PHM-设备健康诊断与故障预测

数据接入管理

对产品硬件端的传感器部署、边缘计算部署、软件功能部署等进行设计，支持主流的协议转换，以及基于4G、5G等方式的数据采集，实现多种物联网设备的高并发接入。

数据清洗处理

对设备端采集的数据进行多样化处理，包括一致性检查、无效值处理、孤立值处理、缺失值处理等，并应用聚类算法、深度神经网络等AI算法对数据进行自动清洗。

数据存储管理

主要完成PHM所涵盖业务应用场景的所有海量数据存储要求，对数据进行分层、分类管理，确保数据的唯一性、完整性、可追溯性等，同时要满足高效、及时的处理要求。

状态监测

主要完成传感器选型与明确监测参数、海量监测数据预处理（如奇异值剔除、数据平滑处理、数据降噪等），监测数据特征提取（如时域特征、频域特征、时频域特征）等，同时对设备异常状态进行监测并预警。

健康状态报警

主要基于海量监测数据，采用支持向量机、神经网络等人工智能算法，完成产品的健康度评估，实现早期异常报警、亚健康状态报警等。

故障分析与诊断

主要基于海量监测数据，采用卷积神经网络、循环神经网络等深度学习算法，实现产品的故障诊断与分析，实现产品故障的快速精确诊断，给出相应的维修建议，同时故障分析与诊断算法能够实现自学习自进化。

维护决策

实现与企业售后服务等系统的集成，基于健康状态报警、故障诊断分析等结果，确定故障等级、影响范围、影响程度、故障位置与原因等，制定相应的维修维护措施。

可视化与报表

主要采用柱状图、折线图、雷达图、散点图、饼图等图形以及表格，可视化地呈现状态监测、故障诊断、健康状态评估等结果，便于用户了解分析诊断结果；同时，用户也可以查询历史的海量监测数据。

基础管理

主要包括角色管理、权限管理、密码管理、日志管理、设备注册、设备增减、设备定位管理、用户运维辖区管理、数据加密管理、远程升级等管理。