1. <source id="413kw"><menu id="413kw"></menu></source><video id="413kw"></video>

    2. 技術中心


      技術中心

      +
      • 002ad33f-9e11-4c2b-b3e9-499ab38915e3.jpg

      裝備健康管理理論及應用

      型號:

      B4-002


      概要


      客戶留言

      產品介紹


       

      胡家文博士在裝備健康管理方面進行了相關的理論和應用研究,7月上旬的高端裝備論壇中,他給我們講述了了裝備管理的必要性。

      如高鐵、地鐵、飛機等的大型機器裝備的高強度及廣泛的使用,給裝備管理帶來了嚴峻的挑戰。同時也提及常見的維修類型分別是事后維修、基于時間的維修、視情維修、預測性維修。

      除此之外,胡博士在最新的研究項目也是把裝備維修相關的原理與電機相結合,他認為電機被應用于各種工業場合,為系統運行提供動力。電機突然失效,將導致系統停止運行,可能給企業帶來大量經濟損失,給國防安全帶來威脅,甚至影響人的生命安全,在這種大背景下。對電機健康狀態進行實時評估,并進行有效的剩余壽命預測,可及時避免突發失效的發生,對于安全、綠色生產生活具有重要的意義。電機種類繁多,工作原理不盡相同,失效模式多樣;同時個體之間除了自身原材料的差異,運行工況差別亦是極大,給電機的剩余有效壽命預測帶來了極大的挑戰。這對于后期在裝備運用中,對電機的保養和維修會有更高的理論應用水平。

       

      胡博士認為隨著傳感技術和快速計算技術的高速發展,電機在運行過程中,可以通過傳感器實時采集大量的數據,用于映射電機的健康狀態,并進一步對剩余有效壽命進行預測。學術界和工業界涌現出大量的理論研究和實際應用??偟膩碚f,剩余有效壽命預測方法可以分為三類,1)數據驅動的方法,2)物理模型驅動的方法,3)數據和物理聯合驅動的方法。數據驅動的方法把工業系統視為一個黑匣子,提取數據構建健康特征,建立退化模型,利用線下歷史數據進行數據訓練,線上實時采集數據進行預測。數據驅動的方法缺乏物理的解釋,需要大量的正常/失效數據才能確保預測的準確性,現實中失效數據缺乏成為預測精度提高的一大瓶頸。物理模型驅動的方法需要針對系統具體的失效模式,建立相應的物理失效模型,繼而開展剩余壽命預測,具有一定的局限性,而且泛化性較差。數據和物理聯合驅動的方法可以綜合利用兩種方法的優勢,在失效數據受限的情況下,有效利用物理模型,開展高精度的剩余有效壽命預測。

      胡家文博士及其團隊將充分利用諾丁漢(余姚)智能電氣化研究院有限公司和電子科技大學實驗平臺,以及技術儲備,綜合應用數據和模型驅動的剩余有效壽命預測方法優勢,構建多源異構數據融合的健康指數模型,提出高精度的在線剩余有效壽命預測方法。

      在線留言


      感謝您對我們關注,您有任何建議或意見請給我們留言。

      提交
      久久久久亚洲AV无码尤物黑人_亚洲免费在线观看_久久一级毛片_操骚屄视频
        1. <source id="413kw"><menu id="413kw"></menu></source><video id="413kw"></video>