PHM技术

PHM技术（精选6篇）

PHM技术 篇1

预测与健康管理 (Prognostic and Health Management, 简称PHM) 是指利用尽可能少的传感器采集系统的各种数据信息, 借助各种智能推理算法和模型来监控、管理和评估系统自身的健康状态, 在系统故障发生前对其故障进行预测, 并结合可利用的资源信息提供一系列维护建议或决策, 是一种故障检测、故障隔离、故障预测、健康评估及维护决策的综合技术。本文介绍了预测与故障管理技术的基本内涵、国内外研究现状和关键技术, 对未来PHM系统设计进行展望。

1 国内外研究现状

据报道, 美国在F35项目中依靠PHM技术实现了出动架次率提高25%, 使用寿命达8000飞行小时, 代表了目前世界公认的PHM技术研究和应用的最高水平。俄罗斯、德国、日本等也积极开展PHM技术的探索, 总之, 国外在PHM系统架构、智能推理技术、健康评估技术等各方面取得了实质性突破, 形成了PHM设计、开发及验证的流程、方法和体系[2]。

我国在PHM方面的研究才刚刚起步, 哈尔滨工业大学、北京航空航天大学、航天五院、第二炮兵工程学院等高校、研究所开展了PHM技术探索, 并取得了较大进展, 但是整体上还缺乏全面、系统和深入的研究和应用。

2 关键技术

PHM系统工作原理就是通过借助传感器技术或机内测试技术, 采集监测目标的特征信息数据, 判定被测对象的工作状态, 并且基于现有信息数据, 利用智能推理算法或模型, 提出合理的维修保障建议, 预估被测对象的使用寿命。

2.1 传感器及数据采集能力

传感器及数据采集是故障诊断及预测的基础要素, 其作用是感受被测对象相应参数 (如温度、压力、转速、振动等) 的变化并按照一定规则将其转换为便于传输和后续处理的电信号。由于传感器作为最底层的资源元素直接影响诊断及预测算法的有效性, 如何安装传感器并优化布局作为其关键技术之一越来越受到重视。

2.2 数据处理及特征参数提取能力

通常, PHM系统设计时不会将所采集的数据直接用于故障诊断和预测, 而是进行适当处理, 提取其中的有用信息, 其数据处理过程一般包括信号预处理、特征提取、信息融合等。

2.3 状态监测与健康评估能力

状态监测与健康评估技术是运用各种先进分析、预测算法或推理模型, 监控系统的运行状态, 判断其是否正常运行, 当出现故障时进行分析、判断, 确定故障的性质、类别、程度、原因、部位等信息, 预估监测对象的健康状况走向, 预测何时会发生故障。

3 技术应用

伴随着PHM技术的不断发展和熟化, 部分大型集团企业开始研究构建自己的PHM系统, 而云测试、物联网等技术的发展, 为实现一种面向服务的PHM系统成为可能。

面向服务的PHM系统服务模式如图1所示, 其采用分布式手段, 通过网络以按需的方式为用户提供服务, 这种服务可以是IT和软件、互联网相关的, 也可以是任意其它的服务, 是一种新的商业模式和服务模式。服务提供者负责平台的正常运行, 对平台用户、交易、流程、数据等内容进行管理和维护, 登录系统后按照平台要求通过服务注册、知识上传等方式向平台提供资源, 资源审核通过后在平台中变为可用状态。用户在需要实时服务时, 将设备资源接入服务平台, 借助平台实时获取包含数据处理、状态监测、故障预测、故障诊断、健康管理、算法优化等信息, 用户只需要按需支付服务费用以获取相关资源, 总之, 云测试技术可以为装备故障诊断和维护带来强大并且低成本的计算能力和存储能力, 可以避免重复构建诊断维护系统, 提高诊断资源的共享率。

4 结语

随着信息技术的发展, PHM系统术正朝着网络化、服务化、敏捷化、知识化的方向快速发展, 未来将PHM系统与企业其它业务系统集成, 快速获取与设备维护相关的全生命周期知识资源, 逐步具备自诊断、自修复功能。

摘要：本文介绍了预测与健康管理技术的基本概念和内涵, 分析了国内外预测与健康管理的研究现状, 总结了PHM系统关键技术, 并对未来PHM系统设计进行展望。

关键词：故障检测,健康管理,云测试

参考文献

[1]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.

[2]詹景坤, 陈灿辉, 曹霄辉, 代京, 彭小波.我国航天器预测与健康管理 (PHM) 技术研究与启示[C].第二十四届测试与故障诊断技术研讨会, 2015.

[3]李向前.复杂装备故障预测与健康管理关键技术研究[D].北京:北京理工大学, 2014.

