PHM平台模型分类：

　　基于模型的故障诊断与预测

　　故障诊断与预测一般需要先在系统的模型上测试和验证，以较少的耗费来获取直观有效的数据信息。应用基于故障诊断与预测技术的系统模型，通常由一定的领域的专家给出，经过大量的数据验证，通常比较真实可靠。基于模型的故障诊断与预测技术能深入对象系统本质的性质和实现实时的故障预测，并且对象系统的故障特征通常与模型参数相近或是紧密相联系。随着对设备故障演化机理理解的逐步深入，PHM平台模型可以被逐渐修正来提高其预测精度。

　　但是，实际工程应用要求对象系统的数学模型具有较高的精度与复杂的动态系统，建立精确的数学模型往往是个难于解决的矛盾。因此基于模型的故障诊断与预测技术的实际应用范围和效果常常受到制。人们通过大量研究论证，逐步提出了许多相关的解决办法。如基于随机滤波理论的故障预测技术是基于模型的故障预测技术的典型代表，包括卡尔曼滤波、扩展卡尔曼滤波、无味滤波和粒子滤波。

　　基于状态信息的故障诊断与预测

　　现在基于状态的维修手段，直接采信被观测对象功能及性能信息进行故障诊断，是置信度很高的故障诊断、维修方法，得到了成功的应用。CBM方式是通过对设备工作状态和工作环境实时监测，借助人工智能等先进的计算访求，诊断、预测和合理安排设备未来的维修调度时间。CBM方法根据设备的实际运行状态确定设备的较小维护时间，降低设备全寿命周期费用，增加设备的稳定性。CBM的思想即只有在设备需要维护时，才进行必要的维护，大大减少了PHM平台不必要的检修、诊断耗费。

　　基于知识的故障诊断与预测

　　在实际工程应用中，常常无法获得对象系统的精确数学模型，这就大大限了PHM平台基于模型的故障诊断与预测方法的实施。而基于知识的故障诊断与预测访求不需要对象系统精确的数学模型，同时能够有效地表达对象相关的领域专家的经验知识，因此是很有前景的方法。基于知识的故障诊断与预测技术的较大优势就是能够充分利用对象系统有关的领域专家经验知识。

　　洛阳大工检测技术有限公司主要从事于拥有自主知识产权、针对重点工业设备状态在线监测系统的开发、集成、生产、售后、市场营销以及技术咨询和服务，欢迎广大客户选购。

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