定义
PHM（Prognostics and Health Management，预测性健康管理）是一种基于设备状态数据的故障预测与健康管理技术。通过振动、温度、电流、油液、声学等传感器采集数据，运用机器学习、物理模型、数字孪生等方法，进行故障诊断、故障预测、剩余使用寿命（RUL）预测，支撑 CBM 与预测性维护决策，实现从"故障后维修"向"故障前维护"转变。
PHM 遵循 ISO 13374、ISO 17359 等标准，采用"检测→诊断→预测→决策"流程。数据需实时、完整、准确，对通信可靠性要求高。
技术特点
PHM 采用边缘+云端架构：边缘侧进行实时采集、特征提取、简单告警；云端进行深度分析、模型训练、趋势预测。与 CBM、数字孪生、MES 集成，可形成完整预测性维护体系。物联网卡为分布在工厂、风场、铁路沿线的传感器、边缘网关提供稳定联网。
应用场景
PHM 广泛应用于风电、轨道交通、航空、矿山、石化、电力、船舶等工业场景。传感器、边缘网关通过物联网卡将状态数据上传至 PHM 云平台。达希物联为 PHM 数据采集设备提供稳定联网、专用 APN，保障状态数据实时传输与远程诊断。
进入预测前的采样约定
PHM 使用物联网卡，传的是已经按测点约定采集的状态量，不是模型结论本身。振动、温度、电流或油液指标要带着测点、采样率和时间戳离开现场，云端才有条件做诊断和剩余寿命估计。技术含义是：卡的职责停在“样本按时到达且能对上设备状态”，预测是否可信还取决于样本是否满足模型的输入约定。使用条件包括采样率在该测点上稳定、单位没有被网关换算错、设备运行工况被一起送上。停机时的温度下降如果被当成运行样本送进趋势，模型会以为设备在好转。边缘可以先做门限告警，但送给预测的序列不能为了省流量而随意抽成另一种采样率，除非模型按这个新速率重新约定。
工厂、风场或线路上的网关经常把多种协议收成统一报文，这一步若改了缩放或时间，后面的预测无法追查。协议侧的点表和上行映射应保持测点原名和原始单位可追溯。断网期间的缓存要按采样时刻而不是按补传时刻排列，否则一段缺口会被挤成高频尖峰。缓存丢了中间段，就要明确标成缺测，不能用直线填上再送给模型。
缺测被当成劣化趋势
容易出错的是把长时间无数据解释成设备健康。无数据可能是卡欠费、网关断电或传感器断线，和轴承趋势无关。缺测应单独计数，连续缺测到阈值就报采集故障，而不是让预测曲线停在最后一次正常值上。另一类错误是时钟漂移。网关时间慢，新样本被插入到历史中间，趋势出现来回跳动，被误判成早期故障。对时失败时，这批样本不应进入预测。
工况没对齐也会制造假劣化。同样的振动在高负荷和空载下差很多，若只上传振动不上传负荷或转速，模型会把负荷变化当成损伤发展。维修更换部件后，若不重置该测点的健康基线，新部件的正常值会被接在旧趋势后面，看起来像突然失效或突然痊愈。验收用一段已知的停机和一段人为拔掉传感器：平台应分别显示停机和缺测，预测任务跳过这两段，而不是给出一条连续变坏的曲线。
停机样本不得进入健康趋势
设备停机期间的温度下降和振动消失，应标成停机，不能送进剩余寿命计算。传感器拔掉后的空白是缺测，连续缺测到阈值报采集故障，曲线停在最后一次正常值会掩盖断线。网关时间不准时，新样本不要插入历史序列。负荷或转速没有一起上传时，振动变化先作为工况不明，不直接记成劣化。
更换部件后要重置该测点的基线，否则新部件的正常值会接在旧趋势末端，看起来像突然失效。补传按采样时刻排列，中间丢掉的段保持缺口，不用直线填上。用一段已知停机和一次拔传感器检验：预测任务跳过这两段，采集故障单独出现。做到这些，卡送上来的状态量才可以进入预测。