面向多车协同作业编组的装备健康管理系统设计

孙长军

（北京跟踪与通信技术研究所，北京 100094）

1 前言

多车协同作业编组装备健康管理一般指通过监测获取编组中车辆的状态信息，对其健康状态进行分析评估，并结合任务情况提供编组最优搭配建议。同时，通过对维修活动中所需资源做出适当决策或提出建议。通过车辆编组健康管理，可提高车辆的完好性、任务的成功率，根据健康评估的结果以及先验知识，自动生成车辆所需维护保养方案以及维修保障方案。

目前，关于装备健康管理的研究有很多，但大多数是针对单个装备的健康管理研究，针对多类型车辆编组的装备健康管理研究较少。文献[1]中针对导弹装备设计了一款装备健康管理系统，按照2 个层次构建系统，并以某导弹为例验证了系统的有效性；文献[2]中针对雷达设计了一款装备健康管理系统，采用“分布式数据采集-集中式分析处理”的系统架构，具备自底而上的状态综合健康管理能力；文献[3]中针对试验装备设计了一款装备管理系统，基于B/S 架构，采用在线监控和离线维护相结合的方式进行设计开发；文献[4]中针对特种车辆使用保障及维护能力需求，提出了一种车辆健康管理体系架构，包括车载端和基地端两级架构；文献[5]中针对地铁车辆制动系统过度维修问题，设计了一款车辆制动组件故障预测与健康管理系统，包括车载PHM 单元和地面平台两部分。

本文描述了为车辆编组健康管理系统设计的健康管理体系、健康管理评估模型以及设计方法，最后以软件实现该设计，验证了该方法在车辆编组健康管理系统研制中的可行性与有效性。

2 编组健康管理体系

通过对车辆编组所需状态信息分析，根据具体车辆编组特点，建立编组健康管理体系。编组健康管理体系从任务出发，从编组可靠性、编组可用度、编组状态、任务情况四个方面进行综合构建。

其中，编组可用性由编组维修性和编组可靠性决定。其中维修性包括维修度、维修率以及故障修复时间等因素，编组可靠性主要由可靠度、故障率、平均寿命、平均无故障时间。编组中各车辆可分为可维修车辆和不可维修车辆，对于可维修车辆的维修时长以及故障率都直接影响着车辆编组的可用性。

编组可信性由车辆编组的可靠度、故障率、平均寿命决定。车辆编组的故障率与车辆编组的可靠度平均寿命直接相关，一般故障率越离，可靠度就越低；平均寿命越短，可靠度也会越低。

编组状态由编组机动状态、编组工作状态、编组转运状态共同决定。编组机动状态包含车辆底盘的性能以及状态；编组工作状态包含任务所需工作车辆的性能以及状态；编组转运状态主要是转运车辆的性能以及状态。

车辆编组性能由单个车辆的性能状态以及累计工作情况组成。性能状态主要由车辆健康状态、车辆技术指标、车辆历史故障情况以及车辆的维护保养情况共同决定。通过任务情况以及累计工作情况，共同衡量基于任务的车辆状态。其通过任务里程与底盘行驶里程的对比，任务预计时长与累计工作时间、累计工作小时数的对比共同决定，主要对其剩余使用量是否满足任务要求，是否需要提前维护保养等情况。

3 编组数据采集模型

对于编组车辆的状态监测，需要采集各车的数据以及履历信息。通过采集设备掌握和识别编组的状态数据，同时预留与编组内其他车辆的外部接口，接收各车辆健康管理信息。

考虑到编组中车辆的产品组成包含机械类、电子电气类、液压类设备、设备类型不同监测的参数也不相同。对于电子设备，例如，供电设备中的交流配电组合以及直流配电组合等，可以通过监测其静态电流的变化可判断器件和设备的状态。对于机械类设备，可以通过安装应力应变传感器、振动加速度传感器等方式，对机械的形变，运行中的振动变化进行状态监测。

对于状态监测参数确定步骤如下：（1）对车辆分系统进行可靠性分析，确定可靠性指标较低的分系统，确定需要重点监测的分系统；（2）对车辆各个设备进行功能、性能分析，确定影响任务较大的设备；（3）对影响任务较大的设备进行FMECA 分析，确定故障原因、故障影响、故障严酷度以及故障测试方法。

