浅析故障预测和健康管理（PHM）技术

秦银雷 宋奕 童建春

陆军航空兵学院直升机机械工程系机械维护教研室 101123

浅析故障预测和健康管理（PHM）技术

秦银雷 宋奕 童建春

陆军航空兵学院直升机机械工程系机械维护教研室 101123

故障预测和健康管理(PHM)技术是复杂系统采用的便于测试和维修诊断的一种革新方案，是实现其经济可承受性的关键技术。本文在阐述PHM内涵的基础上，介绍了PHM技术的作用。基于PHM系统框架，着重分析了PHM系统的故障预测方法和数据融合和自动推力决策技术，最后指出了PHM技术的研究和应用现状。

引言

随着各种大型复杂武器系统性能的不断提高及系统组成的复杂性不断增加，各种信息技术和智能技术被广泛应用其中，使系统的可靠性、维修性、故障预测与诊断及维修保障等问题日见突出。目前，对大型武器系统的维护仍然以定期维护和预防性维修为主，采用多、勤、细来保障系统可靠性及正常任务的完成。这种方式不仅耗费资源，而且效率低下。如据美国在X- 34和X- 37运载火箭研制过程中的统计数据表明，为保证航天飞机执行任务的成功，每个任务期内要耗费40 0万美元以及2 0 0人左右的工作小组来进行预防性维修工作。因此，“经济可承受性”成为一个不可回避的问题，并作为大型项目研究的重点考虑因素。例如目前由美国、英国以及其他国家军方合作开发的联合攻击战斗机（JSF）项目就明确指出“经济可承受性”是其四大目标之一。据美军综合数据，在武器装备的全寿命周期费用中，使用与保障费用占到了总费用的7 2%。与使用保障费用相比，维修保障费用在技术上更具有可压缩性。故障预测与健康管理(Prognostic and H ealth M anagem en t，PHM)、基于状态的维修(Cond ition Based Maintenance，CBM)、货架产品(COTS)、自主保障(A L)等都是压缩维修保障费用的重要手段。由于视情维修具有后勤保障规模小、经济可承受性好、自动化、高效率以及可避免重大灾难性事故等显著优势而具有很好的前景。视情维修要求系统自身具有对其故障进行预测并对其健康状态进行管理的能力，可以实现“经济可承受性”的目标，由此产生了故障预测与健康管理概念。

1 PHM技术

故障预测与健康管理技术，也称故障预测与状态管理。故障预测，即预先诊断部件或系统完成其功能的状态，包括确定部件的残余寿命或正常工作的时间长短；状态管理，是根据诊断、预测信息、可用资源和使用需求对维修活动做出适当决策的能力。综合考虑上述两个方面功能，PHM是指利用各种传感器在线监测、定期巡检和离线检测相结合的办法，广泛获取设备状态信息，借助各种智能推理算法（物理模型、神经元网络、数据融合、模糊逻辑、专家诊断系统等)来评估设备本身的健康状态；在系统发生故障之前，结合历史工况信息、故障信息、试车信息等多种信息资源对其故障进行预测，并提供维修保障决策及实施计划等以实现系统的视情维修。PHM是机内测试（BIT）和状态监测能力（CBM）的拓展，是从设备级状态监测与故障诊断到系统级综合诊断与状态管理的转变，其目的是减少维修耗费、增加战斗完好率和实现自主式保障。

2 PHM系统

虽然在航空航天、国防军事以及工业各领域中应用的不同类型的PHM系统，但一般应具备故障检测、故障隔离、增强的诊断、性能检测、故障预测、健康管理、部件寿命追踪等能力，通过联合分布式信息系统(JD IS)与自主保障系统交联。联合攻击战斗机(JSF)的PHM系统分为机上与地面两部分构成的一体化系统，它采用分层推理结构，便于从部件级到整个系统级综合应用故障诊断和预测技术。

2.1 PHM系统的框架

PHM的体系结构(图1)主要由7个部分构成，即：

图1 PHM的体系结构

图2 基于特征进化的故障预测

(1)数据采集和传输。该部分利用各种传感器采集系统的相关参数信息，将提供PHM系统的数据基础，并且还具有数据转换以及数据传输等功能。

(2)数据处理。该部分接受来自传感器以及其他数据处理模块的信号和数据，并将数据处理成后继的状态监测、健康评估和故障预测等部分处理要求的格式。

(3)状态监测。该部分接受来自传感器、数据处理以及其他状态监测模块的数据。其功能主要是将这此数据同预定的失效判据等进行比较来监测系统当前的状态并且可根据预定的各种参数指标极限值/阀值来提供故障报警能力。

(4)健康评估。该部分接受来自不同状态监测模块以及其他健康评估模块的数据。主要评估被监测系统(也可以是分系统、部件等)的健康状态(如是否有参数退化现象等)，可以产生故障诊断记录并确定故障发生的可能性。

(5)故障预测。该部分可综合利用前述各部分的数据信息，可评估和预测被监测系统未来的健康状态，包括剩余寿命等。故障预测能力是PH M系统的显著特征之一。

(6)自动推理决策。该部分接受来自状态监测、健康评估和故障预测部分的数据。其功能主要是产生更换、维修活动等建议措施。

(7)接口。该部分主要包括人—机接口和机—机接口。人—机接口包括状态监测模块的警告信息显示以及健康评估、预测和决策支持模块的数据信息的表示等；机—机接口使得上述各模块之间以及PH M系统同其他系统之间的数据信息可以进行传递。