PHM技术 篇2

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4 0 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 Health Management, PHM) 、基于状态的维修 (Condition Based Maintenance, CBM) 、货架产品 (COTS) 、自主保障 (AL) 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 (JDIS) 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：

(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P H 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P H 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 fault) 建立与特征分析结果关联的退化轨迹，对A N N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。

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) 。

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 (precursor) ，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P H 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、Dempster-Shafer、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。

摘要：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。

关键词：故障预测,健康管理,PHM

参考文献

[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 (P H M) 技术的现状与发展[J].航空学报.2005, 26 (5)

PHM技术 篇3

一、数据挖掘 (DM)

数据挖掘又称为知识发现 (KDD) , 是伴随着数据库以及智能化技术的发展而产生的, 是从大量的、不完全的、有噪声的、模糊的和随机的大型数据库或数据仓库中, 集中识别有效的、新颖的、潜在有用的, 以及最终可理解的模式的非平凡过程。关于数据挖掘的定义有很多, 用一句话简单的概括, 数据挖掘就是从大量数据中发现有用的知识的过程, 一般的数据挖掘过程包括数据提取与预处理、数据分析和知识可视化表示3个阶段。

数据挖掘主要功能包括分类、聚类、关联分析、序列分析、离群点分析等。分类是从大量数据中找出能够正确区分和描述数据的分类模型;聚类依据类内相似性最大、类间相似性最小原则划分数据, 从而导出数据某些规则;关联分析是从大量数据中发现经常出现的频繁模式;序列分析是指建立关于数据发展趋势的时间或是空间模型, 以便正确掌握数据变化情况;离群点分析是指从大量数据中发现与数据的正常行为不一致的数据。

数据挖掘技术作为目前人工智能领域的热点, 近年来不断得到重视, 并且迅速发展。其原因就在于其从大量复杂数据中挖掘有用知识的能力, 而这一点恰恰是传统的统计方法所不能实现的。总体来看, 比较流行且应用广泛的数据挖掘算法有Apriori算法、决策树、粗糙集、卡尔曼滤波、神经网络等。

二、故障预诊断与健康管理 (PHM)

对于一个企业, 尤其是大型生产制造型企业, 设备管理是一项十分重要的活动, 是企业日常生产活动中的一个重要组成部分。设备管理活动主要有设备检修、设备故障诊断与分析、设备性能预测、设备维修方式确定等方面。故障预诊断与健康管理 (PHM) 是一项综合考虑企业经济、技术以及管理水平的重要活动。企业中, PHM活动主要包含两方面的内容:故障预测和健康管理。故障预测是指根据系统现在或历史性能状态, 预测性地诊断系统未来的工作状态。健康管理是根据诊断和预测信息、设备使用要求、可用维修资源对维修工作作出合理的决策。

设备检修的有效进行, 可以帮助企业确定正确合理的设备检修时间以及设备检修方式, 不仅使得企业降低设备故障率, 还能使企业节约大量的人力物力;故障诊断与分析主要是指一旦设备出现异常, 正确并且及时地判定设备发生故障的地点以及原因, 从而帮助企业从设备故障中迅速恢复出来;设备性能预测是指正确判定设备当前的运行状态, 并为企业提供设备将来的性能运行趋势, 从而为企业各项生产活动提供决策支持;设备一旦出现故障, 可以选择的维修方式多种多样, 某些目前看似最为合理的维修方式, 但从长远发展来看, 并不一定是最好的, 所以就需要综合考虑各方面信息, 合理选择维修方式。

但就目前设备管理现状而言, 企业对于设备健康状态的关注一般都是在故障发生之后, 这就造成企业的被动状态。另一方面, 随着设备运行数据的不断积累, 设备数据库越来越大, 数据内容也变得越来越复杂, 传统的小样本统计方法已经失效, 急需建立基于数据挖掘分析技术的设备健康管理平台, 为企业设备管理提供基于数据的支持。基于数据挖掘的PHM技术已成为实现基于性能、自主后勤和智能维修保障等新型维修保障模式的主要支撑技术。

三、基于数据挖掘技术的PHM平台

基于数据挖掘技术的PHM平台实现的主要过程是将机载采集的传感器信息, 按不同特征提取方法进行处理, 并通过数据挖掘技术转换成为企业设备健康状态的决策信息。对于企业数据库中存放的大量数据, 数据挖掘技术可以从中发现隐藏的规律, 从而更好地指导企业进行设备健康管理, 减少设备维修时间、降低设备管理费用、提高企业经济效益。

