秦銀雷 宋奕 童建春

陸軍航空兵學院直升機機械工程系機械維護教研室 101123

淺析故障預測和健康管理（PHM）技術(shù)

秦銀雷 宋奕 童建春

陸軍航空兵學院直升機機械工程系機械維護教研室 101123

故障預測和健康管理(PHM)技術(shù)是復雜系統(tǒng)采用的便于測試和維修診斷的一種革新方案，是實現(xiàn)其經(jīng)濟可承受性的關(guān)鍵技術(shù)。本文在闡述PHM內(nèi)涵的基礎(chǔ)上，介紹了PHM技術(shù)的作用?；赑HM系統(tǒng)框架，著重分析了PHM系統(tǒng)的故障預測方法和數(shù)據(jù)融合和自動推力決策技術(shù)，最后指出了PHM技術(shù)的研究和應用現(xiàn)狀。

引言

隨著各種大型復雜武器系統(tǒng)性能的不斷提高及系統(tǒng)組成的復雜性不斷增加，各種信息技術(shù)和智能技術(shù)被廣泛應用其中，使系統(tǒng)的可靠性、維修性、故障預測與診斷及維修保障等問題日見突出。目前，對大型武器系統(tǒng)的維護仍然以定期維護和預防性維修為主，采用多、勤、細來保障系統(tǒng)可靠性及正常任務的完成。這種方式不僅耗費資源，而且效率低下。如據(jù)美國在X- 34和X- 37運載火箭研制過程中的統(tǒng)計數(shù)據(jù)表明，為保證航天飛機執(zhí)行任務的成功，每個任務期內(nèi)要耗費40 0萬美元以及2 0 0人左右的工作小組來進行預防性維修工作。因此，“經(jīng)濟可承受性”成為一個不可回避的問題，并作為大型項目研究的重點考慮因素。例如目前由美國、英國以及其他國家軍方合作開發(fā)的聯(lián)合攻擊戰(zhàn)斗機（JSF）項目就明確指出“經(jīng)濟可承受性”是其四大目標之一。據(jù)美軍綜合數(shù)據(jù)，在武器裝備的全壽命周期費用中，使用與保障費用占到了總費用的7 2%。與使用保障費用相比，維修保障費用在技術(shù)上更具有可壓縮性。故障預測與健康管理(Prognostic and H ealth M anagem en t，PHM)、基于狀態(tài)的維修(Cond ition Based Maintenance，CBM)、貨架產(chǎn)品(COTS)、自主保障(A L)等都是壓縮維修保障費用的重要手段。由于視情維修具有后勤保障規(guī)模小、經(jīng)濟可承受性好、自動化、高效率以及可避免重大災難性事故等顯著優(yōu)勢而具有很好的前景。視情維修要求系統(tǒng)自身具有對其故障進行預測并對其健康狀態(tài)進行管理的能力，可以實現(xiàn)“經(jīng)濟可承受性”的目標，由此產(chǎn)生了故障預測與健康管理概念。

1 PHM技術(shù)

故障預測與健康管理技術(shù)，也稱故障預測與狀態(tài)管理。故障預測，即預先診斷部件或系統(tǒng)完成其功能的狀態(tài)，包括確定部件的殘余壽命或正常工作的時間長短；狀態(tài)管理，是根據(jù)診斷、預測信息、可用資源和使用需求對維修活動做出適當決策的能力。綜合考慮上述兩個方面功能，PHM是指利用各種傳感器在線監(jiān)測、定期巡檢和離線檢測相結(jié)合的辦法，廣泛獲取設(shè)備狀態(tài)信息，借助各種智能推理算法（物理模型、神經(jīng)元網(wǎng)絡、數(shù)據(jù)融合、模糊邏輯、專家診斷系統(tǒng)等)來評估設(shè)備本身的健康狀態(tài)；在系統(tǒng)發(fā)生故障之前，結(jié)合歷史工況信息、故障信息、試車信息等多種信息資源對其故障進行預測，并提供維修保障決策及實施計劃等以實現(xiàn)系統(tǒng)的視情維修。PHM是機內(nèi)測試（BIT）和狀態(tài)監(jiān)測能力（CBM）的拓展，是從設(shè)備級狀態(tài)監(jiān)測與故障診斷到系統(tǒng)級綜合診斷與狀態(tài)管理的轉(zhuǎn)變，其目的是減少維修耗費、增加戰(zhàn)斗完好率和實現(xiàn)自主式保障。

2 PHM系統(tǒng)

雖然在航空航天、國防軍事以及工業(yè)各領(lǐng)域中應用的不同類型的PHM系統(tǒng)，但一般應具備故障檢測、故障隔離、增強的診斷、性能檢測、故障預測、健康管理、部件壽命追蹤等能力，通過聯(lián)合分布式信息系統(tǒng)(JD IS)與自主保障系統(tǒng)交聯(lián)。聯(lián)合攻擊戰(zhàn)斗機(JSF)的PHM系統(tǒng)分為機上與地面兩部分構(gòu)成的一體化系統(tǒng)，它采用分層推理結(jié)構(gòu)，便于從部件級到整個系統(tǒng)級綜合應用故障診斷和預測技術(shù)。

