复杂工程系统预测与健康管理和测试性设计的集成技术关键问题研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61873122
  • 项目类别:
    面上项目
  • 资助金额:
    63.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0301.控制理论与技术
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

Prognostics and Health Management (PHM) is an advanced technology in the developed world such as the United States of America and the European Union, to improve the “RMSST” (Reliability, Maintainability, Safety, Supportability and Testability) and reduce the cost in the whole life cycle of engineering systems. Researches on the theories and methods of PHM have being carried out widely and deeply in China with tremendous world-class achievements; however, there is still a huge gap between China and the western developed countries on the application fundamental research of PHM. . This project focuses on the common fundamental problems associated with the application of PHM, and studies the key issues in integration technology of PHM and Design of Testability (DoT) for complex engineering systems such as the high-powered marine diesel engines. The research contents include the following aspects: (1) PHM-oriented life-cycle DoT theory, which will combine the idea of feedback and self- adaptation in control systems to solve the problems of testability modeling, generation of diagnostic test strategy, test sequencing optimization under unreliable tests, life-cycle test evaluation, and so on; (2) New data management and PHM techniques based on life-cycle comprehensive test information, which aims to solve the structured or semi-structured data modeling of multi-source and heterogeneous test information, fault diagnosis, prognosis and health evaluation methods under multi-layer uncertainties; and (3) Application of the new developed theories or methods for the electronically controlled common-rail system of marine diesel engines. . The research task is to solve the new scientific problems in the cross realm between PHM and DoT. The expected achievements can offer new perspectives, methodologies and technologies in the field of testability design, health management, and intelligent maintenance for complex engineering systems, in hopes that, actual applications of PHM technology can be achieved widely in China.
预测与健康管理(PHM)是欧美国家提高系统可靠性、维修性、安全性、保障性、测试性和降低系统全寿命周期费用的重要前沿技术,我国在理论研究方面国际先进,但PHM应用基础研究远滞后于国外发达国家。本项目针对PHM技术应用共性基础问题,以大功率船用柴油机为对象,研究:(1)面向PHM的全寿命周期测试性设计新方法,融合反馈和自适应思想,解决动态故障测试性建模和诊断策略生成、不确定测试优化以及全寿命周期测试性评价等问题;(2)基于全寿命周期综合测试信息的数据管理与PHM新技术,解决多源、异构测试信息结构建模、多层不确定性下的诊断、预测与健康评估实用新技术等问题;及(3)上述新方法和新技术在大功率船用柴油机共轨系统上的工程验证。项目研究内容是健康管理和测试性设计交叉领域的新问题,研究成果将为推进PHM理论全面转向工程应用、提升我国复杂工程系统测试性设计、健康管理和系统维护的应用基础研究水平提供实践经验。

结项摘要

复杂工程系统对预测与健康管理(PHM)先进技术需求急迫,但因普遍存在的故障测试代价高、微小渐变故障检测性能差、系统健康退化预测难等问题,以及系统可测状态信息具有多源异构、多时空耦合、非均衡、小样本、无标签等特点, PHM技术的工程实践不及预期。.本项目针对复杂工程系统PHM技术研究与应用中的共性基础问题,开展了面向PHM的全寿命周期测试性设计、全寿命周期健康状态数据建模与管理、以及PHM新技术研究与应用验证等研究工作,提出了基于定量因果图的最优传感器配置方法、基于深度copula函数的测试序列优化方法、基于D-S证据理论的多源信息融合方法、基于智能模型的故障诊断和寿命预测方法等若干具有良好原始创新性的理论方法和应用技术,初步构建了面向PHM的动态测试性设计框架和基于信息融合的诊断预测方法体系,显著提升了工程系统中微小、复合故障的检测、诊断和预测能力。.项目组针对大功率船用柴油机电控共轨系统开展应用验证,实现高压油泵、喷油器、限流阀等关键部件卡滞、磨损等12类微小故障诊断准确率90%以上。另外,相关技术推广应用于城轨车辆车门系统,实现60余种故障和退化模式的准确诊断和可靠预测,项目成果推广应用成效显著。.项目执行期内,已发表学术论文44篇(SCI检索23篇,EI 检索19篇);申请发明专利13件(已授权5件);获江苏省科学技术奖一等奖1项、广东省科技进步二等奖1项以及中国自动化学会、中国电子学会、中国机械工业学会科研奖励4项;参加国内外会议20余人次(做大会报告3人次),邀请国内外相关领域专家讲学10余场次;培养相关领域专业人才10人。.项目研究成果为测试性与PHM融合设计理论提供一些新思想和新方法,部分新技术获得成功应用,为PHM应用实践提供了成功经验。

