本研究围绕eVTOL电推进电机高可靠运行需求，构建“多源状态感知—智能故障诊断—健康状态评估—寿命预测与健康管理”的AI驱动PHM研究体系。研究内容主要包括四个方面：

第一，开展eVTOL电机多源状态感知与故障数据构建研究，建立振动、电流、声音、温度、转速和推力等多源同步采集体系，构建多工况、多故障状态数据集。

第二，开展复杂工况下的AI故障诊断与异常识别研究，重点解决小样本、变转速、变负载、强噪声和跨工况条件下的故障特征漂移与诊断鲁棒性问题。

第三，开展eVTOL电机健康状态评估与剩余寿命预测研究，构建融合多源信号与物理机理的健康指数，实现电机退化状态表征、趋势预测和剩余寿命估计。

第四，开展面向可靠性提升的健康管理与智能决策研究，基于诊断结果和寿命预测结果，实现故障预警、维护策略推荐、降额运行和多电机健康协同管理。

在上述研究过程中，物理信息融合、可解释AI、多源融合、小样本学习、迁移学习和自监督学习作为关键技术贯穿故障诊断、健康评估和寿命预测全过程。

暂无内容

暂无内容

暂无内容

暂无内容