1. PHM平台技术架构

基于数据挖掘技术的设备健康管理平台从下到上依次为源数据层、数据存储层、算法逻辑层和应用层, 如图1所示。源数据层主要是指企业设备运行过程中所产生的各种信息, 属于设备健康管理平台的数据接口层。在源数据层中包含大量的信息, 主要有设备运行中的各种信号信息以及参数信息, 源数据层负责将这些信息集成。由于不同的数据之间可能存在很大的差异, 因此, 需要对这些数据制定统一的数据存储标准以便于数据统一化管理。

数据存储层负责梳理源数据层的信息并以统一的形式表现出来, 主要负责数据库的链接, 数据的存储、提取、查询和管理, 最后将这些数据传递给算法逻辑层。但这些数据中含有大量的噪声和不一致数据, 而数据挖掘技术就是要发现关于企业设备运行的有价值的规律。

算法逻辑层则是设备健康管理平台的核心部分, 负责将数据存储层传过来的数据进行数据预处理以及进行数据挖掘算法。其过程是先去除噪声以及不一致的数据, 然后运用各种数据挖掘算法从这大量数据中挖掘有价值的信息。智能数据挖掘算法主要有支撑向量机、关联规则、神经网络以及稀疏时间序列等。可以实现对于设备状态预测、故障诊断、寿命管理等。

最后, 应用层负责平台的业务表达, 主要包括4个部分:数据管理、统计分析、故障诊断、系统管理。平台以可视化技术为基础为企业展示丰富有用的价值信息, 与平台用户进行信息交互以指导用户做出各种决策, 进行设备健康平台的安全管理等。

一般的数据挖掘过程如下所述:设备健康管理平台从生产数据库等外部数据源中提取各种数据信息, 通过平台接口层以统一接口将数据抽取到平台内的数据存储层, 以分布式方式存储, 并通过高速实时总线来保证平台计算层能够高速进行数据存取以满足数据挖掘层的高速计算需求。然后借助算法逻辑层对于数据进行充分挖掘分析, 并通过应用支撑层对模型进行管理和展现, 最终提供有价值的设备运行信息给应用层以帮助决策者进行决策分析。

2. PHM平台主要功能架构

(1) 数据管理。数据导入/导出使得设备健康管理平台可以将设备日常管理中的各种文件以不同的接口导入, 并以统一的数据形式存储, 还可以不同的方式导出以便于不同情况下的需求。数据检索模块可以实现人员对设备历史故障信息的快速有效检索, 具体实现方法是, 为设备管理人员设置一定的搜索条件, 系统针对搜索条件予以响应。数据编辑模块通过授予相关人员对设备运行数据进行修改的权利, 这保证了数据的有效性和准确性。

(2) 统计分析。设备健康管理平台系统内嵌多种故障分析图表、内置报表引擎, 在统一故障信息数据库的基础上, 按实际使用要求, 进行各类别、多维度的质量信息自动分析与报表定制, 包括故障分析图表的样式、内容、时间范围、输出格式、周期均可进行灵活定制。这就保证了可以根据这些报表信息进行故障原因分析、设备运行统计分析并输出设备故障统计报表。

(3) 状态诊断。状态诊断模块通过多种数据挖掘智能算法, 通过从大量的设备运行样本数据中挖掘出设备运行的模式和故障产生的原因, 建立起设备运行规则库。本平台采用模型的设备运行诊断和基于数据驱动的设备运行诊断两种方式, 对于工厂中运行的设备的状态进行诊断。平台通过对设备运行样本数据的学习, 建立和完善主要设备运行模型库, 以实现对于设备运行状态的有效预测。实现流程主要分为3个部分:算法模型构建、模型预测和算法再学习。详细实现流程如图2所示。

(4) 维修专家库。维修专家库主要负责平台的系统管理功能, 以及数据结构管理并对数据进行备份、用户管理、知识库完善等。功能模块通过赋予不同用户的不同权限, 保证了对于设备管理平台的安全管理。

四、PHM平台主要实现内容

1. 设备检修管理

设备检修的发展主要经历了3个阶段:事后检修、计划检修和状态检修。状态检修也被称为预测检修, 由杜邦公司首先提出, 状态检修可以实现确定各个设备合理的检修时间以及检修方式, 这是一种十分先进的设备健康管理方式。依据企业数据库中存在的大量历史检修的数据, 主要包括检修时间、检修类型、检修原因、检修项目、设备停用时间、检修费用、检修成果等数据, 通过数据挖掘技术, 对检修过程进行监控, 可以发现企业设备检修的规律, 从而确定更加合理的设备检修时间以及检修方式。

