基于数据科学框架的故障预测与健康管理

工业大数据背景下，依托海量数据，采用数字建模技术并运用数据科学理论方法对复杂工程系统进行设计、优化、生产、运维已逐渐成为下一代工业工程的研究范式。以故障预测与健康管理（Prognostics and Health Management，PHM）这个高端工程系统标志性技术为研究对象，采用Transformer、图神经网络、基于物理信息的神经网络、分层强化学习等新一代深度学习方法，开展PHM宏观、微观数字模型构建，基于PHM数字模型的工程系统综合运维决策优化等一系列研究，通过PHM与数字孪生、复杂网络、人工智能的深度融合，从底层优化系统运维保障的各个环节，相关成果可为各种复杂工程系统的研究、设计、制造、试验和运行管理从“信息化”向“数字化、智能化”转型提供理论与技术支持。