2.1 PHM系統(tǒng)的框架

PHM的體系結(jié)構(gòu)(圖1)主要由7個部分構(gòu)成，即：

圖1 PHM的體系結(jié)構(gòu)

圖2 基于特征進化的故障預測

(1)數(shù)據(jù)采集和傳輸。該部分利用各種傳感器采集系統(tǒng)的相關(guān)參數(shù)信息，將提供PHM系統(tǒng)的數(shù)據(jù)基礎(chǔ)，并且還具有數(shù)據(jù)轉(zhuǎn)換以及數(shù)據(jù)傳輸?shù)裙δ堋?/p>

(2)數(shù)據(jù)處理。該部分接受來自傳感器以及其他數(shù)據(jù)處理模塊的信號和數(shù)據(jù)，并將數(shù)據(jù)處理成后繼的狀態(tài)監(jiān)測、健康評估和故障預測等部分處理要求的格式。

(3)狀態(tài)監(jiān)測。該部分接受來自傳感器、數(shù)據(jù)處理以及其他狀態(tài)監(jiān)測模塊的數(shù)據(jù)。其功能主要是將這此數(shù)據(jù)同預定的失效判據(jù)等進行比較來監(jiān)測系統(tǒng)當前的狀態(tài)并且可根據(jù)預定的各種參數(shù)指標極限值/閥值來提供故障報警能力。

(4)健康評估。該部分接受來自不同狀態(tài)監(jiān)測模塊以及其他健康評估模塊的數(shù)據(jù)。主要評估被監(jiān)測系統(tǒng)(也可以是分系統(tǒng)、部件等)的健康狀態(tài)(如是否有參數(shù)退化現(xiàn)象等)，可以產(chǎn)生故障診斷記錄并確定故障發(fā)生的可能性。

(5)故障預測。該部分可綜合利用前述各部分的數(shù)據(jù)信息，可評估和預測被監(jiān)測系統(tǒng)未來的健康狀態(tài)，包括剩余壽命等。故障預測能力是PH M系統(tǒng)的顯著特征之一。

(6)自動推理決策。該部分接受來自狀態(tài)監(jiān)測、健康評估和故障預測部分的數(shù)據(jù)。其功能主要是產(chǎn)生更換、維修活動等建議措施。

(7)接口。該部分主要包括人—機接口和機—機接口。人—機接口包括狀態(tài)監(jiān)測模塊的警告信息顯示以及健康評估、預測和決策支持模塊的數(shù)據(jù)信息的表示等；機—機接口使得上述各模塊之間以及PH M系統(tǒng)同其他系統(tǒng)之間的數(shù)據(jù)信息可以進行傳遞。

2.2 PHM系統(tǒng)的故障預測方法

PHM系統(tǒng)顯著的特征就是具有故障預測的能力。故障預測是指綜合利用各種數(shù)據(jù)信息如監(jiān)測的參數(shù)、使用狀況、當前的環(huán)境和工作條件、早先的試驗數(shù)據(jù)、歷史經(jīng)驗等，并借助各種推理技術(shù)如數(shù)學物理模型、人工智能等評估部件或系統(tǒng)的剩余使用壽命，預計其未來的健康狀態(tài)。在PHM系統(tǒng)中廣泛應用的故障預測方法主要有：

2.2.1 基于特征進化的故障預測

該方法適用于那些具有性能退化類型故障的系統(tǒng)/分系統(tǒng)，如壓縮機和渦輪的氣路退化、油液狀態(tài)的變化以及發(fā)動機的性能退化等。該方法要求有足夠的傳感器信息來評估系統(tǒng)/分系統(tǒng)的當前狀態(tài)以及確定相應的不確定性水平。然后，通過將系統(tǒng)當前狀態(tài)同已知的故障模式進行比較來進行預測。圖2是該方法的示意圖。

2.2.2 基于神經(jīng)網(wǎng)絡(ANN)的故障預測

此類方法利用A N N的非線性轉(zhuǎn)化特征，及其智能學習機制，來建立監(jiān)測到的故障現(xiàn)象與產(chǎn)品故障損傷狀態(tài)之間的聯(lián)系。利用已知的“異常特征—故障損傷”退化軌跡，或通過故障注入(seeded fau lt)建立與特征分析結(jié)果關(guān)聯(lián)的退化軌跡，對A NN模型進行“訓練/學習”；然后，利用“訓練/學習”后的ANN依據(jù)當前產(chǎn)品特征對產(chǎn)品的故障損傷狀態(tài)進行判斷。由于ANN具有自適應特征，因此可以利用非顯式特征信息來進行“訓練/學習”與故障損傷狀態(tài)判斷。圖3是該方法的示意圖。

