基于PHM的复杂机电系统健康管理技术研究

， ，

(1.江苏东华测试技术股份有限公司，江苏 靖江 214500； 2.北京航天测控技术有限公司，北京 100041)

0 引言

现代工业及科学技术的迅速发展和广泛应用，使复杂机电系统的智能化、集成化和自动化程度日益提高，功能越来越完善，结构也越来越复杂。设备之间的强耦合和强相关性对复杂机电系统的故障诊断能力提出了更高的要求。以往依靠专家经验、或依赖定期设备检测数据来进行诊断和定位已经难以满足故障检测与维修需要，所带来的人工不确定、维修滞后、过渡维修或维修不足以及维修效率低等问题不可避免。

多年来，人们一直致力于寻求先进的维修理论和最佳的维修技术，预测并防止故障的发生，期望能够准确掌握装备(设备)的当前状况，进行故障预测、精确实施维修，最终实现以最低的资源消耗获得最佳的维修效益，从而使装备最大限度地发挥其应有的效能。随着故障预测与健康管理(prognostic and health management，PHM)技术在国内快速发展，大量科研机构、学校、工程单位等均开展了PHM技术的研究和应用，智能传感器、诊断和预测、健康评估等关键技术也取得一系列的科研成果，在此背景下，借鉴国内在航空航天、国防军事等科研领域中取得的装备健康管理的成功经验，设计并实现复杂机电系统健康管理系统，可以为目前在复杂机电系统状态评估和维修工作中所面临的难题提供系统级解决方案。

1 PHM技术简介

PHM是指利用各种传感器，通过在线监测、定期巡检和离线检测相结合的办法，广泛获取设备的状态信息，借助各种智能推理算法(如物理模型、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、故障信息等多种信息资源对故障的发展进行预测，并结合各种可利用的资源信息提供一系列的维修保障措施以实现系统的视情维修[1]。PHM的设计主旨不是直接消除故障，而是感知并且预测故发生的时限，从而达到在出现始料未及的故障之前开展有针对性保障活动的设计目标，完成装备保障从状态监控向状态管理的转变[2]。在系统维修保障中积极采用PHM技术，可以达到以下3个目标[3]：

1)通过减少备件、保障设备、维修人力等保障资源需求，降低维修保障费用；

2)通过减少维修，特别是计划外维修次数，缩短维修时间，提高战备完好率；

3)通过健康感知，减少任务过程中故障引起的风险，提高任务成功率。

PHM系统的一般框架如图1所示。

图1 PHM系统的一般框架示意图

传感器为PHM系统提供了基础数据，经处理后为可识别、可直接调用的数据格式，提取含有故障分量的特征参数，供状态检测模块识别、判断、报警；对于有参数退化现象的数据，通过健康评估软件评估当前健康程度，由故障预测程序确定故障发生的可能性以及发生时间，进而判断该部件或部位的剩余寿命，该结论与维修业务相关联，实现与业务相结合的维修决策，产生指导维修操作的动作、行为建议。上述各个模块均具有人机接口，实现良好的人机交互。

2 复杂机电系统

2.1 基本概念

机电一体化概念是日本在20世纪70年代提出，是机械和电子的集成，用Mechatronics表示。机电一体化将机械技术、微电子技术、信息技术、控制技术等在系统工程基础上有机综合，以实现整个系统最佳化。复杂机电系统一般包括机械本体、动力与驱动装置、执行机构、检测与传感装置、控制与信息处理这五大部分组成。

图2 复杂机电系统一般组成

2.2 常见故障模式

复杂机电系统因其机、电相结合的特点，最易发生故障的性能薄弱环节以及故障模式为：

1)电气控制部分，由温湿度环境、元器件寿命、老化、疲劳、辐射、气压导致的检测与传感装置、控制与信息处理部分的器件损坏、模块故障灯；

2)机电结合部分，长期使用、外力导致的连接故障、接触不良、断开、指令错误、异常干扰等故障；

3)机械类故障，如长期使用、环境、强振动或冲击导致的驱动装置或执行机构疲劳、裂纹、断裂、磨损、缺陷、擦伤、润滑不良；静电、腐蚀、电解；热老化、溶化、热击穿、冻裂；变形等故障。

3 复杂机电系统健康管理

基于PHM的复杂机电系统视情维修体系，体现为自动诊断维修需求并将这些需求通知维修人员以便及时采取保障措施的能力。随着科技的快速发展，基于PHM实现复杂机电系统的健康管理已经切实可行，合理运用PHM技术，可以提高大型试验装备的运转效率、降低维修难度和维修经费，具有非常重要的意义。