2. 故障诊断与分析

这一模块可以实现对设备故障数据的分类汇总, 主要包括设备故障表现、故障发生时间、故障发生时设备各项指标, 以及国内外同类型设备故障统计等。通过数据挖掘技术可以将这些历史数据生成故障诊断分析模型, 从而可以依据设备发生故障时的数据, 正确诊断故障并分析故障原因。而且新的故障数据会再次放入模型中, 以实现模型的不断调整, 适应不断变化的环境。

3. 设备性能检测

通过对设备运行的状态信息进行实时的在线采集技术, 实现海量设备运行数据的快速传输、存储。然后可以利用小波分析等信息技术, 提取那些对于设备故障敏感的特征数据, 选取合适的数据挖掘方法, 并加入现代的信息融合技术, 可靠的识别方法, 实现设备运行过程中的性能实时监测与预测, 进而可进行可靠地故障预警, 建立了基于维修专家知识数据库的智能化故障预警和诊断系统。

4. 设备维修方式智能化

设备维修方式确定的智能化, 是建立在对设备运行过程中的静态与动态数据进行充分的挖掘分析基础之上的。通过数据挖掘技术对设备状态进行分析和评估, 形成对设备维修方式的知识库, 为实施设备维修管理提供技术支撑, 并根据状态评估结果拟定维修计划, 从而提高设备维修的准确性、及时性和可靠性。

五、结语

基于PHM的导弹状态管理研究 篇4

导弹大量应用于现代战争, 提高导弹的管理能力对于赢得战争起着至关重要的作用。美国在联合攻击战斗机 (Joint Strike Fighter, JSF) 计划中采用的先进的预测和健康管理技术 (Prognostics and Health Management, PHM ) [1], 是一项能够显著降低维修、使用和保障费用, 提高装备安全性和可用性的综合性技术。PHM应用于导弹状态管理, 必将极大提高导弹的管理水平, 提高部队战斗力。

1 PHM的内涵及功能[1,2,3,4]

PHM的思想是利用各种先进的传感器采集系统的状态数据, 并采用各种算法进行特征提取, 获取系统的健康状态特征, 以实现对系统健康状态的监控、预测和管理。PHM的目的不是消除故障, 而是了解和预测故障何时发生。

PHM代表了一种方法的转变。即从传统的基于传感器的诊断转向基于智能系统的预测, 反应式的通信转向先导式的3R (即在准确的时间对准确的部位采取准确的管理活动) , 实现故障预测及状态管理。实现故障预测, 即预计性诊断部件或系统完成其功能的状态, 包括确定部件的剩余寿命或战场工作的时间长度;实现状态管理, 即根据诊断/预测信息、可用资源和使用需求对管理活动作出适当决策。

PHM重点是利用先进传感器 (如涡流传感器、小功率无线综合微型传感器、无线微机电系统MEMS等) 的集成, 并借助各种算法 (如Gabor变换、快速傅里叶变换、离散傅里叶变换) 和智能模型 (如专家系统、神经网络、模糊逻辑等) 来预测、监控和管理装备的健康状态。

PHM完成的主要功能包括:故障检测、故障隔离、故障预测、剩余使用寿命预测、部件寿命跟踪、性能降级趋势跟踪、保证期跟踪、故障选择性报告 (根据故障种类将故障信息分类报告相关管理人员) 、辅助决策和资源管理、容错、信息融合和推理机以及信息管理 (将准确的信息在准确的时间通报给准确的人员) 。

2 PHM应用于导弹状态管理的可行性

2.1 提高导弹管理效率

基于PHM的导弹状态管理将改变传统的导弹, 从交付贮存、测试、运输转载、发射等全过程状态数据的采集方式, 利用多种成熟技术, 实现自动化快速采集。尤其是各类先进传感器的有效运用, 导弹信息化管理实现了连续性, 不存在信息断档和信息重复采集, 由单一的导弹信息管理转变成自动化状态管理, 极大地提高了导弹管理的效率, 节省导弹管理所需的人力与物力, 以及大量时间。

2.2 提高导弹作战使用效率

基于PHM的导弹状态管理将以导弹作战使用对导弹可靠性的要求为依据, 着重监控和预测对导弹作战使用产生影响的状态过程, 确定系统失效将发生的时间及系统、子系统或组件的剩余使用寿命, 提高装备作战使用效率。

2.3 提高导弹使用管理决策支持能力

基于PHM的导弹状态管理将对导弹管理资源进行重新配置和改造、极大地减少人对数据采集的干扰, 最大程度地保证数据的及时性和准确性, 先进的手段与资源支持能够准确地反映导弹状态变化规律, 利用状态监测、健康评估的输出结果做出相应的支持决策, 为维修资源管理和其他健康管理过程提供支撑, 提高导弹使用管理决策支持能力。