圖3 基于ANN的故障預測

2.2.3 基于系統(tǒng)模型的故障預測

此方法利用建立被觀測對象動態(tài)響應模型(包括退化過程中的動態(tài)響應)，針對當前系統(tǒng)的響應輸出，進行參數(shù)辨識，對照正常狀態(tài)下的參數(shù)統(tǒng)計特性，進行故障模式確認、故障診斷和故障預測(圖4)。

圖4 基于系統(tǒng)模型的故障預測

2.2.4 基于使用環(huán)境的故障預測

由美國馬里蘭大學提出的電子產(chǎn)品“壽命消耗監(jiān)控(LCM)”方法論采信的是環(huán)境信息，基于電子產(chǎn)品的失效物理模型，通過環(huán)境應力和工作應力監(jiān)測，進行累計損傷計算，進而推斷產(chǎn)品的剩余壽命。它的基礎(chǔ)是對產(chǎn)品對象失效模式、失效機理的透徹了解，并建立量化的失效物理模型。

2.2.5 基于損傷標尺的故障預測

所謂損傷標尺(p recu rso r)，是針對一種或多種故障機理，以被監(jiān)控產(chǎn)品相同的工藝過程制造出來的、預期壽命比被監(jiān)控對象短的產(chǎn)品。基于對被監(jiān)控對象特定失效機理的認識，損傷標尺可以做到定量設(shè)計。通過一系列不同健壯程度的損傷標尺，可以實現(xiàn)電子產(chǎn)品損傷過程的連續(xù)定量監(jiān)控。

2.3 PHM系統(tǒng)的數(shù)據(jù)融合和自動推理決策技術(shù)

該部分技術(shù)應用直接支持PH M系統(tǒng)的管理能力。給出診斷/預測結(jié)果的置信區(qū)間對于決策才更有意義。為了提高狀態(tài)監(jiān)測健康評估和故障預測推理的準確性，并能確定推理結(jié)果的置信度，可以利用數(shù)據(jù)融合技術(shù)。數(shù)據(jù)(或信息/知識)融合是指通過協(xié)作或者競爭的過程來獲得更準確的推論結(jié)果。

故障診斷與預測中的數(shù)據(jù)融合可以在3個層次進行：（1）傳感器層融合，沒有信息丟失，但傳輸與計算量大；（2）特征層融合，特征提取時有信息丟失；（3）推理層融合。典型的數(shù)據(jù)融合過程包括在特征層融合時采信傳感器層的關(guān)鍵原始數(shù)據(jù)，推理層融合時采信相似產(chǎn)品可靠性統(tǒng)計數(shù)據(jù)或?qū)＜医?jīng)驗知識。數(shù)據(jù)融合時要考慮的主要問題是各種來源的信息的可信程度/精確度是不一樣的，不恰當?shù)臄?shù)據(jù)融合也會導致故障診斷與預測的置信度降低。常用的數(shù)據(jù)融合方法有權(quán)重/表決、貝葉斯推理、Dem p ster-Sh afer、卡爾曼濾波、神經(jīng)網(wǎng)絡、專家系統(tǒng)、模糊邏輯等方法。

3 結(jié)束語

PHM技術(shù)的發(fā)展經(jīng)歷了故障診斷、故障預測、系統(tǒng)集成三個日益完善的階段，在部件級和系統(tǒng)級兩個層次、在機械產(chǎn)品和電子產(chǎn)品兩個領(lǐng)域經(jīng)歷了不同的發(fā)展歷程。雖然各種PHM系統(tǒng)已逐步開始得到應用，但還遠沒有達到工程實用化的程度。如目前還僅是在部分關(guān)鍵的系統(tǒng)和部件中應用并且對大多數(shù)系統(tǒng)尤其是電子產(chǎn)品的故障機理了解還不深入，有些還僅是故障的檢測，還不具備故障頂測的能力此外，如何正確有效地評估系統(tǒng)的健康狀態(tài)，并做出優(yōu)化的維修決策等都需要大量的研究工作。

[1]張寶珍，曾天翔．PHM：實現(xiàn)F-35經(jīng)濟可承受性目標的關(guān)鍵使能技術(shù)[J].航空維修與工程.2005(6)

[2]馬颯颯，陳國順，方興橋．復雜裝備故障預測與健康管理系統(tǒng)初探[J].計算機測量與控制.2010，18(1).

[3]曾聲奎，Michael G. Pecht，昊際．故障預測與健康管理(PHM)技術(shù)的現(xiàn)狀與發(fā)展[J].航空學報.2005，26(5)

[4]孫博，康銳，謝勁松．故障預測與健康管理系統(tǒng)研究和應用現(xiàn)狀綜述[J].系統(tǒng)工程與電子技術(shù).2007，29(10).

故障預測；健康管理；PHM

10.3969/j.issn.1001-8972.2011.10.105