2.2 PHM系统的故障预测方法

PHM系统显著的特征就是具有故障预测的能力。故障预测是指综合利用各种数据信息如监测的参数、使用状况、当前的环境和工作条件、早先的试验数据、历史经验等，并借助各种推理技术如数学物理模型、人工智能等评估部件或系统的剩余使用寿命，预计其未来的健康状态。在PHM系统中广泛应用的故障预测方法主要有：

2.2.1 基于特征进化的故障预测

该方法适用于那些具有性能退化类型故障的系统/分系统，如压缩机和涡轮的气路退化、油液状态的变化以及发动机的性能退化等。该方法要求有足够的传感器信息来评估系统/分系统的当前状态以及确定相应的不确定性水平。然后，通过将系统当前状态同已知的故障模式进行比较来进行预测。图2是该方法的示意图。

2.2.2 基于神经网络(ANN)的故障预测

此类方法利用A N N的非线性转化特征，及其智能学习机制，来建立监测到的故障现象与产品故障损伤状态之间的联系。利用已知的“异常特征—故障损伤”退化轨迹，或通过故障注入(seeded fau lt)建立与特征分析结果关联的退化轨迹，对A NN模型进行“训练/学习”；然后，利用“训练/学习”后的ANN依据当前产品特征对产品的故障损伤状态进行判断。由于ANN具有自适应特征，因此可以利用非显式特征信息来进行“训练/学习”与故障损伤状态判断。图3是该方法的示意图。

图3 基于ANN的故障预测

2.2.3 基于系统模型的故障预测

此方法利用建立被观测对象动态响应模型(包括退化过程中的动态响应)，针对当前系统的响应输出，进行参数辨识，对照正常状态下的参数统计特性，进行故障模式确认、故障诊断和故障预测(图4)。

图4 基于系统模型的故障预测

2.2.4 基于使用环境的故障预测

由美国马里兰大学提出的电子产品“寿命消耗监控(LCM)”方法论采信的是环境信息，基于电子产品的失效物理模型，通过环境应力和工作应力监测，进行累计损伤计算，进而推断产品的剩余寿命。它的基础是对产品对象失效模式、失效机理的透彻了解，并建立量化的失效物理模型。

2.2.5 基于损伤标尺的故障预测

所谓损伤标尺(p recu rso r)，是针对一种或多种故障机理，以被监控产品相同的工艺过程制造出来的、预期寿命比被监控对象短的产品。基于对被监控对象特定失效机理的认识，损伤标尺可以做到定量设计。通过一系列不同健壮程度的损伤标尺，可以实现电子产品损伤过程的连续定量监控。

2.3 PHM系统的数据融合和自动推理决策技术

该部分技术应用直接支持PH M系统的管理能力。给出诊断/预测结果的置信区间对于决策才更有意义。为了提高状态监测健康评估和故障预测推理的准确性，并能确定推理结果的置信度，可以利用数据融合技术。数据(或信息/知识)融合是指通过协作或者竞争的过程来获得更准确的推论结果。

故障诊断与预测中的数据融合可以在3个层次进行：（1）传感器层融合，没有信息丢失，但传输与计算量大；（2）特征层融合，特征提取时有信息丢失；（3）推理层融合。典型的数据融合过程包括在特征层融合时采信传感器层的关键原始数据，推理层融合时采信相似产品可靠性统计数据或专家经验知识。数据融合时要考虑的主要问题是各种来源的信息的可信程度/精确度是不一样的，不恰当的数据融合也会导致故障诊断与预测的置信度降低。常用的数据融合方法有权重/表决、贝叶斯推理、Dem p ster-Sh afer、卡尔曼滤波、神经网络、专家系统、模糊逻辑等方法。

3 结束语

PHM技术的发展经历了故障诊断、故障预测、系统集成三个日益完善的阶段，在部件级和系统级两个层次、在机械产品和电子产品两个领域经历了不同的发展历程。虽然各种PHM系统已逐步开始得到应用，但还远没有达到工程实用化的程度。如目前还仅是在部分关键的系统和部件中应用并且对大多数系统尤其是电子产品的故障机理了解还不深入，有些还仅是故障的检测，还不具备故障顶测的能力此外，如何正确有效地评估系统的健康状态，并做出优化的维修决策等都需要大量的研究工作。

[1]张宝珍，曾天翔．PHM：实现F-35经济可承受性目标的关键使能技术[J].航空维修与工程.2005(6)

[2]马飒飒，陈国顺，方兴桥．复杂装备故障预测与健康管理系统初探[J].计算机测量与控制.2010，18(1).

[3]曾声奎，Michael G. Pecht，昊际．故障预测与健康管理(PHM)技术的现状与发展[J].航空学报.2005，26(5)

[4]孙博，康锐，谢劲松．故障预测与健康管理系统研究和应用现状综述[J].系统工程与电子技术.2007，29(10).

故障预测；健康管理；PHM

10.3969/j.issn.1001-8972.2011.10.105