核动力装置故障预测与健康管理研究

孙旭升，周 刚，李凤宇，晏玉坤，阮 航

(海军工程大学125信箱，武汉 430033)

【装备理论与装备技术】

核动力装置故障预测与健康管理研究

孙旭升，周 刚，李凤宇，晏玉坤，阮 航

(海军工程大学125信箱，武汉 430033)

传统的维修保障技术已经不能满足核动力装置安全性和可靠性的要求，故障预测与健康管理(prognostics and health management,PHM)技术是一种视情维修技术，对维护核动力装置安全性和可靠性有十分重要的意义。介绍了PHM技术的概念和意义，研究了PHM系统的关键技术，分析了压水堆核动力装置PHM技术应用的可行性，并设计了压水堆核动力装置集中-分布式PHM系统。

故障预测与健康管理；压水堆核动力装置本文

现代装置设备的使用和保障费用占其全寿命周期总费用的比例越来越高，据美军综合数据显示，武器装备的使用与保障费用占到了总费用的72%[1]。因此装置设备的经济可承受性日益受到关注。

核动力装置是以核能作为推进动力的动力装置，目前主要应用于核动力船舶或潜艇。由于压水堆的安全性和可靠性较高，目前在世界范围内，压水堆是动力堆中应用最为广泛的堆型[2]。压水堆核动力装置(pressurized water reactor nuclear power plant,PWRNPP)中很多设备运行环境十分恶劣，要经受高温、高压、高辐射的考验。PWRNPP中哪怕是一个元件出现故障而得不到及时处理，也有可能引发连锁反应，甚至造成重大事故。PWRNPP维修保障十分繁琐，而且十分耗时耗力耗财。传统的事后维修或定期维修不能满足现在使用者对PWRNPP安全性、可靠性和经济性的要求。PHM技术能实现PWRNPP视情维修，可以促成PWRNPP维修保障方法的转变。

1 PHM技术

PHM技术是利用尽可能少的先进的传感器集成收集系统装置数据，并结合其他有效信息，借助合适的算法模型来对系统装置进行故障预测，同时提供维修保障决策及实施计划的一种视情维修技术。PHM技术实现了从传统基于传感器的诊断向基于智能系统的预测的转变，为实现PWRNPP在准确时间，对准确部位，采取准确的维修活动提供了技术理论基础[3]。

根据PHM技术在工程应用情况，PWRNPP采用PHM技术具有以下意义：

1) 通过减少备件、保障设备、维修人力等保障资源需求，减少维修保障费用；

2) 通过减少维修次数，尤其是计划外维修，缩短维修时间，提高PWRNPP完好率；

3) 通过健康感知，维护PWRNPP的安全性和可靠性，提高任务成功率。

2 开放式PHM系统体系结构及关键技术

2.1 开放式PHM系统体系结构

开放式PHM系统的体系结构包括7部分：数据获取层、数据处理层、状态监测层、诊断预测层、健康评估层、决策支持层和显示层。开放式PHM系统功能体系结构如图1所示。PHM系统一般具有以下功能：测试能力、故障检测、故障隔离、故障诊断、故障预测、寿命预测和健康管理。

数据获取层采集目标对象的运行参数，采集到的数据传送到数据处理层以提取特征数据。状态监测层根据特征数据判断目标对象是否运行正常，如果目标对象发生故障，PHM系统就对其进行故障诊断，确定其故障原因并迅速隔离，控制故障进一步蔓延；如果目标对象未发生故障，PHM系统就对其进行故障预测，确定其当前的运行状态。故障诊断和预测由诊断预测层来完成。健康评估层对目标对象进行健康评估，从总体上把握目标对象的状态优良程度，不仅定性地分析目标对象现在的健康等级，还要定量地评价目标对象的健康程度和健康状态趋势。决策支持层根据诊断预测层和健康评估层的结果提供合理的决策。显示层用以实现人机之间的互动。

图1 PHM系统功能模块结构

2.2 故障预测技术

故障预测是突出PHM技术优越于传统维修保障方式的关键。先于故障发生就对设备装置进行合理维修保障的前提条件是PHM系统可以给出可信的故障预测结果。目前故障预测的方法很多，但对其分类尚未统一[4-7]，大致可以将故障预测方法分为3类：基于模型的故障预测、基于数据驱动的故障预测和基于统计可靠性的故障预测。