复杂机电系统应用健康管理技术的架构包含传感器、数据采集、数据处理、状态监测、性能评估、寿命预测和维修决策以及人机交互显示等几大部分。由于复杂机电系统自身的复杂性与特殊性，在各个功能模块的具体设计实现上也有自己的特点。

3.1 传感器

大多数复杂机电系统故障在发生前，一般都具有某些征兆，通过选择适当的传感器采集表示系统正常与否的状态信息，实现信息的有效获取。

目前复杂机电系统常规检测量包括热学、辐射量、机械量、磁、化学量等多种类型。具体常用的传感器如振动、应力、压力、位移、流量、声音、转速、冲击、温湿度、电压、电流等，针对不同类型的复杂机电系统，应选择某几种或多种检测方式相结合，达到准确检测的目的。

3.2 数据处理

复杂机电系统在运行过程中，由各种传感器或者系统自身运行都将会产生大量数据。不同类型的数据需要不同的分析手段，且原始数据往往不能用于直接诊断。为了提取包含故障信息的特征分量，对各种传感器数据都需要进行处理。复杂机电系统的数据处理分为两类：

1)直接处理传感器输出信号。

简单的故障信息可以通过单一传感器的数据即可识别。常用的传感器数据处理方法以及提取的特征参数如表1所示。

表1 常用传感器数据处理方法及特征参数

以上计算得到的特征参数仅对某一种或几种典型故障比较敏感。对于复杂的故障，在分析时需要综合多个参数，才能得到更符合实际的结论。

2)综合计算多个传感器的数据。

复杂机电系统的控制环路的性能直接影响到系统能否完成预定功能。因此，如何得到复杂机电系统控制环路的性能，是实现复杂机电系统综合评估、诊断的难点之一。这也是复杂机电系统区别于机械结构、电子设备的主要特点之一。

评估控制系统的环路性能通常采用两种方法：解析模型法和实验法。由于绝大多数复杂机电系统的解析模型很难得到，而不精确的解析模型对评估和预测结果的影响非常大，因此常常采用实验法对控制系统环路性能进行分析。

实验法的原理是在机电控制系统的各个控制回路的输入、输出级加入传感器，使控制系统各个回路的输入和输出都是可观测的，通过实时分析给定输入与期望输出的差异，得到超调量、稳定时间、上升时间、响应延迟时间、稳态误差、跟踪误差、相关系数、协方差等特性参数，进而对复杂机电系统的控制特性进行分析、评价。

3.3 状态监测

状态监测模块实现全部数据的实时显示和报警，提供友好的人机交互界面。目前在工业控制领域大量采用组态软件实现状态监测，如国外的Intouch、ifix、Cimplicity、Citech、WinCC、ASPEN-tech、TRACE MODE、Movicon、RSView32、Optimax等等；国内组态王、世纪星、三维力控等，都在很多工业控制系统中得到了成功应用。

3.4 健康评估

健康评估是以当前采集到的数据为基础，结合历史存储信息，对复杂机电系统的关键指标情况进行综合评定的过程。实现健康评估的核心问题是建立系统层次结构模型及关键指标评价体系。

层次结构模型常常按照功能组成进行划分，一般可以分为系统、分系统、部件、部位四级。部位的健康评估取决于该部位所安装的传感器数据分析结论；而部件的健康评估取决于该部件的各个监测部位健康情况。非关键部件健康状态的传递可以采用均方根传递、关键部件健康状态的传递可以采用最小值原则等。

关键指标的评价体系是健康评估结论是否合理的前提，通常采用的评价标准分为绝对判别标准、相对判别标准和类比判别标准三种。

1)对于工况明确、符合国家标准规定的复杂机电系统，采用绝对判别标准予以评估；

2)工业控制领域中，往往复杂机电系统的实际情况与国家标准相差甚远，此时采用相对判别标准来确定指标评价体系；将正常工作状态下的指标情况设置为参考基准，当出现一定偏差时，根据偏差的程度来衡量健康程度；

3)同类复杂机电系统可以采用类比判别标准来快速制定指标体系。

3.5 寿命预测

目前已经有多种方法应用于故障预测，不同的故障预测方法对系统的适用性、应用成本和预测精度都有所不同[4]。寿命预测功能建立在积累大量的数据和专家知识后，构建寿命预测模型，通过调用适合的预测算法，形成寿命预测结论。寿命预测模块主要包括以下几部分：(1)预测参数提取。针对预测需求，对预测输入数据进行参数预处理，以满足预测模型输入接口要求，包括了野值、噪声剔除，X-11数据分析等，提取的内容包括了数据项。(2)性能预警。利用基于等效物理模型、统计评估、数据驱动等方法，对复杂机电系统的关键性能进行预测，并将预测结果与预警门限比较，给出性能预警提示。(3)寿命预测推理。采用基于物理模型和数据驱动预测模型，分析寿命预测对象的剩余寿命，评价剩余寿命预测可信性。

