大数据驱动的PHM技术和应用1126092703.docx
- 文档编号:11513394
- 上传时间:2023-03-02
- 格式:DOCX
- 页数:14
- 大小:485.36KB
大数据驱动的PHM技术和应用1126092703.docx
《大数据驱动的PHM技术和应用1126092703.docx》由会员分享,可在线阅读,更多相关《大数据驱动的PHM技术和应用1126092703.docx(14页珍藏版)》请在冰豆网上搜索。
大数据驱动的PHM技术和应用1126092703
大数据驱动的PHM技术和应用
技术创新变革未来
沓目
WHd蓉RlAtHd郢诲¥
U凰平綁Hd
—些大数据定义
大数据指的是所涉及的数据量规模巨大到无法通过传统方式,在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。
《维基百科》
大数据指人们在大规模的数据基础上可以做到的事情,而这些事情在小规模数据
《大数据时代:
生活、工作与思维的大变革》,2012
大数据集是〃庞大的、多样化的、复杂的、纵深的和/或分布式的,它由各类仪器设备、传感器、网上交易、电子邮件、视频、点击流,以及现在与未来所有可以利用的其他数字化信号源产生〃。
白宫《大数据白皮书》,2014
"BigData"之
《1984》:
TheBigBrotheriswatching
政府对社会生活有
深入干涉
Big
Govern
ment
1960年代,指代行
业中的超级企业
"BigData"之
i大数据是信息化技术的自然延伸八薦思是无处不在的数据1
汀时代
DT时代
什么是大数据:
我的答案•对事物发展全面细致的的结果
_量化一切,记录一切
-多侧面,有深度
-不为特定目标而记录
•海量数据的管理应用
一存储、追溯、查询、分析、挖掘
〃云大物移社〃
・•
%・・•
..
F•/
云计算是骨骼
・关网是感官
】大数据是大脑
-•移动化1策略
=*
社会祀是灵魂
一…-^
SXS/'-•
大数据及相关技术
大数据PHM方案PHM实践
PHM:
实现设备基于状态的维修.自主式保障.
感知与响应后勤等新思想,新方案的关键技术
PHMrPrognosticsandHealthManagement包括两层含义:
一是故障预测”即预先诊断部件或系统完成其功能的状态”确定部件正常工作的时间长度;二是健康管理,即根据诊断/预测信息、可用资源和使用需求对维修活动做出适当决策的能力。
PHM作为一门新兴学科,带动了可靠性.维修性■测试性.安全性.保障性等学科专业向综合化方向发展
据美军综合数据,在武器装备的全寿命周期费用中,使用与保障费用占到了总费用的与使用保障费用相比”
基于状态的维修(CBM)、货架产品(COTS)、自主保障(AL)等都
在军机方面,具体到地面保障设备,JSF的自动测试设备(ATE)洛马之星(LM-STAR)与F・16的保障设备相比规模小很多,F・16的保障设备在基地级至少有6种类型,而洛马之星仅有基本型、光电射频等3种类型。
从人力和后勤基础设施上比较,洛马之星将比F・16战斗机的保障设备减少40%~50%o
PHM:
两个关键转变
传统的基于单个传感器的'
诊断
〉基于智能系统的预测]
+
事件驱动的维修(即事后维修)
时间驱动的维修(即定期维修)
狀志(CBM)1
应用PHM技术的目的
/提高装备的运行安全性,系统
可靠性和维修性;
/减少装备的停机维修时间;
“降低装备的整个寿命周期成本
CBM的目标是仅仅对有证据表明需要维修的
才进行维修”从而确保装备安全性、可靠性
并节省总的费用。
PHM:
价值
收益
1)提供系统失效的高级告警;
2)提供视情维护能力;
3)能够为将来的设计、评估和系统分析获得历史数据及知识;
4)通过维护周期的延长或及时的维修活动提高系统的可用性;
5)通过缩减检查成本、故障时间和库存,降低全寿命周期的成本;
6)减少间歇性故障和无故障发现(nofaultfounds,NFF)的发生。
PHM:
航天测控自主保障体系
行器
操作要求
维修要求
'
补充要求/
高持续增氏
舰载库存
集成供应工程信息系统
维修建议
模拟环境
Sri
听觉
飞机返回修
6・
1舰载机补给/
补充舰载库存
/
1
缺陷项返厂
.口口
—蚁/i
维修浮/
自动及时补货
库存补给点
工厂
经验学习失
效率
服务/工厂支持部门
PHM演变历程:
舰载机
V22
E-2C
心8B
H-60
H-53COSSIIMD
计算能力的提高的应用致使F/A-18E/P和V・22的诊断能力有大幅度提升。
F/A-18A/B由在存储.传输和处理离机数据方面缺乏有效手段,致使VAV-8B.F/A-18A/B.T-45.E・2C、F-
F/A-18E/F
借助发动机状系统,使得A-7E飞机因发动机故障引发的事故率减少90%;飞机每飞行小时的维修工时率减少66%;飞机总的事故率降彳氐66%。
F-8
14C/D的诊断能力的有效性大打折扣。
PHM演变历程:
舰载机
F-8