1) 基于模型的故障预测是利用已知的动态模型进行预测。预测模型必须经过大量实践证明，预测精度符合预测要求。基于模型的故障预测方法能够深层次地剖析目标对象的故障机理，利于准确预测，但是对于复杂的动态系统，建立精确模型十分困难，甚至就目前技术而言是不可能实现的。

2) 基于数据驱动的故障预测指利用在系统装置设计、实验、运行、维修时收集到的数据，并借助各种算法进行预测。这类预测方法避免了复杂的数学模型和专家经验。但是获取有些数据的代价十分昂贵，甚至有些数据是无法获取的。数据的不完整性会降低预测结果的可信度。典型的基于数据驱动的故障预测方法有人工神经网络、模糊系统、隐马尔可夫模型等。

3) 基于统计可靠性的故障预测是利用同类部件/设备/系统在实验、运行、事故中的记录得到可信的概率密度函数，根据概率密度函数以及系统装置的实际运行情况进行预测的方法。基于统计可靠性的故障预测相比于基于模型的故障预测所需的细节信息更少，而且可以给出预测结果的置信度。典型的基于统计可靠性的故障预测方法包括贝叶斯方法、Dempster-Shafer理论、Weibull模型等。

各种故障预测方法在设计阶段大都是通用的，但在实际应用中它们各有利弊[4]，针对不同的目标对象，要合理地选用故障预测方法，在保证预测方法可行和预测结果精度的基础上也要考虑预测方法的费用投入。图2从工程应用的广泛性、费用投入与预测精度3方面比较了上述3类故障预测方法。

图2 故障预测方法特点比较

3 PHM技术在PWRNPP领域探究

3.1 PWRNPP组成

典型的PWRNPP主要由反应堆及一回路系统、二回路系统和推进系统组成。一回路系统又包括反应堆冷却剂系统和一回路辅助系统。

反应堆及一回路系统的主要功能是由反应堆冷却剂系统将反应堆产生的热量传递给蒸汽发生器二回路侧的给水。一回路辅助系统的作用是保证反应堆冷却剂系统正常运行。反应堆及一回路系统作为防止PWRNPP中放射性物质释放到堆舱的一道屏障，对整个装置安全性有十分重要的意义。也正是因为反应堆及一回路系统工作环境十分恶劣，所以它们的安全性较低，因此它们是PHM系统的主要目标对象。

二回路系统主要作用是利用蒸汽发生器产生的干燥洁净的饱和蒸汽，通过蒸汽轮机和蒸汽发电机将热能转化成机械能和电能。二回路系统是一回路系统的热阱，二回路系统的正常运行对保证一回路系统的安全性有十分重要的意义。

3.2 PHM技术在PWRNPP应用的可行性分析

PWRNPP可以分为机械设备和电子设备。故障可以分为突发故障和渐发故障。突发故障是不可以被PHM系统预测的，突发故障发生后，PHM系统会对故障进行诊断隔离。渐发故障可以被PHM系统预测，而且维修人员可以对将发生故障的设备系统进行维修保障。

因渐发故障而失效的机械设备在整个使用周期中大都可以分为2个阶段：第一阶段是从装备安装开始到潜在故障发生时间点；第二阶段是从潜在故障时间点到装备失效的发生时间点(potential failure-functional failure，“P-F间隔”)。在设备“P-F间隔”内，PHM系统可以完成对设备故障预测，给出适当的维修保障决策。电子设备的故障多是由电子元件老化引起，PHM系统可以在电子设备从老化转为失效这段时间内对其进行故障预测。PWRNPP设备故障的渐发性是PHM技术得以应用的前提条件。

针对机械设备故障诊断与预测，PWRNPP已经安装有很多传感器，可以实时提供关键部位的温度、压力、流量、水位等参数数据，再对PWRNPP加装适当数量的传感器以测量振动、电流、电功率等其他所需参数数据。所有传感器提供的数据即可构成PHM系统的输入数据。这是PHM技术应用于PWRNPP的数据基础。因为PWRNPP空间有限，且结构复杂，所以 PHM系统传感器的设计应该在最初整个装置设计时就考虑在内，以便合理地对其布局。

针对电子设备故障诊断与预测，可以通过附加在电子设备内的软件和硬件对电子设备进行在线故障机内检测(build in test,BIT)。BIT电路和装置造成电子设备的硬件增量不应超过其本身电路的10%[8-10]