2.4 提高领导机关对装备的宏观掌控能力

基于PHM的导弹状态管理将通过输出系统对导弹状态信息进行高度集成和融合, 提供导弹数据统一集成的展示平台, 紧紧围绕领导机关所关心、对作战和保障有着重大影响的要素, 设计灵活查询模型, 构建灵活展示构件, 采用信息分层、数据挖掘、归类定义组合等技术, 为领导机关对导弹的宏观掌控提供有力保证。

3 基于PHM的导弹状态管理系

3.1 系统结构

导弹状态管理PHM系统分三个部分七个层次:第一部由分布在导弹分系统部件中的各种传感器构成;第二部分由数据处理和分系统检测层构成;第三部分由健康评估、故障检测、决策支持、输出系统层构成。如图1所示。

数据采集、数据处理、状态监测和健康评估层位于导弹系统平台上。故障预测、决策支持和输出系统层主要由地面的相应健康管理子系统/设备来实现。

3.2 系统功能

在数据采集层, 传感器与导弹上的特定物理测量设备相连接, 收集来自数据总线的信号, 为PHM系统进行下一步的工作提供原始数据支持。

数据处理层处理来自数据采集层的数据, 通过一些特征提取算法把所获取的原始数据转换成状态监测、健康评估和故障预测层所需要的形式。

状态监测层接收来自传感器、数据处理层以及其他状态监测模块的数据, 完成与系统状态相关特征的计算和估计, 即将获取的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, 并且根据预定的各种参数指标极限值/ 阈值来提供故障报警。各状态检测模块具有信号处理、信息融合和区域推理的功能, 是连续监控导弹相应分系统运行状况的实时执行机构。

健康评估层接收来自不同状态监测模块以及其他健康评估模块的数据, 根据状态监测层的输出和历史的状态评估值, 评估被监测系统、分系统或部件的健康状态, 确定这些系统是否降级。如果系统的健康状态降级了, 该层会产生诊断信息, 提示可能发生的故障。

故障预测层综合前面各层的数据信息, 评估和预测被监测系统、子系统和部件未来的健康状态, 如果PHM检测到任何部件或分系统有性能降级的情况, 它将隔离该故障, 预计失效时间, 并计划需要完成的必要的管理工作。

决策支持层接收来自状态监测、健康评估和预测层的数据, 并根据前面各层的输出结果做出相应的支持决策, 为维修资源管理和其他健康管理提供支撑。

输出层具备与其他所有层通讯的能力, 接收各功能模块经过整理后传送来的管理信息和供导弹管理人员使用的知识信息, 传给地面的自动化导弹管理信息系统, 自动化导弹管理信息系统据此来判断导弹的安全性, 安排发射任务, 实施技术状态管理, 更新导弹状态记录, 调整使用计划, 生成维修工作项目, 以及分析整批导弹的技术状态。

3.3 系统预测方法的实现

导弹长期处于贮存状态, 为对其可靠性进行准确的预测, 为未来的训练、发射提供准确可靠的状态信息, 导弹状态管理的PHM系统采用智能推理机 (如专家系统、神经网络、机器学习、模糊逻辑或遗传算法) 对可靠性、健康状况进行推理。

近年来, 以统计学理论为基础的支撑向量机 (SVM) 理论以其良好的泛化能力和全局最优解的特点得到快速的发展, 它能根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中, 以获得最好的推广能力, 解决了小样本学习问题[5], 并在故障分类、状态预测等领域中得到了广泛的应用。为提高SVM的运算速度, 克服冗余信息, 本系统将粗糙集 (RS) 理论与其结合应用。利用RS理论能有效地分析和处理不精确、不一致、不完整等各种不完备信息, 并从中发现隐含的知识, 揭示潜在的规律, 结合SVM, 设计RS前置系统, 剔除冗余状态信息, 将利用RS方法预处理后的状态信息作为训练样本, 构成SVM状态预测推理系统, 如图2所示。

导弹状态管理的PHM系统不断地采集信号和数据进行分析判断, 汇总到PHM系统推理机进行信息融合, 并输出决策数据和措施建议, 传给信息处理系统, 据此来判断部件的可靠性, 实施导弹状态管理, 更新状态记录, 调整使用计划, 以及评估部件或整体的健康状况。

在预测推理的过程中, 确定从部件故障到系统失效的进程, 是预测推理过程中最不确定的一步, 其原因在于未来事件的变数极大, 且非线性强, 因此, 智能推理机的推测结果往往需要利用跟踪与趋势算法来决策健康状态, 从而量化输出导弹的健康及受损级别。

4 结束语

基于PHM的导弹状态管理, 能够适时掌握导弹的技术状态, 预测故障发生的准确时间准确位置触发准确的管理活动, 有利于提高导弹管理和使用效率, 提高导弹部队战斗力。

目前要把PHM应用于导弹状态管理中还处于理论探索阶段, 但随着PHM的不断成熟, PHM在导弹状态管理中的实践应用必将引起导弹管理的历史变革。

参考文献

[1]宁东方, 章卫国, 李斌.预测和健康管理技术[J].航空制造技术, 2009 (5) :71-73.