3.6 维修决策

维修决策模块是健康管理系统与日常运营业务结合最紧密的功能模块。通过读取状态监测、故障诊断和预测的结论，结合装备管理数据库中的部件信息、业务优化决策要素，根据安全性、任务性、可用度和严重经济性后果，综合选择决策目标函数，构建决策优化模型[5]，调用决策算法以实现最优化维修决策，决策的结论可以与业务部门的业务流程绑定，从而直接进入到维修流程中。

维修决策模块分为数据接口管理、决策要素管理、维修决策程序、决策报告管理等功能模块。如图3所示。

图3 维修决策管理软件

4 复杂机电系统视情维修业务体系

采用复杂机电系统健康管理后，必然对现行的复杂机电系统维修管理体制带来变化，对日常的状态评估到维修申请流程均会带来影响。应用健康管理后的复杂机电系统视情维修体系示意图如图4。

图4 复杂机电系统视情维修业务体系流程示意图

由图4可知，应用健康管理技术实现视情维修以后，系统运行前的性能确认、运行期间的监测显示可以为系统安全运行提供保障；出现故障报警后，根据故障情况制定应急维修方案或视情维修方案，形成最优化决策报告，并提交至维修流程中。维修工作是否顺利完成也可通过健康管理系统进行确认。

5 应用与分析

基于上述复杂机电系统健康管理系统的体系方法，在某型低速风洞中，针对其动力系统、控制系统、测量系统与洞体本体结构进行了部署与应用，其系统功能层次如图5所示。

图5 风洞健康管理系统功能层次

如图5，系统分为4个层次：

1)现场采集层。负责完成现场数据采集、处理、上传工作。本项目现场监测点的实时监测信息包括振动、温度、压差、转速、液位、湿度等物理参数以及电压、电流等电气参数。现场采集层中配备相应的传感器、信号线缆及数据采集设备，实时采集、处理传感器信息并上传到测控局域网。

2)数据层。负责完成对测控局域网中的实时数据的显示、存储及基于数据的应用。硬件设备组成上主要包括实时数据库服务器、机械装置数据库服务器、历史数据库服务器、web服务器等，实时数据库记录存储各个数据采集设备上传到测控局域网中的数据；历史数据库负责对历史数据进行存储和维护管理；装备管理数据库记录了大量装备运行过程中的维修、维修数据等。

3)业务层。负责完成风洞自主式维修保障系统的业务分析层面的工作，包括分析实时监测的数据、完成数据状态发布；运用故障诊断技术和故障诊断算法进行故障建模、故障推理、故障诊断和故障预测；结合历史数据评估被测装备性能，建立性能衰退模型，开展寿命预测等工作。

4)表示层。表示层是直接体现用户应用的层次，包括试验管理员对试验过程的全程管理，如获取试验数据、分析统计装备状态、处理并上报应急事件等；运行工程师对试验的运行状态进行管理，如配置系统的功能及参数、获取实时运行状态、查看历史数据、分析诊断故障等；装备管理员对试验装备的维修、维护过程的全面管理等。

系统经过长期的应用运行，大大提高了风洞维修保障各方面效能，对比如表2所示。

表2 风洞试验装备应用健康管理系统前后维修效能对比表

6 小结

PHM技术可有效地减少复杂机电系统运行和工作过程中的各类意外风险，为复杂系统的状态预知、缺陷规避和解决提供支撑。目前国内在PHM、视情维修等相关技术方面发展迅猛，然而在实际工程中的应用还远未到普及的程度。从复杂机电系统的性能评估业务、故障识别以及维修方案的制定等业务上，应用健康管理技术后的维修保障体系向更加智能化、自动化、最优化方向发展，状态评估更为及时、准确，根据健康管理的结论指导维修，实现适时适度的视情维修模式。因此，深入研究PHM技术在复杂机电系统中的应用方法，具有非常重要的经济效益和社会价值。

[1] 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)：1762-1767.

[2] 金 星.PHM技术的应用对新型装备保障模式的影响[J].航空标准化与质量,2012(1):44-46.

[3] 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.

[4] 潘安君,奚全生,孟汉城,等.综合测试与故障诊断技术发展及对策[J].计算机测量与控制,2011,19(1):1-6

[5] 胡剑波,葛小凯,王 瑛,等.航空装备综合状态维修框架研究[J].空军工程大学学报,2011，12(6):4.