健康监测、故障诊断（PHM）
典型特点
多源感知 + 数据驱动的早期预警与寿命预测
健康监测与故障诊断（PHM）面向电机、泵机、风机，边坡、大坝、闸门及长距离能源管道，通过振动、温度、位移、渗流、应变等在线感知，融合物理与数据驱动，实现早期预警、状态评估及寿命预测，支撑精准运维与本质安全决策。
监测对象差异大：电机、泵机、风机与边坡、大坝、闸门、长距离管道等机电与土工对象并存，故障机理与时间尺度截然不同。
故障征兆多物理量耦合：振动、温度、位移、渗流、应变等指标必须同步关联，单一物理量难以定位真实成因。
早期特征微弱、易被噪声淹没：劣化初期信号能量低且与正常工况重叠，需要长期蹲守和趋势分析。
工况持续变化：转速、负载、水位、季节使故障特征漂移，必须做工况识别与归一化才能比较。
故障样本稀缺：核心装备故障稀有且代价高昂，无法依赖大样本机器学习，必须融合物理机理与统计模型。
输出对接运维决策：监测结论要支撑停机检修、备件采购与安全裁定，对预警准确率与可解释性要求高。
系统架构
