2.4　數據驅動的故障預測方法

數據驅動的故障預測基本前提是已知產品在各種故障狀態下的特征值，在檢測到故障征兆的情況下，將產品實際運行狀態的特征值與已知的故障狀態特征值進行分析和比較，以判別當前的健康度，再通過與已知的故障發展規律相對應的特征值進行對比來推斷未來的健康狀態，或預測其剩余壽命。數據驅動的故障預測過程包括圖2.8所示的數據采集、數據存儲、數據分析和數據應用等。數據驅動的故障預測方法則根據模型的不同分為基于退化過程模型的方法、基于機器學習的方法和基于深度學習的方法等。

圖2.8　數據驅動的故障預測模型與過程