HawkEye设备智能维保平台：常用的设备故障预测技术
故障预测技术
故障预测技术是在故障发生之前通过运用多学科知识分析设备故障的类型、性质、部位和严重程度等，并根据收集到的历史数据，通过相关算法建立一种数学模型，预测故障在未来一段时间内出现故障的概率。
1.基于传统可靠性理论的预测技术
基于传统可靠性理论的预测技术主要分为基于寿命分布模型和基于故障树分析的故障预测，它主要通过统计学方法研究故障设备在整个生命周期内的变化规律。基于传统可靠性理论预测技术可划分为基于寿命分布模型的故障预测技术和基于故障树分析的故障预测技术两种。
2.基于失效物理模型的预测技术
失效物理模型在产品的整个生命周期内的环境工作应力和时间应力下运用失效的机理知识进行可靠性分析。该方法主要分析产品的失效机理和失效位置等情况，通过寻找与之失效产品的相关特征参数值，确定产品的失效物理模型并根据失效物理模型估算产品的健康指数。
基于失效物理模型的预测方法将传感器获得的数据与模型相结合判断设备系统在未来一段时间内发生故障的情况。基于失效物理模型的预测方 法虽然对数据量的要求相对较低，但仍具有较高的预测精度。在复杂设备故障预测过程中失效模型应充分考虑应力、材料、几何结构与产品寿命之间的关系特征。
基于失效物理模型的预测技术虽然具有相对较高的预测精度，但也存在一定的局限性，比如产品设备参数需要人们根据实际经验确定，误差较大。由于复杂系统设备本身复杂性和不确定性使得难以建立较准确物理模型。
3.基于数据驱动的预测技术
主要通过获取产品生命周期内足够的数据信息，分析学习输入、输出以及状态参数之间的关系，建立如时间序列模型、人工神经网络模型、卡尔曼滤波模型等各种数学模型，从大量的历史数据中研究输入与输出之间的映射关系和预测模型。
基于数据驱动的预测技术方法对数学模型的依赖性较大，只要能建立相对准确的数学模型，则可以有效提高故障设备预测精度。
当前三种常见基于数据驱动的预测方法。
（1）时间序列预测方法
时间序列预测方法是一种回归预测方法。时间序列预测方法就是通过分析时间序列所反映出来的发展进程趋势，用类比的方法进一步分析得出结论，借以预测未来可达到的水平。
（2）基于滤波器的预测方法
随着滤波器算法的改进越来越完善，其在故障预测领域的研究应用也更加广泛。卡尔曼滤波器是一种线性估计器，是一个不断从预测到反复修正不断完善的过程，通过前一个估计值和后一个观测值预测系统的当前值。该方法只能解决线性系统问题，对于复杂非线性系统具有局限性，但可以和其他可以解决非线性系统问题的方法融合，从而解决单一系统的局限性。
（3）人工神经网络预测方法
人工神经网络简称神经网络，一种高度非线性动力学系统，其概念最早由心理学家和神经学家提出，是基于生物学中神经元的基本原理，旨在把人类神经元结构在计算机上的模拟。它由若干神经元连接成网络，其中每个神经元可以接受多个输入信号，按照一定的规则转换为输出信号。
神经网络主要通过考虑输入输出之间的关系从而建立动态神经网络，计算出预测输出与实际输出之间的误差，在误差梯度反方向形成前向反馈实现正节点间权值的修改，求出误差最小值，用建立的带反馈神经网络进行电梯故障预测。常见的几种神经网络主要包括BP神经网络、RBF神经网络、小波神经网络。
神经网络对非结构化和非线性系统具有很好的预测效果和自适应能力，这也是一般算法所缺失的。基于神经网络的故障预测方法可以解决难以建立精确数学模型的障碍，因此被广泛学习应用。
但神经网络也有其局限性，存在网络结构和规模没有统一科学的方法确定的问题，导致误差较大。而且需要大量的历史故障数据进行模型训练，增加了训练的难度，降低运算效率。因此需要一种算法对神经网络进行优化解决其不足之处。
文章来自网络，如有侵权，请联系删除！
武汉璞华大数据技术有限公司：https://www.purvardata.com/
HawkEye设备智能维保平台：https://www.purvardata.com/khwx.html
HawkEye IETM交互手册制作平台：https://www.purvardata.com/wl.html