[2]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) :20-23.

[3]徐萍, 康锐.预测与状态管理系统 (PHM) 技术研究[J].测控技术, 2004, 23 (12) :58-60.

[4]张宝珍, 曾天翔.先进的故障预测与状态管理技术[J].测控技术, 2003 (11) :17-23.

PHM技术 篇5

关键词：PHM,桥式起重机,预测与健康管理,故障诊断与预测

1 PHM简述

PHM (Prognostics and Health Management) 即故障预测与健康管理。故障预测, 即预计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。预测技术是在发生灾难性故障之前能够及时预知, 并采取措施预防, 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。经过30余年的发展, PHM技术在发动机、齿轮箱、液压系统、电子设备机上测试等诸多领域应用广泛, 实现该技术可以有效降低维修保障成本, 缩短维修保障时间, 降低风险, 提高保障效率。

PHM系统一般应具备如下功能:故障检测、故障隔离、故障诊断、故障预测、健康管理和寿命追踪。对于复杂装备和系统, PHM应能实现不同层次、不同级别的综合诊断、预测和健康管理。

2 桥式起重机PHM的关键技术

2.1 数据采集和传感器技术

确定可以表征设备状态的参数信息 (直接表征或间接推理) , 是设备进行故障预测和健康管理的首要任务, 也是PHM系统的数据基础。

2.2 通信技术

通信技术的目的主要是为了保证传感器采集到的各种数据信息传输到PHM系统中的其它部分, 以及确保PHM各个部分之间信息交流的正确、通畅、协调、安全, 从而实现整个维修保障体系的信息化、网络化、一体化。通常情况下, 桥式起重机工作的环境都比较复杂, 移动性比较大, 再加上需要监测的点分布较散, 因此采用无线通信较方便, 安装各种传感器教容易。

2.3 数据预处理技术

数据预处理就是在数据主要处理以前的处理, 由于不同的状态监测、健康评估和故障预测方法对数据类型的要求不同, 因此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继处理的要求, 同时也便于传输和存储。预处理包括模数转换、去噪声、高通滤波、压缩、信号自相关等, 数据处理方法包括数据清理、集成、变换、归约等, 数据预处理可以提高数据挖掘模式的效率。

2.4 数据融合技术

数据融合就是利用计算机对各种信息源进行处理、控制和决策的一体化过程。数据融合技术将各种信息源的有用信息进行采集、传输、综合、过滤及相关合成后辅助以验证、判断, 获得的准确的推论结果, 可以提高状态监测、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。

2.5 状态监测、健康评估和故障预测技术

状态监测、健康评估和故障预测是PHM系统的核心部分, 在某种意义上它们都是一种推理过程, 在实际构建PHM系统时往往要根据系统的实际情况采用一种或多种技术和方法, 包括基于规则、案例和模型等的推理算法, 能够将桥式起重机状态、故障状况、维修能力等相关信息适时传送至维修保障系统, 并接受和执行维修保障系统的控制调度。

2.6 接口技术

考虑到PHM系统日后的更新或加入新的模块以及与其它系统进行信息交换和集成的能力, 其接口采用具有“即插即用”能力的接口。其接口技术主要从以下几个方面加以考虑:PHM系统各模块之间, 各模块同PHM系统之间, 部件级PHM同系统级PHM之间, 人-机接口, PHM系统同其它决策支持、计划、库存、自动化以及维修系统的接口。

3 桥式起重机PHM系统设计

桥式起重机的PHM系统可以分为两部分:桥式起重机机上管理系统和地面控制室管理系统。桥式起重机在工作的过程中, 机上部分将传感器数据通过数据链传到驾驶室与地面控制室, 驾驶室主要是在起重机监控到故障时对起重机做出相应的反应, 如停车。而地面监控室除了对故障做出反应外, 另一个任务就是判断桥式起重机各部件以及系统的状态发展趋势, 进行状态的预测、故障的检测和隔离, 并把得出的结果反馈到驾驶室。建立的PHM系统应具有数据采集和传输、数据处理、状态监测、故障检测、故障隔离、故障预测、剩余寿命预测、部件寿命跟踪、性能降级趋势分析和维修计划等功能。根据上述分析, 桥式起重机PHM系统可设计为如图2所示的框架图。

