预测性维护｛维修｝⼜称：预知性、预见性维护｛维修｝） 预测性维护｛维修｝（Predictive Maintenance ，简称PdM）（⼜称：预知性、预见性维护｛维修｝）是以 状态为依据(Condition Based)的维护，在机器运⾏时，对它的主要（或需要）部位进⾏定期（或连续）的 状态监测和故障诊断，判定装备所处的状态，预测装备状态未来的发展趋势，依据装备的状态发展趋势 和可能的故障模式，预先制定预测性维护计划，确定机器应该修理的时间、内容、⽅式和必需的技术和 物资⽀持。预测性维护集装备状态监测、故障诊断、故障（状态）预测、维护决策⽀持和维护活动于⼀ 体，是⼀种新兴的维护⽅式。 预测性维护不仅在名字称呼上有不同，在概念的内涵和外延上也有出⼊，因此⼜有狭义和⼴义预测性维 护两种概念。 狭义的预测性维护⽴⾜于“状态监测” ，强调的是“故障诊断” ，是指不定期或连续地对设备进⾏状态监 测，根据其结果，查明装备有⽆状态异常或故障趋势，再适时地安排维护。狭义的预测性维护不固定维 护周期，仅仅通过监测和诊断到的结果来适时地安排维护计划，它强调的是监测、诊断和维护三位⼀体 的过程，这种思想⼴泛适⽤于流程⼯业和⼤规模⽣产⽅式。 ⼴义的预测性维护将状态监测、故障诊断、状态预测和维护决策多位合⼀体，状态监测和故障诊断是基 础，状态预测是重点，维护决策得出最终的维护活动要求。⼴义的预测性维护是⼀个系统的过程，它将 维护管理纳⼊了预测性维护的范畴，通盘考虑整个维护过程，直⾄得出与维护活动相关的内容。 修复性维护（Corrective Maintenance）,⼜称事后维护（Break-down Maintenance）,是“有故障才维护 （Failure Based）”的⽅式，它是以设备是否完好或是否能⽤为依据的维护，只在设备部分或全部故障后 再恢复其原始状态，也就是⽤坏后再修理，属于⾮计划性维护。 预防性维护（Preventive Maintenance ）⼜称定时维护，是以时间为依据(Time Based)的维护，它根据⽣产 计划和经验，按规定的时间间隔进⾏停机检查、解体、更换零部件，以预防损坏、继发性毁坏及⽣产损 失。这种维护⽅法也就是⽬前所普遍采⽤的计划维护或定期维护，如⼤、中、⼩修等。 预测性维护的相关概念 预测性维护最早在西⽅发达⼯业国家兴起，预测性维护的概念源起于英⽂名词“Predictive Maintenance” ， 到现在为⽌，预测性维护已经有了⼏个相似的名字，这是因为在不同领域，不同的⼈员根据⾃⼰研究的 侧重点不同，给出了不同的翻译和不同的定义。追根溯源，应该从英⽂的定义谈起。 Predictive Maintenance ，其英⽂解释为Condition Based Maintenance （CBM）或On-condition Maintenance。PdM⼀般翻译为预测性维护或预知性维护，⽽预测维护和预知维护与前⾯的翻译相⽐，仅 仅是多字少字的问题；CBM⼀般翻译为状态基维护或基于状态的维护，这个翻译按英⽂字⾯的意思直译 过来，同时引⼊了“基”的概念，使翻译专业化。有时CBM也被翻译为预测性维护，因为它的英⽂原意就 是对PdM的概念解释；On-condition Maintenance⼀般翻译为视情维护，这是翻译者根据中国⼈的习惯意 译过来的。在实际运⽤中，⼏个中英⽂名词有时被随机地组合，这都⽆可厚⾮，因为它们本⾝是⼀回 事。 沿袭运⽤到今天，⼏个名词在概念上有了⼀些细微的差别。预知性维护被定义为：以设备诊断技术为基 础，结合设备故障的历史和现状，参考运⾏环境及其它同类设备的运⾏情况，应⽤系统⼯程的⽅法进⾏ 综合判断分析，从⽽查明设备内部情况、故障和异常的性质，预测隐患的发展趋势，提出防范措施和治 理对策，这样⼀套⽅法总称为预测⽅法，把应⽤预测⽅法得到的结果纳⼊维护管理就是预知维护。它强 调了预测⽅法，包罗了维护管理；⽽基于状态的维护和视情维护⽴⾜于状态，强调了状态，它们的理论 依据是：机械和装备有⾃⼰的状态，即将出现问题的机械或装备将出现⼀些可以观察、感觉或测量到的 信号（如噪声、振动、发热、裂纹或电量的改变等）。这⾥状态有两层含义，⼀是指在某时某刻某种条 件下装备的即时状态，这是狭义的状态的概念。⼆是包含了即时状态的前⾝和后续，指的是整个⽣命周 期内的状态，即⼴义的状态概念。 《中国制造2025》提出“加快开展物联⽹技术研发和应⽤⽰范，培育智能监测、远程诊断管理、全产业链 追溯等⼯业互联⽹新应⽤。