI) 因其在多个工程领域取得的空前成果而广受欢迎。其中，预测和健康管理 (PHM) 领域是所谓的“工业 4.0 革命” [1,4] 的主要主角之一。PHM 方法尤其具有吸引力，因为它们有望减少故障事件的影响，并防止其发生，从而显著提高工业机器的可用性水平并降低其维护成本。机器学习 (ML) 和深度学习 (DL) 是现代人工智能的核心，有潜力提升 PHM 方法在实际应用中的影响力。
大数据条件下经济健康管理的发展...
现代航空发动机结构复杂，工作条件恶劣多变，同时航空发动机又是一个事故多发系统，传统的定期维修方式不仅资源消耗大、效率低，而且需要花费相当多的成本。例如，美国国防部每年在发动机采购上的花费约为13亿美元，而维护现有发动机的费用则在35亿美元左右。因此，美国国防部在国防采购改革中，自20世纪90年代以来就将“经济承受能力”作为国防采购改革的首要驱动力。视情维修由于规模小、效率高、经济承受能力强、可避免重大灾难性事故等特点，非常适合大型复杂系统的维修。基于状态维修（CBM）实施的前提条件之一就是要求系统具备预测自身故障、管理自身健康状况的能力，这又引出了预测与健康管理（PHM）的概念。PHM是指利用传感器获取系统的数据信息，利用各种智能模型和算法对系统自身的健康状态进行评估，在系统故障发生前进行预测，并结合现有的资源信息提供一系列维修保障措施
诊断/预测算法的验证和确认
本文介绍了在先进新型武器平台中开发预测和健康管理 (PHM) 功能所面临的程序和技术挑战。在最高级别，它提出了将 PHM 优势和目标与后勤支持概念以可衡量的方式联系起来的具体策略。作者还提供了使用此方法的示例，以确保 PHM 元素已购买到飞机上所需的东西。在下一个级别，作者评估了 PHM 算法和传感器套件中使用的验证和确认 (V&V) 方法。在正向拟合应用中，现场和最终系统数据通常较少可用，这给诊断覆盖率、检测率和误报率的验证带来了额外的障碍。作者将演示特定工具，以使用测试台开发数据、类似组件故障数据以及最终的现场数据的组合来提供 V&V 用例。将介绍故障检测、诊断和预测功能元素的指标。此外，作者讨论了模拟和真实故障数据的使用，以及为预测系统现场性能而制定的策略。讨论了信号噪声、测量不确定性和阈值设置的影响。还讨论了具有现场数据可用性的“性能指标增长”概念，并提供了这些技术和工具在应对新飞机部署挑战中的具体应用。
诊断/预测算法的验证和确认
本文介绍了在先进新型武器平台中开发预测和健康管理 (PHM) 功能所面临的程序和技术挑战。在最高级别，它提出了将 PHM 优势和目标与后勤支持概念以可衡量的方式联系起来的具体策略。作者还提供了使用此方法的示例，以确保 PHM 元素已购买到飞机上所需的东西。在下一个级别，作者评估了 PHM 算法和传感器套件中使用的验证和确认 (V&V) 方法。在正向拟合应用中，现场和最终系统数据通常较少可用，这给诊断覆盖率、检测率和误报率的验证带来了额外的障碍。作者将演示特定工具，以使用测试台开发数据、类似组件故障数据以及最终的现场数据的组合来提供 V&V 用例。将介绍故障检测、诊断和预测功能元素的指标。此外，作者讨论了模拟和真实故障数据的使用，以及为预测系统现场性能而制定的策略。讨论了信号噪声、测量不确定性和阈值设置的影响。还讨论了具有现场数据可用性的“性能指标增长”概念，并提供了这些技术和工具在应对新飞机部署挑战中的具体应用。
诊断/预测算法的验证和确认
本文介绍了在先进新型武器平台中开发预测和健康管理 (PHM) 功能所面临的程序和技术挑战。在最高级别，它提出了将 PHM 优势和目标与后勤支持概念以可衡量的方式联系起来的具体策略。作者还提供了使用这种方法的示例，以确保 PHM 元素已在飞机上投入使用。在下一个级别，作者评估了 PHM 算法和传感器套件中使用的验证和确认 (V&V) 方法。前向拟合应用通常不太容易获得现场和最终系统数据，这给诊断覆盖率、检测率和误报率的验证带来了额外的障碍。作者将演示特定工具，以使用测试台开发数据、类似组件故障数据以及最终的现场数据的组合来提供 V&V 用例。将介绍故障检测、诊断和预测功能元素的指标。此外，作者还讨论了模拟和真实故障数据的使用，以及为预测系统的现场性能而开发的策略。讨论了信号噪声、测量不确定性和阈值设置的影响。还讨论了现场数据可用性的“性能指标增长”概念，并提供了这些技术和工具在应对新飞机部署挑战方面的具体应用。