3.1 状态监测模块

状态监测模块的任务主要是完成数据的采集及初步的预处理, 为系统提供可靠可用的监测数据。在对起重机进行监控时, 主要对动力系统、液压系统、电气系统、机械强度以及工况指标进行数据采集, 各部分采集的信息主要见表1。

状态监测得到数据的可靠性很大一部分取决于选用传感器的好坏。在建立桥式起重机的PHM系统时, 由于传感器面临的工作环境比较恶劣, 所以必须选用耐腐蚀、耐高温高湿、耐冲击、耐油雾的传感器, 另外也必须有较强的电磁抗干扰性能。针对起重机需要监控的对象, 以及监控对象需要采集的参数, 得到相应物理特征所对应的传感器类型, 见表2。

状态监测模块工作流程:如图1所示, 在接收起重机上传感器现场监测的数据前, 必须对传感器进行验证, 以保证传感器是正常的, 在系统中用传感器验证子模块来验证传感器工作状态是否正常, 如传感器有故障则启用冗余传感器更换或维修并不接受相关数据, 防止因传感器而造成的虚警。在验证完成后, 传感器传来的原始数据不可能完全满足后续工作的要求, 所以的对采集的数据进行预处理, 并通过数据融合技术对数据进行特征提取, 得到隐含的、潜在的有用信息, 最后为预测、诊断模块提供可靠可用的数据。

3.2 预测、诊断模块

在进行故障诊断和预测技术上, 桥式起重机PHM系统采用基于异常现象信息的故障诊断与故障预测方法, 观测或侦测非正常工作状态下所表现出来的异常现象, 如振动、噪声、温度、磨损、电磁场等, 进行趋势分析及故障预测, 大部分机械产品多采用这种故障诊断与预测方式。基于异常现象信息进行故障诊断与故障预测的任务是:统计历史数据、注入获得的故障数据等信息, 针对发现的异常现象特征, 自动进行故障程度判断及预测。在建立异常现象与故障损伤关系模型时采用人工神经网络。

神经网络是利用ANN的非线性转化特征以及智能学习机制, 建立已监测到的故障现象与故障损伤状态之间的非对称性联系。利用已知的特性与损伤或通过故障注入建立与特征分析结果关联的退化轨迹, 对ANN模型进行“训练或学习”并对产品的故障损伤状态进行判断。因为ANN具有自适应特征, 因此, 可以利用非显式特征信息来进行“训练或学习”及故障损伤判断。

预测、诊断模块工作流程:如图1所示, 状态监测模块传来的数据通过基于ANN趋势分析模型建立起来的“训练或学习”故障诊断和故障预测模块, 与历史的监测数据、桥式起重机的原始参数以及历史统计数据作比较, 确定桥式起重机相应部件、系统的健康状态。

3.3 分析决策模块

分析决策模块作为桥式起重机PHM系统职能最终体现部分, PHM系统建立是否成功, 主要从这部分体现出来, 它主要包含综合分析、保障决策、人机接口模块三部分。

分析决策模块的功能主要是:如图1所示, 综合分析模块和保障决策模块把前面分析的结果进一步综合分析, 做出与实际情况相符的决策;人机接口模块把系统的决策信息显示出来提供给使用维护人员, 使用维护人员根据决策信息做出相应的维修维护计划, 尽量做到视情维修。

3.4 数据储存模块

数据储存模块主要是对PHM各部分产生的数据进行储存, 丰富系统的数据库, 进一步增加系统的工作的可靠性。如图1所示, 主要有三部分的数据需要存储, 即上述的三个模块的数据。

4 预期效果

一是提高设备的安全可靠性。起重机作为特种设备的一种, 一旦发生事故将是非常致命的, 所以安全可靠显得异常的重要。在桥式起重机上安装PHM后, 可以实时得到桥式起重机的运行状态和各部件变化趋势, 从而掌握整个变化过程, 目前一些重要军工行业应用PHM的桥式起重机管理系统后保障效果显著提升, 设备故障率明显降低。

二是降低设备的维修费用、提高保障效率。利用PHM系统维修人员仅需按照维修方案完成规定的维修工作, 从而最大程度地减少了错误的维修动作, 确保起重机在最快的时间内恢复完好状态。从根本上降低了保障响应时间, 提高了维修效能。

参考文献

[1]木志高, 胡海峰, 胡茑庆.武器装备故障预测及健康管理系统设计[J].兵工自动化, 2006 (02) :23-25.

[2]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 (01) :1-7.

