工业大数据驱动的故障预测与健康管理
来源：计算机集成制造系统杂志2022年第5期北京时间：
作者：金晓航, 王宇, ZHANG Bin
单位：1.浙江工业大学机械工程学院2.浙江工业大学特种装备制造与先进加工技术教育部重点实验室3.西安交通大学机械制造系统工程国家重点实验室4.南卡罗来纳大学电气工程系
摘要：新一代人工智能技术的发展与应用装备积累了大量数据,推动着故障预测与健康管理(PHM)进入了工业大数据时代。结合装备的功能作用、结构组成和工作特点,分析装备大数据,进行价值挖掘、信息提取进而实现装备的状态监测、异常预警、故障诊断、寿命预测、智能维护等工作十分迫切。在回顾并剖析当前PHM技术内涵、发展现状与应用的同时讨论了装备工业大数据的特点、分析方法及其工作中的难点和疑点。以风力发电机组和机械硬盘两类典型复杂装备为例,从工业大数据角度对其PHM技术进行探讨,总结当前研究工作的热点与不足,思考未来研究方向,以期为相关领域的研究人员提供一定参考。
关键词：故障预测与健康管理,工业大数据,风力发电机组,机械硬盘
基金资助：国家重点研发计划资助项目(2022YFE0198900);国家自然科学基金资助项目(51505424,51875437);宁波市自然科学基金资助项目(2021J038)。
