工业互联网与hm.ppt

PHP系统技术特征 通过测试和计算关键部件的剩余寿命来主动地监视系统的健康状态 健康信息用于优化维修活动及后勤保障 最好PHM系统勿需增加传感器,从已有的传感器获取健康信息 基本方法是将传感器测到的对象系统的响应与该系统模型的响应做比较 使用老化模型计算关键部件的剩余寿命 用理论推导方法或对特定部分做磨损试验得到老化模型 故障诊断与预测技术 基于数学模型的故障检测与诊断方法 特点是必须将故障数学模型化，有时建立模型很困难 不依赖实例和经验，适用于新的没有成熟经验的诊断 基于参数估计的故障检测与诊断方法 特点是须先确定一个信任域，当参数超出域时认为故障 适用于故障能由参数的显著变化来描述的诊断 基于信号处理的故障检测与诊断方法 通过对检测信号的分析处理，利用特征信号对故障进行识别和诊断。典型方法：小波变换、模态分解等 基于知识的故障检测与诊断方法 不需精确的数学模型，能模拟人的思维过程，具有自学习、自组织、自推理能力 故障诊断与预测技术 基于实例的故障检测与诊断方法 是一种使用过去的经验实例指导解决新问题的方法 优点是不需从实例中提取规则，求解快；不足是能搜集的实例是有限的，求解时可能出现误诊或漏诊 基于模糊理论的故障检测与诊断方法 征兆的描述、故障与征兆的关系往往具有模糊特性，模糊语言变量能更准确地表示这种模糊性的征兆和故障 问题在于知识获取困难：如何确定故障与征兆间的模糊规则；如何实现模糊语言变量与隶属度间的推理转换 基于神经网络的故障检测与诊断方法 利用神经网络的联想、推理和记忆能力进行知识处理 适用于复杂多模式的诊断，有离线和在线诊断两种方式 机器学习在PHM中应用 故障诊断智能化水平与系统的机器学习能力密切相关，机器学习技术是提高智能故障诊断能力主要途径： 知识获取技术 深浅知识集成表示方法 规则更新方法 4机器学习策略 机器学习-知识获取技术 知识获取是构造智能诊断系统的一个“瓶颈”问题 传统的知识获取方法： 通过知识工程师获取知识 通过知识编辑器获取知识 通过学习程序获取知识 复杂设备的智能故障诊断系统，知识获取方法： 从文本文献资料直接获取知识 专家与诊断系统交互获取知识 从经验或现有知识中学习获取知识 机器学习-深浅知识集成表示 一般说来，浅知识（人类专家的经验知识）的知识表达直观、形式统一、模块性强、推理速度快，但对于复杂过程，很难完整地表示诊断对象的领域知识，此时只有使用深知识（诊断对象的模型、原理知识）进行诊断，因此必须将深浅知识结合起来。 深浅知识的集成表示模型——树形知识结构 从纵向看，每种设备、部件和零件都具有一定的继承性 从横向看，体现了同层相关的属性 易于用面向对象的方法实现，易于实现知识管理和维护 机器学习-规则更新方法 故障诊断智能化水平与系统的机器学习能力密切相关，系统运行过程中，规则集通常需要不断更新 新模式或已有模式的新成员确定 数据库中规则更新的评价函数和属性统计方法 粗糙集理论是一种处理模糊和不精确信息的新方法——基于粗糙集理论的规则更新方法 机器学习-3种学习策略 * 简单学习： 文献、专家和资料所描述的关于诊断对象的结构、功能、运行约束条件等知识，机械学习机制为主； 主要用于元知识学习阶段 机器学习策略结构图 交互学习： 知识工程师或诊断对象处理过的知识，讲授学习机制为主； 主要用于领域知识学习和知识库丰富阶段 独立学习： 推理策略面对的新知识，归纳学习机制为主； 主要用于诊断能力改善阶段 机遇与挑战 挑战： 工业网络的安全问题，数据隐私及安全 海量数据的精准处理及应用问题 如何建立统一、开放、标准的数据平台 机遇 创造新工业价值生态的机会 推动产业全面升级 推动工业生产进入智能时代 致谢 欢迎各位专家批评指正 THANK YOU SUCCESS * * 可编辑 * 卡斯帕罗夫 VS Deep Blue 李世石 vs AlphaGo * * 整体架构中的三层核心为：企业运营协同层，工厂优化与执行层，工厂连接与自动化层，各层分别支撑不同的六大智能化指标。 ? 智能分析平台跨三层体系，分析和监控来自运营，生产，设备层级的问题。 ? 基础平台的核心是提供基础数据的一致性管理，各层级系统间数据集成，及设备自动化集成。 ? 应用移动，大数据，智能分析及物联网等先进技术与企业价值链上的不同流程中，支持实时智能化工厂运转。 * * * * 纵向集成、端到端集成及横向集成的演进路，径体现了从简单到复杂、低级到高级、封闭到开放以及现在到未来的基本特征。 * * * 第一个层次，解决可见问题 第二个层次，预防可见问题 第三个层次，解决不可见问题 第四个层次，预防不可见问题 * 材料 material 装备 machine 工艺 methods 测量 measurement