故障预测——实现视情维修的关键技术

NASA

　　视情维修(CBM)是美军正在大力推行的一项新的维修政策。它是根据部件的实际状态来决定对其进行更换或维修的过程，需要借助于先进的故障预测技术来实现。故障预测，即预计性诊断，是评估部件当前状态并对部件未来的状态进行预计。它通常包括两种类型，其一是对小的时间范围内部件状态的预计，如该部件是否完好、适于完成下次飞行任务?其二是预计在出现某一具体故障之前剩余的时间，进一步说，还有多长时间就必须更换该部件。这第2种类型也适于预计长期问题，如计划拆卸发动机的大修时间等。准确的预测是实施CBM计划的一个关键要求。
　　一般有三种不同的途径可用于开发故障预测技术：
　　l物理模型。这些模型是由部件领域的专家开发的，并已经用大量数据验证过，表明它们确实很精确。
　　l知识系统。由人类维修专家开发和细化的经验系统，如基于规则的专家系统、模糊逻辑系统等。专家系统和模糊逻辑处理符号信息。模糊逻辑方法在处理多值计算方面尤其有效，因此对于推理或预计性诊断功能非常有用。
　　l统计模型。能够通过对包含正常和已知故障条件的真实数据的检查过程进行学习，如线性回归模型、神经网络和数据挖掘系统。神经网络处理数字信息，它是模仿生物大脑的数学工具，它优于传统物理模型方法的主要特点在于其学习能力，即学习模式和特征。这一优点使其成为处理随时间变化的特征(如故障信号)或随时间变化的性能降级问题的强有力工具，它同样为实现预测模型提供很大方便。
　　在实际应用中，如将上述三种途径综合在一起，形成一种结合了传统的物理模型和智能分析方法，并能够处理数字信息和符号信息的混合性故障预测技术，则对于实现CBM最为有效。
　　[ 本帖最后由 zhangnan3509 于 2007-7-4 16:27 编辑 ]

yl12707791

和现在大多数的预测性维修其实应该是一个道理

frogfish

　　以下是引用yl12707791在2005-11-16 14:10:24的发言：

　　和现在大多数的预测性维修其实应该是一个道理

　　好像现在大部分领域还没达到预测维修的能力吧，更多的是采用定期维修，比如汽轮机，现在就是预测性维修和定期维修结合

张三分