实施⼯业云及⼯业⼤数据创新应⽤试点，建设⼀批⾼质量的⼯业云服务和⼯ 业⼤数据平台”。2025计划中提到的智能监测、远程诊断与⼯业云和⼯业⼤数据平台的深度融合指明了智 能（预知性预测性预见性）维护领域的最新发展⽅向。 智能维护属于预测性（预知性）维护，是对设备和产品性能衰退过程的速测和评估，旨在保障企业产品 加⼯制造系统的“零故障”。在⼯业智能制造领域，智能维护⽹提出“⼯业智能维护”的概念，主要是利⽤ 物联⽹技术和装备监控技术与⽆线传感技术使企业管理技术和信息技术全⾯融合，实现管理过程⾃动 化、数字化、智能化、智慧化的全过程，并加上绿⾊智能的⼿段和智慧系统等新兴技术于⼀体，协助企 业打造⾼效节能的、绿⾊环保的、环境舒适的智能化⼯⼚。 预测性维护技术体系 预测性维护发展到现在，基本上形成了⾃⼰的技术体系，如图所⽰。 设备早期识别失效：P-F曲线图 P点为能够检测到的设备缺陷信号点，F点为功能故障点：为由设备缺陷信息发展到功能故障的时间历 程，称为P-F间隔。为了预防功能故障的发⽣,维修的时机应该在F点以前，⽽为了能够尽可能地利⽤设备 或机件的有效寿命，维修时机应该在P点之后。这就是说应该在P点和F点之间寻找⼀个合适的点进⾏维 修，这就是“预测-视情维修”的基本思想。 1.状态监测技术 状态监测技术发展到现在，在各⼯程领域都形成了各⾃的监测⽅法，状态监测的⽅法依据状态检测⼿段 的不同⽽分成许多种，常⽤的包括：振动监测法、噪声监测法、温度监测法、压⼒监测法、油液分析监 测法、声发射监测法等。 2.故障诊断技术 单讲“故障诊断” ，它是⼀门新发展的科学，⽽且越来越受到重视，尤其是在连续⽣产系统中，故障诊断 有着⾮常重要的意义。按照诊断的⽅法原理，故障诊断可分为：时频诊断法、统计诊断法、信息理论分 析法及其它⼈⼯智能法（专家系统诊断、⼈⼯神经⽹络诊断等）、模糊诊断、灰⾊系统理论诊断及集成 化诊断（如模糊专家系统故障诊断、神经⽹络专家系统故障诊断、模糊神经⽹络诊断等）。故障诊断是 指故障发⽣了，确实影响到设备的安全、性能、可⽤性之后，判断故障的原因什么。故障是⼀种表现， ⽽触发这种故障的原因可能有多种。需要故障诊断⼯程师配合经验、数据、现场勘查才能判断故障原 因。 3.状态预测技术 状态预测就是根据装备的运⾏信息，评估部件当前状态并预计未来的状态。其常⽤的⽅法有时序模型预 测法、灰⾊模型预测法和神经⽹络预测法。⽽对于预测⽅法的开发⼀般有三种基本途径：物理模型、知 识系统和统计模型。在实际应⽤中，可将三种途径综合在⼀起，形成⼀种结合了传统的物理模型和智能 分析⽅法，并能够处理数字信息和符号信息的混合性故障预测技术，对于实现预测性维护更为有效。 4.维护决策⽀持与维护活动 维护决策是从⼈员、资源、时间、费⽤、效益等多⽅⾯、多⾓度出发，根据状态监测、故障诊断和状态 预测的结果进⾏维护可⾏性分析，定出维护计划，确定维护保障资源，给出维护活动的时间、地点、⼈ 员和内容。维护决策的制定⽅法⼀般有故障树推理法、数学模型解析法、贝叶斯（Bayes）⽹络法(适⽤ 于表达和分析不确定和概率性事物)和智能维
2、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
3、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
4、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
化学课件-2025版《回归教材•化学》课件11讲之.第二单元 空气和氧气（人教版）.pdf
化学课件-2025版《回归教材•化学》课件11讲之.第五单元 化学反应的定量关系（人教版）.pdf
2025年职业技能口腔修复体制作工四级／中级工-理论知识参考题库含答案解析.docx
第三单元第1课+标志设计+课件+2024——2025学年人教版（2024）初中美术七年级上册.pptx
小学科学新教科版六年级上册全册知识点整理（分课编排）（2026秋）.pdf
原创力文档创建于2008年，本站为文档C2C交易模式，即用户上传的文档直接分享给其他用户（可下载、阅读），本站只是中间服务平台，本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方，若您的权利被侵害，请发链接和相关诉求至 电线) ，上传者