为了得到更为可信的健康评价和更为合理的维修决策，需要在实际工程中慢慢积累经验，同时需要建立PWRNPP历史数据库，并且要对数据库不断地进行完善，这项工作不可一蹴而就。PHM系统的最终目标就是合理维修保障PWRNPP，因此PHM系统要与自主保障系统交联，甚至可以与设备生产商联网进行综合管理维修保障活动，统筹保障资源。

3.3 PHM系统分类

一般来讲PHM系统的结构有集中式、分布式和集中-分布式3种[11-13]。

1) 集中式PHM系统是通过一个中央管理控制器收集和处理目标对象的所有信息，并且完成目标对象的故障预测与健康管理。但是随着目标对象复杂化，数据的收集、处理都会变得非常困难。因此集中式PHM系统更适用于小型、简单的目标对象。

2) 分布式PHM系统由多个子系统组成，这些子系统可独立完成状态监测、故障检测、故障隔离等任务，同时将相关信息传输给综合显示控制系统。分布式PHM系统在数据收集、处理上更加快捷，采取行动更加及时，但是存在数据、结果难以融合的缺点，削弱了结果的可信度。

3) 集中-分布式PHM系统对整个目标对象进行分层次管理。在低级别层次采用分布式结构，其子系统独立收集、处理、分析所有状态参数信号。然后将低级别层次得到的初步诊断和预测结果交由高级别层次的中央管理控制器进行进一步的故障预测与健康管理。集中-分布式PHM系统在一定程度上规避了集中式和分布式PHM系统的缺点，更适合在复杂的装置系统中应用。

3.4 PWRNPP集中-分布式PHM设计

对PWRNPP进行故障预测与健康管理，要以维护装置的安全性和可靠性为首要目标，在此基础上考虑经济性。选用传感器要尽可能精确可靠，而且不能对PWRNPP正常运行造成影响，维修保障要尽量防患于未然。

PWRNPP设备繁多，结构复杂，选用集中-分布式PHM系统比较合适。可将整个PWRNPP由高到低分为5个层次：平台级、系统级、子系统级、设备级和元件级。PWRNPP子系统级以上结构层次划分可如图3所示。

PHM系统对元件级目标对象仅进行状态监测，对设备级以上的目标对象进行故障预测与健康管理，对不同级别层次的目标对象进行有差别的故障预测与健康管理，目标对象层次越高作用越重要进行故障预测与健康管理就要越细致。由于PWRNPP空间有限，PHM系统也不可能对一回路和二回路系统所有的设备进行故障预测与健康管理。对关键设备、易损设备的故障预测与健康管理要尽量细致，对其他设备根据实际需要就其关键元件进行状态监测。

元件层作为整个PHM系统的底层，是PHM系统的信号源，主要负责采集数据。在设备级以上层次可以设置PHM推理机，PHM推理机对采集数据进行数据处理，并对设备进行初步的故障诊断与预测。设备层是否设置PHM推理机由该设备监测数据的多少决定，如果未在设备层设置PHM推理机，设备级目标对象的故障预测与健康管理由其所在的子系统级PHM推理机完成。平台层作为整个PHM系统的顶层，设置有中央管理控制器，中央管理控制器是整个PHM系统的最高决策中心，它对所有信息进行信息融合。中央管理控制器对整个PWRNPP的现行状态做出判断，并且对其未来的状态趋势做出预测。如果装置出现故障，中央管理控制器应立刻进行故障定位并且发出警报，及时诊断出故障原因，根据诊断结果以及历史数据给出操纵人员操作策略。如果装置未出现故障，中央管理控制器应预测装置的状态趋势，给出维修保障决策，维修保障决策必须及时地传输给维修保障人员和自主保障系统。

图3 PWRNPP层次结构

PHM系统进行了3个层次的信息融合，最低层次是对同一元件的不同传感器信号进行信号层融合，其次是对信号处理后得到的特征数据进行特征层融合，最高层次是对PWRNPP现行数据和历史数据进行决策层融合。这些信息融合可以有效提高PHM系统诊断和预测结果的可信度以及决策的合理性。