根据上述分析，得到关键设备或关重件，并对各个设备或组件进行监测参数分析，确定设备可用来健康评估的状态参数以及状态参数采集方式。

4 编组健康管理评估模型

利用健康评估模型评估编组健康状态，为编组规划、维修维护保障方案提供支撑。针对车辆采集参数数据量少的问题，目前较为有效的是采用定性与定量相结合的方法，接收到各车辆的健康评估相关信息后，利用DS证据理论进行编组车辆健康评估，并通过辅助保障决策给出使用及维修维护意见。健康评估的过程主要分为两个部分：健康等级划分以及健康状态评估。

4.1 健康等级划分

对于“正常”状态，表示指车辆的各项技术性能指标都在允许的范围内，所有测试数据均远离警告值，能够保证训练任务的完成或实现各种规定的功能，无须做任何维护工作，大修周期可适当延长，此状态车辆可作为执行任务的首选。

对于“预警”状态，表示大部分状态参数的值均处于允许的范围内，但存在部分状态参数的值偏离标准值的程度较大，但仍未达到阈值（上下限）。此时，总体性能虽有所下降，但不会影响任务的完成，对应的策略为加强监测并安排预防性维护计划，此状态车辆不影响执行任务。

对于“降级”状态，表示仅有少量状态参数的值处于允许的范围内，但存在大部分状态参数的值超过阈值（上下限）尚未达到劣化阈值（劣化上下限）,且此部分设备不影响任务完成。此时，车辆有劣化的趋势，仍可完成主要的功能，对应的策略为加强监测并安排维修计划，此状态车辆虽有故障，但对任务的影响不大。

对于“故障”状态，表示所有状态参数的值达到或超过劣化阈值，即劣化上下限。此时，对应的策略可为立即进行维修，此状态车辆发生故障已影响到任务，需安排维修，不建议执行任务。

4.2 评估模型

提出基于任务的编组健康评估指标H：

式中，H 为编组的健康评估指标；T 为编组的任务情况因素；E 为编组的工作因素；G 为编组的保障因素；A 为编组的可用性向量，使用编组在开始任务时的待机可用状态来度量；D 为编组的可信性矩阵，使用编组在执行任务过程中所处的主要状态来度量；S 为编组的状态向量，使用编组用于完成任务能力与性能状态来度量。

4.3 健康状态评估过程

在对编组车辆进行健康状态评估时，所有参数指标都有相应的分析和判断标准。同一类参数指标一般还要进行横向比较，即检验个体之间是否存在显著性差异、纵向比较，即检验参数的劣化趋势，每类参数还要同标准值比较等。

不同的参数指标反映了编组不同方面的健康状态，利用采集的数据信息，根据健康评估模型对编组进行健康指标计算、健康状态等级评估和健康状态预警。健康评估信息可以为操作人员进行视情维修提供依据，便于优化维修方案。

健康管理采用分层的方法进行编组健康评估。编组中，每级车辆可以根据监测数据进行自我评估，同时还可以充分考虑编组车辆之间的健康耦合关系，通过编组健康信息的不断完善，利用信息融合的方法提高评估精度和可信度。将AHP 和DS 证据理论合成的方法进行编组的健康管理评估。

5 基于任务的编组规划模型

任务信息包含需要编组车辆数、预计长距离机动行驶里程，预计短距离行驶里程、任务时间点、任务地点、任务环境、任务持续时间、待机时间，共计包含n 波次任务集为对于任务T 包含预计长距离机动里程,短距离行驶里程，任务开始时间，待机时间，转运时间，任务要求时间，任务过程中保障所需时间，任务能力需求，即成功执行任务的所需能力，若为0，则表示执行任务不需要此能力，各任务间的时序约束关系，即是否存在前置任务。

编组规划是已知任务需求的作业车辆数量，择优灵活动态分配性能最佳的工程车辆，转运车辆，保障车辆等的问题，其分配方式为。此问题可转化为在满足在任务完成度，时间等条件约束下，求解编组面向任务最优健康状态的编组组成问题。