随看机载计算、存储和处理能力的大幅提高以及当今数字飞机能力的增长,飞机系统的诊断能力获得显著改善,并进一步向预测方向发展。
对于V-22项目和H-53及H-60直升机项目,从齿轮箱到航空电子设备’整个系统状态都被监控和使维修人员和后勤计划人员从中获益。
1•数据采集
*/
厂、
2•信息处理
/
~3•状态监测~
Z
严一、
4•健康评估
记、
5.故障预测
J丿
6•保障决策
PHM:
六大组成部分
•数据采疑利用各种传感器探测、采集范检系统腿相关参数信息,雳膜数据进行有效信息转换以及蓿息传输峑
•信息I)觀处理接受来自传感器以及其它数据处理模块的信号和数据詹息”将数据信息处理成后续逐件可以处理的有效形式蠶式霾翩骚器謬压缩简化后的传感器
•状态监测I接受来自传感器、数据处理以及其它状态监测模块ms.其功能主票是将这些数据同轉定的失效判堀匏a行比技篥监测寧当前西状态"甘且可根槍预宗的各袖參薮指标极限值/阈宿来提供敌障报警能力。
•健康评估接受来自不同状态监测模块以及其它健康评估模块
确定故障发生的可镀性。
敌障诊断应基于各种健康状态历史数据、工作状态议及羅修历史薮据等。
•故障预测决策故障预测能力是PHM系统的显著特征之一。
该瓣撕聽施聽述飆鑼据靈蠶
另一显著特征之一。
•保障决策主要包垣人•机接口和机■机接口。
人•机接口包括状
」需要
g觴口使得上迹之回以及…PHM緊缢同其电系绕之间的数据信意可以歸吉递交点需要驚驢信矗藝離中的各部件之间并没有显明界限’存
电力和冷却发动机机器寿命,油的条件和性能,以及过滤条件
执行器的泄漏和磨损
换热器
omM
旋转装置磨损
PHM:
针对设备的〃望闻听切"
发电机油位,液压过滤器,泵,液压液位
电池
/氧气发址器
金气发生器
和过滤器
(~起落架:
结构疲劳寿命
发动机
沓目
轨运巩Hd
现状:
当前智能化维护的挑战
设备智能化维护的挑战
挑战一:
设备异常诊断完全凭经验
>也许只有最资深的维修员,才可以评估设备某一时刻的状态是否正常。
而非正常情况下,情况有多糟糕,每个一个维修员的定义也不相同。
>假设每个维修员心中有对每个表值运行和设备整体运行心里
有41巴尺(这里针对非正常情况下),分别是”没问题”、
"有一点问题"、"不太好"、"很糟糕"°
>而每个发射机表值含义不同,所以设备整体状况的表达也会不同。
如:
挑战二:
设备历史数据没有很好利用
>难以追回以往异常数据
>当故障发生后”很难追溯设备真正故障原因。
”因为光看故障发生前X分钟数据是很不充分的,真正导致故障原因的波动异常很有可能发生在以往X小时、甚至X天以前。
”而实际操作中也不可能拿看海量数据一条V数据往回追查,因为包含的正常数据肯定要t堀常数据多。
>所以导致了故障原因难以判断。
维修员整体评估
值1
值2
值3
值4
值5
值・・
没问题
没问题
有点问题
没问题
没问题
没问题
有点问题
浸何题
有点问题
没问题
有点问题
冏可题
没何题
有点问题
没问题
有点问题
有点问题
很糟糕
没问题
有点问题
不太好
浸问题
没问题
很熠糕
很嘈糕
没问题
没问题
没问题
没问题
>且资深维修员和刚入职维修员对发射机的定义也会不同。
现状:
当前智能化维护的挑战
设备智能化维护的挑战
挑战三:
定位异常报警原因困难
>设备的故障为某一或某多部件异常导致,而部件异常很有可能会在表值中有所体现。
>可维修员不可能时时刻刻检查发射机各个部件运行情况是否正常。
>表值瞬间异常很有可能为正常情况,但周期性瞬间异常就很有可能是真正的异常状态。
而这种周期性瞬间是通过人工无法捕捉的。
挑战四:
无法预测性维护检修
>难以进行下一步操作
>对设备状态进行评估过后,维修人员难以判断发射机未来多久后会损坏。
>对提前量把控不足,工作安排难以评定优先级。
较难安排维修周期,及维修人员。
挑战五:
备品备件库存亟需优化
”不能保证所有部件都有库存
”假如故障部件没有库存将面临很尴尬的问题。
整体方案:
大数据驱动的PHM
利用大数据和PHM技术实现设备智能化维护
业务模型化
将业芻流程、经验和知识模型化
>沉淀调度流程、监控和维护过程中的数据和处置方法
>将维护经验^知识转换为数学模型
追踪和优化
追踪智能化效果,并持续迭代
>准确度、覆盖度、响应时间
>继续推动数飙建设
>优化业务模型
>优化维护溺呈
方案原理
健康度建模
>针对对设备运行数据进行建模,将所有监控数据降维整合为"健康度曲线"这样的1维数据展现。
>针对一个维度数据进行实时分析,使评估简单,且新手维修员也会更容易入手。
二、多级预警
A将预警等级分为3级,分别为"中度预警"重度预警"、"故障预警"。
>以健康度为基础,三种预警以两种规则来进行定义,分别是"次数"和〃相隔时间"。
以此来检测持续异常报警和周期性瞬间预警。
三.异常走位
>每次预警时间将伴有预警起始时间,以及预警周期
>提供自动报警和可视化工具,根据预警期内表值曲线,以及健康度模型可清晰定位异常参数。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 驱动 PHM 技术 应用 1126092703