天泽智云出席IEEE PHM2018国际大会

6月11-13日,第九届IEEE PHM2018国际会议在美国华盛顿召开。此次会议由国际性电子技术与信息科学工程师协会、全球最大的非营利性专业技术学会IEEE举办,汇集来自全球百余位PHM领域专家和技术精英,共同探讨故障预测与健康管理(PHM)、基于状态的维护(CBM)、数据建模等技术在航空军工、汽车电子、无损检测(NDE)、制造装备、云计算、核电等多个领域的应用。

天泽智云CTO刘宗长博士应邀参加 “大数据与PHM”分论坛专题报告与研讨,并在“交通行业的PHM应用”研讨会介绍了“工业人工智能技术在轨道交通行业的PHM应用”。此报告中介绍了天泽智云与中车青岛四方股份有限公司联合开发的基于CPS 5C 架构的高速列车动车组整车PHM系统方案及实施成果。

近年来,故障预测与健康管理(PHM)已经彻底改变了产品可靠性的观念,数字电子技术被广泛地应用于手机、汽车等现代生活的诸多方面。

对于商业和军事系统而言,产品在使用过程中发生故障更是可能会引发灾难性的后果,所以它们对产品的健康(衰退)评估,故障的诊断和预测(可靠性和剩余使用寿命的实时预测)的可靠性提出了更高要求。

云计算和计算机用户希望通过计算机系统提高设备的可靠性和可用性,而PHM的目标是最大限度地减少由于操作失误、系统电子设备退化而导致的数据丢失,解决无故障发现(NFF)及关键应用程序无法使用计算机的问题。

将PHM应用于制造业的制造过程和设备管理,可以节约维护成本、减少宕机时间,并最终提高产品质量及可靠性,这是被动维护向预防性维护转变的自然过程,也是主动维护的关键所在。

将PHM应用于航空电子设备和军事系统可提高系统操作的可靠性和成本的可控性,至今已有20多年的历史。其关键是提高传感器的可靠性及数据的精确度,将算法和软件结合,对设备故障进行诊断、预测和健康管理,并开发成熟的集成环境。

将PHM应用于智能电网和绿色能源系统(如风力发电设备),可在生产、可靠性和维护方面带来巨大的收益。风能PHM的目标是开发一套自主的健康管理系统来控制风功率,特别是可编程逻辑控制器(PLC)。它由智能的现场监测,故障隔离和定位(诊断),性能退化预测以及剩余使用寿命评估(预测)组成。

PHM还可以通过延长维护周期来确保LED照明系统的可用性;通过减少检查成本、维修、停机时间和库存来降低生命周期成本;可以降低间歇性故障发生的频率;提供系统故障的高级预警;通过提前计划和主动维护,防止故障的发生,延长设备使用寿命,并获得历史数据用于改进以后的设计。

北京天泽智云技术有限公司CTO刘宗长博士出席了此次会议。刘博士在“大数据与PHM”分论坛介绍了“集群和大数据环境下,基于信息物理系统(CPS)的故障预测与健康管理(PHM)方法”,并与吕勒奥理工大学Dr. Diego Galar、香港城市大学李立帅博士一起就工业大数据与PHM等话题展开技术探讨。

对于数据驱动的PHM故障预测与健康管理,刘宗长博士在会上提出时间机器(Time Machine)的研究方法,并指出四点改进方向——平衡集群环境中共性和多样性、解决工业大数据“3B”问题、自意识和自适应系统的未知关系、及提高决策的准确性。

“机器是连续运行的,但计算和控制在离散时间内运行,所以需要一个信息-物理接口来离散机器状态的操作”,刘宗长解释道,“时间机器方法具有将连续数据转换为离散数据的特点,可用于可靠性和健康管理中隐性问题关系间的建模。”