3.4.2 直流电源自身具有完善的蓄电池管理功能，可对蓄电池进行充放电管理，能有效延长蓄电池使用寿命，减少站点蓄电池投资和维护费用。

5.1 编组健康状态更新模型

任务的执行过程会造成编组健康状态的变化，因此，在编组执行完成某项任务后，其任务健康状态变化更新如下：

某阶段任务完成后，对编组健康状态进行更新，更新后的编组健康状态值为

5.2 约束分析

编组规划问题的约束条件包括时间约束、健康状态约束。

（1）时间约束。编组按计划完成各任务时，其中包含任务持续时间、路程所需时间，保障时间。所有任务的累积时间为

考虑到任务的实效性，此任务累积时间不应大于所要求的时间，即

5.3 数学模型

6 编组健康管理系统设计与实现

考虑编组车辆健康管理软件到未来的扩展性，数据库可移植性，软件架构分层设计，分为3 层：表示层和逻辑层、实体以及数据访问层。

实体层用来描述对象的信息，对应于数据库中表信息，是数据访问层与业务逻辑层共享的数据结构，是两者交换数据的载体；数据访问层用来访问数据库，数据访问层实现业务逻辑层与数据存储的相互对立性，使得业务逻辑层不因数据存储媒介或方式的变化而变化，数据访问层通过向上提供数据访问接口实现数据存储与业务逻辑的隔离；表示层和逻辑层是与用户交互的界面，并管理业务逻辑。

编组车辆健康管理软件体系结构如图1 所示。

图1 软件体系结构图

6.1 数据采集

数据采集主要通过采集设备实时或者离线采集车辆工作时的性能参数，通过网络传输到编组车辆健康管理软件中。编组车辆健康管理软件对采集的数据进行数据解析、数据判别、数据处理、特征提取等，将采集的数据处理为编组车辆健康管理软件所要求的规定格式。

6.2 状态监测

对于编组车辆的状态监测是通过采集各车的状态数据以及履历信息，随着车辆运行监测数据逐渐积累，可以对状态数据进行与历史数据的对比、故障前特征数据的提取与比对、故障后接口检测与隔离。

6.3 健康评估

利用健康管理评估模型划分编组车辆的健康管理等级。对编组健康状态进行状态评估时，根据编组健康管理体系，结合车辆的FMECA 分析通过编组健康管理，进行编组健康评估。考虑到存在动态编组的情况，即存在根据任务需要，编组内车辆的种类和数量会动态调整，编组健康评估模型根据编组动态调整自行适应，并通过信息融合的方法提高评估精度和可信度。

6.4 辅助决策

通过结合历史数据趋势和当前外部数据的变化情况，针对可能出现的车辆保障需求进行总体筹划和设计，采用智能算法充分分析静态数据和动态数据，实现保障方案的智能产生，并依据任务阶段变化以及工作情况优化※※保障方案，实现信息化引导维修人员完成各类保障任务。主要包括编组规划方案、维护保养方案和故障维修方案。

（1）编组规划方案。编组车辆健康管理软件接收任务信息以及编组内各车辆的信息，对编组进行基于任务的健康状态评估。结合任务类型，编组状态，形成基于任务的编组车辆出动规划，实现灵活、动态、合理分配，提供编组规划的辅助决策（图2）。

图2 编组规划界面图

（2）维护保养方案。编组车辆健康管理软件依据车辆实时状态、设备维护保养需求以及历史维护保养记录，生成车辆维护保养方案。包括维护对象名称、维护项目名称、维护级别、维护所需的保障资源（人员要求、备件、耗材、设备工具）、维护保养过程指导等（图3）。

图3 维护保养方案界面图

（3）故障维修方案。当编组内车辆出现故障时，依据车辆状态信息对车辆进行故障诊断，显示故障诊断结果，根据故障情况提供故障维修方案（图4）。

图4 故障维修方案界面图

7 结语

本文多车协同作业环境下，车辆装备精准编配与保障问题，提出了基于状态监测的车辆编组健康管理系统的设计方法，并以某编组为例，进行了系统开发，由此验证了该设计方法在健康管理系统研制中的可行性与有效性。