PHM是Prognostic and Health Management 的缩写，即故障预测与健康管理。PHM广泛应用于各个领域。是综合利用现代信息技术、人工智能技术的最新研究成果而提出的一种全新的管理健康状态的解决方案。PHM系统未来一段时间内系统失效可能性以及采取适当维护措施的能力，一般具备故障检测与隔离、故障诊断、故障预测、健康管理和部件寿命追踪等能力。
近年来随着大数据和人工智能算法的兴起，PHM中数据驱动方法以及人工智能在其中的应用越来越受关注。开辟此专栏是为了汇总人工智能算法（主要是传统的机器学习算法和深度学习算法）在PHM中应用的相关学术资源，会不定期更新，持续跟踪相关领域的最新研究成果。也欢迎大家在评论区推荐资源！


一、最新文章


点此进入文献汇总页


二、相关数据集

​


1、CWRU（凯斯西储大学轴承数据中心）




  • CWRU数据集是使用最为广泛的，文献较多。不一一举例。其中University of New South Wales 的Wade A. Smith在2015年进行了比较全面的总结和对比[1]。比较客观的综述和分析了使用数据进行诊断和分析研究的情况。官方网站提供的是.mat格式的数据，MATLAB直接使用比较方便。
  • Github上有人分享了在python中自动下载和使用的方法。
  • R语言中使用的方法

2、MFPT（机械故障预防技术学会）


  • 数据下载：
  • 声学和振动数据库链接​​​​
  • 使用该数据集的相比于CWRU少一些，2012年更新。一些对数据描述的论文[2]
  • MATLAB 文档关于MFPT轴承数据的故障诊断举例。

3、德国Paderborn大学


  • 数据下载
  • 相关说明及论文[3, 4]

4、FEMTO-ST轴承数据集


  • 由FEMTO-ST研究所建立的PHM IEEE 2012数据挑战期间使用的数据集[5-7]
  • FEMTO-ST网站
  • github链接：

5、辛辛那提IMS


  • 数据下载
  • 相关论文[8, 9]

6、XJTU-SY Bearing Datasets（西安交通大学 轴承数据集）


  • 由西安交通大学雷亚国课题组王彪博士整理。数据集下载：​​​​
  • 使用数据集的论文[10]

7、东南大学


  • 由东南大学严如强团队博士生邵思雨完成[12]。数据下载：
  • 相关文献[11]

8、Acoustics and Vibration Database（振动与声学数据库）

  • 提供一个手机振动故障数据集的公益性网站链接