在线监测系统广泛应用于高铁、火力发电厂以及航空航天等领域，其核心内容是研究传感器输出信号的变化趋势，后续依据智能算法对设备的剩余寿命进行预测，该方法即可以防止因维修不足引起的系统故障，也可避免维修过剩造成的资源浪费，是保证机械设备安全高效运行的关键技术。
其中，在线监测系统主要有三个层次: 1.故障监测:系统能够识别机械设备的运行状态，当故障发生时能够给维修人员反馈状态信息；2.寿命预测:依据传感器采集的历史数据，对设备各零件的寿命进行预测，判别出系统的薄弱环节；3.万物互联:在线监测系统作为信息交互的一种手段，是构建万物互联的基础；在兴趣爱好的驱动下，本推文对在线监测系统相关的内容进行归纳汇总，具体如下所示：
图a-c展示了在线监测系统在工业中的应用场景，具体为: a.监测火力发电厂排放的废气，从而减缓工业生产对环境的污染；b.监测机械设备的振动信号、温度等特征，保障装备安全可靠的运行；c.监测结构的最大变形，保证桥梁的安全可靠等：图d表述了在线监测系统在人们日常生活中的应用场景，通过云平台（具体见附件）将摩拜共享单车（物）与人连接到一起。
附: 生命总是充满了各种巧合，本科期间阴差阳错学习了信号处理以及故障诊断相关课程，没想到多年后，工作中涉及到传感器设计及信号采集相关的内容，共同组成了在线监测系统非常重要的两个环节~
附录：补充材料
附1、在线监测系统主要框架？
调研可知，设备故障诊断主要包含在线和离线两种模式，具体框架如下图所示，其中，对于典型的在线监测系统主要包含数据采集、数据预处理、数据传输、特征提取、数据融合以及故障诊断等环节；
如何可靠的获取数据是搭建在线监测系统的前提，因此，大量的研究学者对传感器进行了优化改进，主要体现在高精度、低功耗、环境适应能力强以及可靠性高等；本科主要学习了信号特征提取、故障诊断以及寿命预测等相关内容，与近来学习的知识刚好构成闭环回路。
附2、寿命预测主要方法？
在线监测系统寿命预测的方法主要有三种：1、数据驱动预测方法：基于大量数据样本，通过回归、支持向量机以及神经网络神经网络等智能算法，对剩余寿命进行预测；2、基于物理的预测模型：依据实际的物理背景，建立系统损伤模型，后续通过实验数据对关键参数进行拟合；3、混合方法：同时使用数据驱动和物理模型对设备寿命进行预测，具体如下图所示：
免责声明：本文版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容！本文内容为原作者观点，并不代表本公众号赞同其观点和对其真实性负责。
为您发布产品，请点击“阅读原文”
