《智能制造基础与应用》2.7 数字化远程维护_第1页
《智能制造基础与应用》2.7 数字化远程维护_第2页
《智能制造基础与应用》2.7 数字化远程维护_第3页
《智能制造基础与应用》2.7 数字化远程维护_第4页
《智能制造基础与应用》2.7 数字化远程维护_第5页
已阅读5页,还剩9页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

智能制造基础与应用高等职业教育“十三五”规划教材

*

智能制造基础与应用

第二章智能制造数字化基础第二节数字化设计与仿真第三节数字化工艺第四节数字化加工与装配第五节数字化控制第六节数字化生产管理第七节数字化远程维护第一节概述数字化远程维护7第七节

*

智能制造基础与应用一、数字化远程维护的背景网络化制造环境下企业的产品质量控制是企业运行管理的主要功能模块。企业如何去适应快速变化的市场需求,不断以快速度、高质量、低成本和优质服务向市场提供满足用户需求的产品,以求得生存和发展已成为企业共同追求的目标和永恒的主题。质量控制不仅是对产品实物本身的控制,而且更强调对产品质量形成过程进行控制,即通过控制过程质量的方法来控制最终产品实物的质量。随着高科技的不断注入,现代装备的高集成化、高智能化以及分析处理问题的高效化日益增强,随之而来的系统的故障诊断、维修保障和可靠性越来越受到人们的高度重视。

*

智能制造基础与应用二、预测与健康管理(PrognosticsandHealthManagement,PHM)的基本概念PHM(PrognostiesandHealthManagement)预测与健康管理技术是综合利用现代信息技术、人工智能技术的最新研究成果而提出的一种全新的管理健康状态的解决方案。

*

智能制造基础与应用1.发展历史(1)从外部测试到机内测试(BIT)(60-70年代)早期的飞机系统比较简单,航电系统为分立式结构,依靠人工在地面上检测和隔离飞机中的问题(外部测试)。这些飞机由彼此独立的模拟系统构成;随着飞机系统变得复杂,机内测试(BIT/BITE)被引入飞机中,先是为了警告飞行员在重要部件中出了关键故障,后来又成为支持机械师查找故障的助手。

*

智能制造基础与应用(2)从BIT到智能BIT(80年代)为了解决常规BIT存在的问题,美国原罗姆航空发展中心(RADC)在80年代初率先提出运用人工智能技术来改善BIT的效能,以降低虚警、识别间歇故障,这就是所谓的智能BIT。智能BIT是指,采用人工智能及相关技术,将环境应力数据、BIT输出信息、BIT系统历史数据、被测单元输入/输出、设备维修记录等多方面信息综合在一起,并经过一定的推理、分析、筛选过程,得出关于被测单元状态的更准确的结论,从而增强BIT的故障诊断能力。20多年来,智能BIT技术有了迅速发展,先后出现了综合BIT、信息增强BIT、改进决策BIT、维修历史BIT、自适应BIT和暂存监控BIT等多种智能BIT技术。智能BIT技术已经应用到F-16与F-15的改型和新研制的F-22、JSF等第三、第四代航空装备中。

*

智能制造基础与应用(3)综合诊断的提出和发展(80年代后期至90年代)20世纪70-80年代,复杂装备在使用中暴露出测试性差、故障诊断时间长、BIT虚警率高、使用与保障费用高、维修人力不足等各种问题,引起美英等国军方和工业部门的重视。美军及工业界分别针对自动测试设备(ATE)、技术资料、BIT及测试性等各诊断要素相继独立地采取了很多措施,力图解决这些使用与保障问题,结果不理想。问题的根源在于各诊断要素彼此独立工作,缺少综合;而且除测试性和BIT外,都是在主装备设计基本完成后才开始设计的。从解决现役装备保障问题的角度出发,美国国防部颁布军用标准和国防部指令,强调采用“综合后勤保障”的途径来有效解决武器装备的保障问题。“诊断”问题成为贯彻综合后勤保障的瓶颈。美国原安全工业协会于1983年首先提出了“综合诊断”的设想,对构成武器装备诊断能力的各要素进行综合,并获得了美国军方的认可和大力提倡。

*

智能制造基础与应用2.PHM系统的组成(1)数据采集利用各种传感器探测、采集被检系统的相关参数信息,将收集数据进行有效信息转换以及信息传输等。(2)信息归纳处理接受来自传感器以及其它数据处理模块的信号和数据信息,将数据信息处理成后续部件可以处理的有效形式或格式。该部分输出结果包括经过滤波、压缩简化后的传感器数据,频谱数据以及其它特征数据等。(3)状态监测接受来自传感器、数据处理以及其它状态监测模块的数据。其功能主要是将这些数据同预定的失效判据等进行比较来监测系统当前的状态,并且可根据预定的各种参数指标极限值/阈值来提供故障报警能力。

*

智能制造基础与应用(4)健康评估接受来自不同状态监测模块以及其它健康评估模块的数据。主要评估被监测系统(也可以是分系统、部件等)的健康状态(如是否有参数退化现象等),可以产生故障诊断记录并确定故障发生的可能性。故障诊断应基于各种健康状态历史数据、工作状态以及维修历史数据等。(5)故障预测决策故障预测能力是PHM系统的显著特征之一。该部件由两部分组成,可综合利用前述各部分的数据信息,评估和预测被监测系统未来的健康状态,并做出判断,建议、决策采取相应的措施。该部件可以在被监测系统发生故障之前的适宜时机采取维修措施。该部分实现了PHM系统管理的能力,是另一显著特征之一。(6)保障决策主要包括人-机接口和机-机接口。人-机接口包括状态监测模块的警告信息显示以及健康评估、预测和决策支持模块的数据信息的表示等;机-机接口使得上述各模块之间以及PHM系统同其它系统之间的数据信息可以进行传递交换。需要指出的是,上述体系结构中的各部件之间并没有显明界限,存在着数据信息的交叉反馈。

*

智能制造基础与应用

*

智能制造基础与应用三、案例分析本案例是某机械加工企业的预测与健康管理系统,本系统的质量控制技术不依赖零件的质量特性分布,而是通过控制加工过程参数(工序影响因素)的方法来间接控制加工工序的质量特性。这种间接控制方法的优点是不必逐件检测零件,缩短了检验时间。系统根据监控对象将基于PHM的机械加工过程质量控制技术的

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论