PHM平台的故障诊断与预测的一般原理是：

　　a.数理统计的模型，通过系统现象对应的关键参数集，依据历史数据建立各参数变化与故障损伤的概率模型(退化概率轨迹)，与当前多参数概率状态空间进行比较，进行当前健康状态判断与趋势分析。通过当前参数概率空间与已知损伤状态概率空间的干涉来进行定量的损伤判定，基于既往历史信息来进行趋势分析与故障预测。

　　b.神经网络(ANN)的模型，利用ANN的非线性转化特征，及其智能学习机制，来建立监测到的故障现象与产品故障损伤状态之间的联系。利用已知的“异常特征-故障损伤”退化轨迹，或通常故障注入建立与特征分析结果关联的退化轨迹，对ANN模型进行“训练/学习”。然后利用“训练/学习”后的ANN依据当前产品特征对产品的故障损伤状态进行判断。BP算法是该模型应用广泛的一种网络。另外，PHM平台还有专家系统模型、模糊综合评判模型等。

　　PHM平台技术的发展经历了故障诊断、故障预测、系统集成三个日益完善的阶段，在部件级和系统级两个层次、在机械产品和电子产品两个领域经历了不同的发展历程。当前PHM技术的发展体现在以系统级集成应用为牵引，提高故障诊断与预测精度、扩展健康监控的应用对象范围，支持CBM与AL的发展。PHM技术以一门新生力量已经成功应用于军事、民用航空以及电子领域，并大大提升各应用领域的运作效率，有着广阔的发展前景。

　　洛阳大工检测技术有限公司主要从事于设备运维管理、设备状态在线监测、油液在线监测、低速重载轴承监测、PHM平台等，为客户定制设计、集成和实施整体润滑管理方案和振动监测管理方案等。为客户推行设备状态综合监测和设备运维管理提供必要的专利技术、创新产品以及管理模式的支持!

文章来源于洛阳大工检测技术有限公司官网：http://www.dagonlube.com