历史数据库设置在中央管理控制器内，历史数据库要记录PWRNPP运行数据、故障处置数据和维修保障数据。由于数据量大，在装置稳定运行，数据变化不大时，数据的记录间隔可以大一些。当装置变工况运行，或数据出现异常波动时，数据记录间隔要缩小。运行数据记录包括传感器提供的装置参数数据和操纵人员进行何种操作。故障处置数据(维修保障数据)除了要包括传感器提供的装置参数数据和操纵人员进行何种操作，还要包括故障(维修)原因、详细的处理过程以及效果。历史数据库的不断完善对PHM系统的进行精确诊断、预测和决策具有重大意义，同时也可以帮助维修保障人员积累经验。

4 结束语

目前，PHM技术是维修保障领域的前沿技术，它相较传统的维修技术有无法比拟的优势。随着使用者对核动力装置安全性、可靠性和经济性要求的日益提高，发展核动力装置领域的PHM技术是大势所趋。本研究介绍了PHM系统的关键技术，分析了PWRNPP领域PHM技术的可行性，并从总体结构上设计了应用于PWRNPP的集中-分布式PHM系统，给出了实现核动力装置PHM的一种思路。

[1] 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.

[2] 彭敏俊.船舶核动力装置[M].北京：原子能出版社,2009.

[3] 马剑，吕琛，陶来发，等.船舶主推进系统故障预测与健康管理设计[J].南京航空航天大学学报，2011，43(增刊)：119-124.

[4] 上海航空测控技术研究所.航空故障诊断与健康管理技术[M].北京：航空工业出版社,2013.

[5] 邵新杰，曹立军，田广，等.复杂装备故障预测与健康管理技术[M].北京：国防工业出版社,2013.

[6] 彭宇，刘大同，彭喜元.故障预测与健康管理技术综述[J].电子测量与仪器学报，2010，24(1)：1-9.

[7] 陈乐，刘东风，周平.舰船预测与健康管理系统研究[J].装备制造技术，2012(7)：113-114,119.

[8] 孔学东，恩云飞，陆裕东,等.电子产品故障预测与健康管理——应用构架与实践[M].北京：电子工业出版社,2013.

[9] 王锟，王洁，冯刚，等.复杂装备故障预测与健康管理体系结构研究[J].计算机测量与控制，2012，20(7)：1740-1743.

[10]郭阳明，蔡小斌，张宝珍，等.故障预测与健康管理技术综述[J].计算机测量与控制，2008，16(9)：1213-1216,1219.

[11]Michael Pecht,Rubyca Jaai.A prognostics and health management roadmap for information and electronics-rich systems [J].Microelectronics Reliability,2010,50:317-323.

[12]Ying peng,Ming Dong,Ming Jian Zuo.Current status of machine prognostics in condition-based maintenance:a review [J].Manuf Techol,2010,50:297-313.

[13]Andrew K.S.Jardone,Daming Lin,Dragan Banjevic.A review on machinery diagnostics and prognostics implementing condition-based maintenance [J].Mechanical Systems and Signal Processing,2006,20:1483-1510.

(责任编辑 周江川)

First Exploration of Prognostics and Health Management of Nuclear Power Plant

SUN Xu-shen, ZHOU Gang, LI Feng-yu, YAN Yu-kun, RUAN Hang

(125 Mailbox, Naval University of Engineering, Wuhan 430033, China)

Traditional maintenance and support technologies cannot meet the requirement of the safety, reliability and economy of nuclear power plants. The prognostics and health management (PHM) technology is a technology of on-condition maintenance and it is significant meaningful to preserve the safety and reliability of nuclear power plants. The conception and significance of the PHM technology were introduced. The key technologies of the PHM system were stated. The feasibility of the PHM technology in the pressurized water reactor nuclear power plant (PWRNPP) field was analyzed. The centralized-distributed PHM system of PWRNPP was designed.

PHM; pressurized water reactor nuclear power plant

2015-01-20

孙旭升(1991—),男,硕士研究生,主要从事舰船核动力控制与运行研究。

10.11809/scbgxb2015.08.013

format:SUN Xu-shen, ZHOU Gang, LI Feng-yu, et al.First Exploration of Prognostics and Health Management of Nuclear Power Plant[J].Journal of Sichuan Ordnance,2015(8):51-54.

TL361; TJ9

A

1006-0707(2015)08-0051-04

孙旭升，周刚，李凤宇，等.核动力装置故障预测与健康管理研究[J].四川兵工学报，2015(8):51-54.