CBM在车辆维修中关键技术研究

韩新平，张国海，胡国栋，孙立贤 （66481部队，天津301715）

CBM是随着状态监控和故障诊断技术的不断发展而逐步出现的，通过内置传感器或便携式外部检测设备进行测试，获取装备运行的特征量信息，借助各种智能推理算法 （如物理模型、神经网络、数据融合、模糊逻辑、专家系统等）实时评估装备的技术状态，在装备故障发生前对其剩余寿命进行预测，并根据各种可利用的资源信息结合不同的决策目标实施决策的维修过程。

在CBM理论研究方面，主要是以状态监测和故障诊断为主，对维修决策研究不够。特别是对状态模型、维修决策模型的建立、求解以及应用都缺乏深入系统的研究。但仍然取得了一些成绩，如唐红芳对汽轮机转子和汽缸的二维模型进行了分析，建立了有限元模型，并采用C++语言编制了汽轮机以及缸体的温度场实时在线监测程序[1]；张秀斌、王广伟等应用比例风险模型 （PHM）建立系统运行状态与故障率之间的关系，并给出了维修状态阈值[2]；袁志坚提出了一种电力变压器状态维修策略的模糊多属性群决策方法，并通过某一变压器状态维修方案的决策过程，采用折衷型群决策方法具体探讨了模糊多属性群决策方法在变压器状态维修决策中的应用[3]；董玉亮提出了多状态特征参数变权模糊综合状态评价方法，利用设备的监测诊断、维修历史数据等信息，使状态评价的结果更贴近设备的实际运行状态，并利用这些结果建立了维修任务决策及优化模型[4]；吕文元、杨远涛等利用滤波理论建立设备预测维修的优化模型[5]；北京航空航天大学曾声奎结合故障预测与健康管理 （PHM）的技术发展过程，阐述了PHM的应用价值[6]；邱立鹏在其硕士论文中阐述了基于各种指标的预测分析技术，并使用C++开发了一套完整的基于Microsoft Window9x对设备剩余寿命进行分析和预测的软件[7]。

1 先进传感器技术

精确、及时、高效的数据是应用CBM的基础，而传感器作为获取装备状态数据的一种有效工具，在CBM系统中具有重要的作用。传感器技术作为一门专项技术，是以传感器为核心，涉及测量技术、功能材料、微电子技术、精密与微细加工技术、信息处理技术和计算机技术等相互融合的技术密集型综合技术，其发展趋势主要体现在：发现新效应，开发新材料、新功能；向多功能集成化和微型化发展；传感器的数字化、智能化和网络化发展趋势日益明显。

目前有很多先进的传感器技术被应用于CBM系统中，如光纤传感器、压电传感器、碳纳米管、微电子机械系统等，这些新型的传感器具有精度高、使用范围广、工作温度范围大、智能化程度高等特点。在CBM系统中应用传感器主要涉及两个问题：

1.1 传感器的选择

传感器的选择是获取装备状态数据的首要环节，这是因为传感器一旦确定，与之相匹配的数据处理、故障诊断及其相关仪器设备也就确定。因此测试结果的好坏，在很大程度上取决于传感器的选取是否恰当。传感器选择的一般步骤如图1所示。

图1 传感器选择的一般步骤

1.2 传感器的安装与使用

传感器作为一种精密器件，只有正确的安装与使用才能发挥其应有的工作性能，因而在其安装与使用过程中，除了要遵循精密器件一般安装使用规定外，还需要特别遵守如下注意事项：1）选择合适的测试点并正确安装传感器；2）为确保被测信号的有效、准确传输，传感器的电源电缆、数据传输线要符合规定，正确安装；3）传感器的定期标定与校准是保证数据采集系统正常功能的必要步骤。

2 数据传输与预处理技术

2.1 数据传输技术

目前主要有两种数据传输方式，即有线传输和无线传输。有线传输是较为成熟的一种传输方式，主要是通过各种有线数据总线和各种网络如Internet、Ethernet LAN（local area network）等进行数据的传输，并且大多都有各种通信标准、网络协议如TCP/IP、UDP/IP等可以遵循。其数据传输的一般过程是，首先通过各种线缆将传感器的数据采集并存储在部件级的监测系统中，然后通过特定的有线网络将部件级的监测数据传输到中央级存储和监测处理系统。图2为两种数据传输方式的简单系统构成。

2.2 数据预处理技术

由于不同的状态监测、健康评估和故障预测方法要求不同的数据类型，需要对采集的原始数据信息进行各种预处理，以使数据格式满足后续处理的要求，同时也将便于传输和存储。预处理包括数据的模数转换、去噪声、高通滤波、压缩、信号自相关等。数据处理方式和技术要根据不同的目的进行选择，如特征提取技术是为了进行故障识别和故障隔离；数据简化是为了剔除不必要冗余的原始数据便于进一步处理；循环计数方法则是为了便于将连续的数据信息转化为离散的数据信息等。

图2 数据传输系统

3 信息融合技术

传统的信息/数据融合是指多传感器的信息/数据在一定准则下加以自动分析、综合以完成所需的决策和评估而进行的信息处理过程。

信息融合系统的结构目前尚无形成统一的分类形式，从信息融合的功能角度，可将信息融合过程分为5层，即：检测级 （判决）融合、状态级 （跟踪）融合、属性级 （目标识别）融合、态势评估和威胁估计，如图3所示，其中状态评估和威胁估计主要用于军事领域。

检测级融合的功能主要是判断目标的有无；状态级融合的功能是估计目标的状态 （距离、运动速度等）；属性级融合的目的是确定目标的身份。这3个层次的融合各有特点。在具体的应用中应根据融合的目的和条件选用。

图3 多传感器信息融合功能级别

4 结 论

本文贯穿车辆CBM应用流程的整个环节，利用RCM分析方法确定CBM的实施对象，明确了CBM在车辆维修中的关键技术，分析了关键技术的具体内容，为车辆开展状态维修提供了技术支持。

[1] 唐红芳.汽轮机寿命在线监测与管理技术研究[D].保定：华北电力大学 （硕士论文），2004.

[2] 张秀斌，王广伟.应用比例故障率模型进行基于状态的视情维修决策[J].电子产品可靠性与环境试验，2002(4):19-22.

[3] 袁志坚，孙才新，袁张渝,等.变压器健康状态评估的灰色聚类决策方法[J].重庆大学学报，2005,28(3):22-25.

[4] 董玉亮.发电设备运行与维修决策支持系统研究[D].北京：华北电力大学 （博士论文），2005.

[5] 吕文元，杨远涛，方淑芬.利用滤波理论建立设备预测维修的优化模型[J].东北电力学院学报，2000,20(1):22-24.

[6] 曾声奎，Michael G.pecht，吴际.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):626-632.

[7] 邱立鹏.设备剩余寿命的预测与分析[D].大连：大连理工大学 （硕士论文），2000.