文献类型：期刊文章

作　　者：金晓航[1,2] 王宇[3] ZHANG Bin[4]

JIN Xiaohang;WANG Yu;ZHANG Bin(College of Mechanical Engineering, Zhejiang University of Technology, Hangzhou 310023, China;Key Laboratory of Special Purpose Equipment and Advanced Processing Technology, Ministry of Education and Zhejiang Province, Zhejiang University of Technology, Hangzhou 310023, China;State Key Laboratory for Manufacturing Systems Engineering,Xi'an Jiaotong University, Xi'an 710054, China;Department of Electrical Engineering, University of South Carolina, Columbia SC 29208, USA)

机构地区：[1]浙江工业大学机械工程学院,浙江杭州310023 [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,浙江杭州310023 [3]西安交通大学机械制造系统工程国家重点实验室,陕西西安710054 [4]南卡罗来纳大学电气工程系,美国哥伦比亚SC29208

出　　处：《计算机集成制造系统》

基　　金：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)。

年　　份：2022

卷　　号：28

期　　号：5

起止页码：1314-1336

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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

分 类 号：TH17]