所谓设备的监测、故障诊断、预测与健康管理PHM包括设备健康状态的检测、监测、故障诊断、预测与健康管理。健康状态是指与期望的正常性能状态相比较的性能下降或偏差程度。检测、故障诊断的内涵较为明确，它们是预测的前提。预测即评估部件或系统未来某一时间完成其功能的能力，包括确定部件的剩余使用寿命或正常工作的时间长度（失效前时间）；健康管理则是根据诊断／预测信息、可用资源和服役条件（使用制式、环境因素、未来使用需求等）、系统可靠性和系统安全要求对运行状态调控、维修活动做出适当决策的能力。设备状态监测、故障诊断、预测与健康管理（PHM）是事关设备质量管理和效能发挥的现实问题，也是21世纪提高复杂系统“五性”（可靠性、维修性、测试性、保障性和安全性）和降低寿命周期费用的一项富有前途的技术。

健康状态监测、故障诊断、预测与管理（PHM）概念产生于20世纪90年代末。为实现美军重大项目F-35联合攻击机的经济承受性、保障性和生存性目标，F-35联合攻击项目引入了基于故障预测能力，从全系统的角度来识别和管理故障的发生的健康状态监测、故障诊断、预测与管理（PHM）概念，从而减少飞机的维修人力，提高维护效率，增加出动架次，实现自主式保障。

近年来，有关PHM的研发和学术交流非常活跃。美国圣地亚国家实验室与美国能源部、国防部、工业界和学术界合作建立了预测与健康管理创优中心（COE），支持相关技术开发和技术验证与确认；美国NASA也成立了类似机构；马里兰大学先进寿命工程研究中心成立预测与健康管理联合会，致力于电子预测与管理方法的研究和培训；美国密歇根和辛辛那提大学等联合工业界成立的“智能维护系统（IMS）中心”、佐治亚理工学院智能控制系统实验室、宾夕法尼亚州立大学应用研究室实验与旋翼机创优研究中心、南卡罗莱纳大学的状态基维护中心等皆致力于PHM相关理论与技术的研究工作。知名的国际学术会议COMA- DEM、MFPT、IWSHM都大幅度增加PHM论题的比重。PHM技术在民用领域也得到足够的重视。作为典型案例，如波音777和空客系列已例行地采用了HUMS。

PHM 也得到国内学术界、工业部门及职能管理部门的广泛关注，多层次的探索、研发工作已经开始谋划与实施并取得了可喜的阶段性进展。

《国家中长期科学和技术发展规划纲要（2006～2020）》明确指出：重大产品和重大设施寿命预测技术是提高运行可靠性、安全性、可维护性的关键技术。“十一五”期间的国家863计划在先进制造技术领域设立了寿命预测技术专题，“十二五”和“十三五”期间则把重大装备可靠性与智能维护技术列为重要内容，而现代交通技术领域也把服役状态监测、安全预警列为重点发展技术。国家自然科学基金长期资助该领域的理论与方法研究。这些战略措施对该领域的发展起到了推进作用，也彰显该领域技术的重要性。

设备健康管理体系框架

PHM 通过传感器从对象系统的各个层次获取监测数据，然后通过相关的数据处理和分析过程，形成诊断和预测分析，最后给出目标系统的剩余寿命分布、性能退化程度或任务失效的概率，从而为维护计划提供决策信息。在整个方法体系中，预测是实现系统性能退化预测的“核心”。

PHM 系统具备故障检测、故障隔离、故障诊断、故障预测、健康管理和寿命追踪等功能，且应能实现不同层次、不同级别的监测、故障诊断、预测和健康管理。它为实现设备保障带来如下益处：（1）提供系统失效的高级告警；（2）提供视情维护能力；（3）能够为将来的设计、评估和系统分析获得历史数据及知识；（4）通过维护周期的延长或及时的维修活动提高系统的可用性；（5）通过缩减检查成本、故障时间和库存，降低全寿命周期的成本；（6）减少间歇性故障和无故障发现现象。

PHM 系统正在成为新一代复杂设备设计和使用中的一个组成部分，它代表了一种方法的转变，即从传统的基于传感器或机内测试的诊断转向基于智能系统的预测，从反应性的状态报告转向在准确时间对准确的部位进行准确维护的主动活动。

昊鹏智能的设备智能健康管理系统HPEPHM是由昊鹏智能科技研发的、拥有自主知识产权的、基于云计算、边缘计算、工业互联网、物联网、传感网、人工智能等先进技术，用于设备的监测、故障诊断、预测与健康管理（PHM）和运维生产管理的系统。其总体框架如下图。

 

HPEPHM 设备监测、故障诊断、预测与健康管理（PHM）系统的核心是通过基于数据融合和人工智能的特征提取技术、基于专家经验和人工智能的智能诊断技术和基于设备失效概率模型与深度学习的剩余寿命智能预测技术对采集的传感器数据、维保生产数据、设备设计生产数据进行智能分析、处理、挖掘，从而实现设备健康状态的智能监测、故障诊断、预测与管理（PHM）。

相比单纯基于设备运行机理模型预测某些关键参数的变化方法和单纯基于数据驱动的数据分析方法，基于设备运行机理模型和人工智能技术结合的状态监测、故障诊断、预测和健康管理方法的HPEPHM设备监测、故障诊断、预测与健康管理（PHM）系统，可以更准确、更全面地捕捉设备状态的异常变化。

HPEPHM 系统采用基于工业互联网、大数据、边缘计算、云计算和深度学习技术可快速对设备监测传感器产生的大规模、高维度信号数据、维保生产数据、设备设计生产数据进行分析、诊断与预测，从而大大提高设备故障的监测、故障诊断、剩余寿命的预测精度。HPEPHM系统内含深度神经网络和专家经验库以使模型具有自适应优化能力，大大降低了设备数据模型的维护成本。

  系统基于数据驱动和专家经验的状态预警技术广泛适用于各种使用机械和电气设备的行业，如电力、石化、航天航空、精密加工、高端设备制造等行业的设备或过程的智能监测与预测。这些行业都具有以下需求：1）对复杂的、大量的设备传感数据进行分析、处理，以了解设备运行状态并根据设备运行状态安排生产和维修，提高生产效率避免设备故障引起的安全事故；2）建立数据模式库，结合专家知识，以构建智能的设备状态预警系统；3）实现更高效、更准确的设备管理、研发管理和安全管理。