预测性维护应用场景覆盖轨道交通、电力、水电、风电、核电、电网、管网、煤矿、石化、机械、钢铁等众多工业领域，预测性维护强调提前预测，提前维护，把出现故障的损失风险率降到最低。

《智能服务预测性维护 算法测评》检测标准第一起草专家可以为您提供专业的检测标准解析、检测相关算法解答、检测数据的分析，测试合格线的划定。

您是否对检测标准也存在以下相关问题:

1) 8.1.1状态监测算法模块，如果采用标准中提到的阈值报警模式，原始信号去噪后，仍波动较大，而算法估计值较为平滑，小波动也要被认为是异常吗?

2) 8.1状态监测算法的测试指标，为何不涉及误报率?

3)8.2.1故障诊断算法模块，GBT43555将算法分为专家系统和机器学习两类，测试指标也有所不同，但是从结果来看都是对故障的识别，为何不采用同样的测评指标

呢?

8.2.3故障诊断算法模块，机器学习类别，误识别率为什么不涉及?4)

5)8.3.2预测算法模块，预测准确率的形式比较特别，为何引入自然对数e?其适用范围是什么?

9.3.1.1算法测试基本要求中，提到生命周期的概念，如何定义一个设备的生命终点呢?比如轴承，劣化到什么程度，算寿命为0?6)7) 附录E.1 实验室设备数据和测试台架数据如何理解，两者的区别是什么?

8)、附录E.1仿真数据或者数字孪生数据，是否可作为算法测试的数据来源?业界对仿真模型或数字孪生教据的信任程度是什么样的?本文标签:深圳测试中心 轨道交通,做检测,电力,预测性维护,算法测评,水电,风电