本成果以大型机电装备可靠性和智慧运维为研究背景，首先建立大型机电装备相关数学模型，然后研究并开发先进的数字信号处理算法，运用物理模型结合数据驱动方式实现大型机电装备状态监测和健康管理。该成果能够实现大型机电装备的状态监测、性能分析、寿命预测和维护管理，对提高大型机电装备的自我管控能力和运行可靠性具有重要的意义，成果结构框图如图1所示。该成果技术水平国内领先。
该项成果的主要特征及关键技术如下:(1)考虑大型机电装备的具体结构及实际工况条件，制定多源传感器的优化布置策略，获取整个机电装备全面的监测信息;(2)考虑大型机电装备实际运行条件建立相关数学模型，主要包括:有限元型、物理模型、系统动力学模型、性能退化模型等;(3)基于多源传感器提供的信息数据，从多源数据的时域、频域、时频域、信号分解等角度出发，结合多源传感数据融合研究基于数据驱动的先进信号处理技术，研发适用于大型机电装备多源传感信息的预处理、特征提取及诊断分析等算法;(4)采用大型机电装备物理模型和数据驱动算法相结合的方式，实现大型机电装备故障精确预诊和性能准确评估;(5)基于大型机电装备使用记录、维修记录、历史数据及相关监测分析结果，进行维修知识及专家经验的虚拟化，构建运维专家数据库，为大型机电装备运维提供维修建议和指导措施;(6)基于本地系统平台或者云端平台进行数学模型、信号处理算法和运维数据库的融合集成，实现大型机电装备的状态监测、故障预诊、性能评估预测、维护建议、历史趋势分析、库存管理等。