项目成果

期刊论文数量(33)
专著数量(0)
科研奖励数量(6)
会议论文数量(11)
专利数量(13)
Multivariate Relevance Vector Regression Based Degradation Modeling and Remaining Useful Life Prediction
基于多元相关向量回归的退化建模与剩余使用寿命预测
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    IEEE Transactions on Industrial Electronics
  • 影响因子:
    7.7
  • 作者:
    Xiuli Wang;Bin Jiang;Shaomin Wu;Ningyun Lu;Steven X. Ding
  • 通讯作者:
    Steven X. Ding
基于无标签、不均衡、初值不确定数据的设备健康评估方法
  • DOI:
    10.13195/j.kzyjc.2018.1493
  • 发表时间:
    2020
  • 期刊:
    控制与决策
  • 影响因子:
    --
  • 作者:
    王村松;陆宁云;程月华;姜斌
  • 通讯作者:
    姜斌
A Normal Behavior Model Based on Power Curve and Stacked Regressions for Condition Monitoring of Wind Turbines
基于功率曲线和堆叠回归的风力发电机状态监测正常行为模型
  • DOI:
    10.1109/tim.2022.3196116
  • 发表时间:
    2022
  • 期刊:
    IEEE Transactions on Instrumentation and Measurement
  • 影响因子:
    5.6
  • 作者:
    Francisco Bilendo;Hamed Badihi;Ningyun Lu;Philippe Cambron;Bin Jiang
  • 通讯作者:
    Bin Jiang
复杂系统维护策略最新研究进展:从视情维护到预测性维护
  • DOI:
    10.16383/j.aas.c200227
  • 发表时间:
    2021
  • 期刊:
    自动化学报
  • 影响因子:
    --
  • 作者:
    陆宁云;陈闯;姜斌;邢尹
  • 通讯作者:
    邢尹
Condition-based maintenance optimization for continuously monitored degrading systems under imperfect maintenance actions
基于状态的维护优化,用于在不完善的维护操作下持续监控的退化系统
  • DOI:
    10.23919/jsee.2020.000057
  • 发表时间:
    2020
  • 期刊:
    Journal of Systems Engineering and Electronics
  • 影响因子:
    2.1
  • 作者:
    Chen Chuang;Lu Ningyun;Jiang Bin;Xing Yin
  • 通讯作者:
    Xing Yin

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Multi-objective Process Parameter Optimization for Energy Saving in Injection Molding Process
注塑工艺节能多目标工艺参数优化
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Journal of Zhejiang University-Science A (Applied Physics & Engineering)
  • 影响因子:
    --
  • 作者:
    陆宁云
  • 通讯作者:
    陆宁云
空分设备粗氩塔氮塞的诊断与估计方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    化工自动化及仪表
  • 影响因子:
    --
  • 作者:
    陆宁云
  • 通讯作者:
    陆宁云
一种基于贝叶斯网络的故障预测方法
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    东南大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    陆宁云;何克磊;姜斌;吕建华
  • 通讯作者:
    吕建华
基于多状态故障的卫星姿态控制系统剩余寿命预测方法
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    南京航空航天大学学报
  • 影响因子:
    --
  • 作者:
    程月华;姜斌;陆宁云;邢琰
  • 通讯作者:
    邢琰
基于时延SDG和ICA的多工况过程故障预测方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    控制工程 , Control Engineering of China
  • 影响因子:
    --
  • 作者:
    陆宁云
  • 通讯作者:
    陆宁云

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

陆宁云的其他基金

多部件耦合失效机理分析与系统级性能退化预测方法研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    54 万元
  • 项目类别:
    面上项目
基于不确定信息的轧制过程故障预测与诊断关键技术研究
  • 批准号:
    61374141
  • 批准年份:
    2013
  • 资助金额:
    78.0 万元
  • 项目类别:
    面上项目
间歇过程过渡状态性能监测方法及控制优化策略的研究
  • 批准号:
    20806040
  • 批准年份:
    2008
  • 资助金额:
    18.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码