IIOS-PHM 设备预测性维护故障诊断系统 — 智能运维决策引擎
融合多源感知数据与AI算法，实现设备健康评估、故障预测及剩余寿命（RUL）分析，支撑预测性维护与智能运维决策
系统概述
在当前智能工厂与工业互联网体系中，设备运行稳定性直接决定产能、质量与成本。传统的事后维修与定期检修模式存在如下问题：故障不可预知，导致非计划停机损失巨大；过度维护，增加不必要的人力与备件成本；缺乏数据驱动决策，设备寿命利用率低。
面向工厂关键设备运行不可预知、故障停机损失大等问题，本系统通过接入多源工业传感数据，融合机理模型与AI算法，实现设备健康评估、故障预测及剩余寿命（RUL）分析，支撑企业开展预测性维护与智能运维决策。系统通过融合振动、声学、电流等多源感知数据，结合故障机理建模、机器学习与深度学习算法，并引入本地大模型（LLM）推理能力，实现设备状态识别、故障预测与RUL评估的智能化闭环。
建设目标
可预测
实现关键设备运行状态实时监测与趋势预测，提前预警潜在故障
可评估
量化设备健康度与剩余使用寿命（RUL），支撑科学维护决策
可干预
将维护模式从”事后维修”转向”预测性维护”，降低停机损失，提升设备OEE与寿命周期价值
核心功能
多源数据接入
支持振动、声学、温度、电流等多源工业传感数据实时采集与融合分析
故障机理建模
基于故障机理模型与AI算法，实现设备故障特征提取与智能诊断
RUL预测
结合深度学习算法，量化评估设备剩余使用寿命，科学指导维护计划
本地LLM推理
引入本地大模型推理能力，实现设备状态识别与故障分析报告的智能生成
智能预警
多级报警阈值设定，支持基于国际标准的振动烈度评估与故障趋势预警
运维闭环
从状态感知 → 故障诊断 → 健康评估 → 维护决策的完整智能化闭环
传感器硬件套件
温振传感器套件
一体式温振传感器，集成温度与三轴振动加速度采集能力，分为基础版、标准版、专业版三个系列：
基础版
支持Modbus协议，支持RS485有线或4G CAT1传输。采集温度、三轴振动加速度时域数据。支持ISO-13373、ISO-10816/20816国际标准，通过振动烈度评估、报警阈值设定实现基础故障监测。
标准版
支持Modbus协议，具备RS485接口，1KHz采样率采集三轴振动加速度。传感器自带频谱分析，分析计算振动特征值、关键频谱点X1/X2/X3等，秒级上报时域值、频谱频点振幅、振动特征值，实现故障特征分析。
专业版
使用POE供电供网，支持1KHz~10KHz采样率采集三轴振动加速度数据、表面温度数据。通讯支持TCP/IP协议。传感器不带算法，搭配PHM-EdgeBox实现故障预测。
PHM-EdgeBox 边缘分析计算套件
PHM-EdgeBox采用国产全自主瑞芯微芯片，支持1TOPS NPU算力、1GB内存、8GB存储、双网口，应用于PHM边缘端，采用深度学习技术，实现工业设备故障机理诊断。PHM-EdgeBox搭配专业版一体式温振传感器套件，实现设备故障诊断算法诊断。
支持的故障诊断算法列表
基础结构与转子系统故障
- 结构体异常
- 轴线不对中（轻微）
- 轴线不对中（中等）
- 转子不平衡
- 结构松动
- 磨碰预警
- 磨碰告警
轴承系统故障
- 外圈损伤
- 内圈损伤
- 滚动体故障
- 保持架异常
- 轴承整体异常
- 轴承润滑不良
滑动轴承
- 油膜涡动
- 轴瓦磨损
齿轮传动系统故障
- 轮齿断裂
- 轮齿磨损
- 齿面点蚀
- 偏心与间隙异常
- 齿轮整体异常
流体动力部件故障
- 叶片磨损
- 叶片喘振
往复式压缩机专属故障
- 活塞异常
- 阀门异常
- 十字头/连杆松动
- 活塞杆位移异常
- 气缸异常/支撑松动
- 曲轴箱磨损/磨碰
用户价值
降低非计划停机
提前预警设备潜在故障，变事后抢修为预测性维护，减少非计划停机损失
优化维护成本
基于设备实际健康状态制定维护计划，避免过度维护，降低人力和备件成本
提升设备OEE
数据驱动决策，充分释放设备寿命周期价值，最大化设备综合效率