[3]Ronald R Yager.A framework for multisource data fusion[J].Information Sciences, 2004 (163) :175-200.

[4]Byington C S, Roemer M J, Galie T.[A].Aerospace Conference Proceedings 2002IEEE[C].Oct.2002 Page:818-841.

PHM技术 篇6

随着飞机与人们日常生活的联系越来越紧密, 广大人们群众对飞机的安全可靠性、事故发生几率等问题也越来越关心。PHM (prognostic and health management) 即故障预测与健康管理, 非常适合应用于飞机这种大型的复杂系统当中, 它能够很好的提高飞机综合保障能力。简单的说, 在PHM系统当中, 各种传感器 (比如压电传感器、光纤传感器、智能传感器、碳纳米管等) 负责监控并收集相关系统的状态参数, 然后在采集的数据基础上, 系统通过建立数学模型并进行科学的推理预测, 及时预测出飞机系统的健康状况, 有效的实现了对飞机故障的预测, 大大提高了新一代飞机的综合保障能力。实践证明, PHM系统在许多重要行业的应用当中发挥了很好的作用。下面文章就PHM系统在提高新一代飞机综合保障能力方面的相关内容进行具体介绍:

2 PHM系统体系结构及其相应功能

应用于飞机上的PHM系统结构由低级到高级通常分为成员级、区域级和平台级;其中成员级是整个PHM系统实现对飞机健康管理的基础, 成员级PHM对每一个子系统状态进行实时与异常监测, 通过将检测到的被测非电量信息按一定的规律转化为某一种量值输出, 然后将电信号送到PHM成员级系统管理器中进行信号和数据处理;区域级PHM则能够提高信息的有效性与协同性, 具体来说就是它把来自各个成员级系统的数据和信息进行必要的处理, 不但确保了数据的一致性, 而且能够准确的找出飞机上的故障隐患;最后, 平台级PHM一方面负责把所有系统传送来的数据信息进行互相关联, 通过分析关联数据的结果预测飞机系统的健康状态及其发展趋势, 同时, 另一方面还将各个系统检测到的数据传送至地面后勤保障机构, 为制定飞机定期检修方案提供科学的及时有效的依据。

3 故障预测与健康管理 (PHM) 有效提高新一代飞机综合保障能力

PHM是智能故障诊断技术、预测技术以及信息网络技术的高度综合与统一。PHM技术并不能直接改变飞机自身的安全性能, 它主要是通过监控、预测, 改变传统的保障飞机安全的方法、手段与途径来全面提高飞机综合保障能力。

3.1 PHM的具体功能

PHM具体功能包括故障的检测、预测与隔离、剩余寿命期限预测、零部件寿命跟踪、性能降低趋势跟踪、保证期跟踪、故障选择性报告等;在军工领域, PHM系统还能通过提高飞机出动架次率使机载武器系统的作战能力大幅度提高, 同时还具备降低武器装备寿命周期内的费用等能力。

3.2 监测飞机结构健康状态

飞机的结构健康监测分为整机疲劳寿命监测和重要结构损伤监测两类。

1) 整机疲劳寿命监测

众所周知, 飞机载荷是反映飞机实际使用状况的基本参数, 利用载荷监控系统与配套的程序进行分析, 可以估计飞机结构的疲劳累积损伤程度, 正确评价出飞机结构的健康状况。其中, 将载荷监控与疲劳寿命分析程序结合起来就可以实现疲劳寿命监控, 此类监测能够很准确的掌握每一架飞机的实际使用情况, 有利于控制剩余寿命, 提高飞机在飞行中的安全性。2) 重要结构损伤监测

简单的说, 重要结构损伤监测就是指通过分析飞机中相对关键的那部分结构的受损与后果之间的关系, 然后由特定的监测系统感知飞机中重要结构的物理参量 (比如振动频率、受压强度及形变程度等) , 把监测到的参数与正常指标进行对比分析, 从而判断出飞机重要结构的受损程度以及发生受损的具体位置。PHM系统通过以上两种监测, 实时掌控着飞机各部位相关参数指标, 有效加强了飞机空地之间的数据联系, 大大提高了飞机的综合保障能力。

4 我国现役飞机综合保障情况

近年来, 我国对于提高新一代飞机综合保障能力取得了一定的成效, 但对已经装备且仍在使用当中的那部分飞机来说, 客观上还存在以下几点不足:

1) 维修费用高

由于在飞机研制阶段缺乏系统的设计考虑, 使得飞机在后期使用阶段维修费用增加, 具体表现为定时维修工作频繁、项目繁多、产品定寿不达标提前返厂等。

2) 维修时间长

造成这样一个结果的原因一方面是维修人员没有很好掌握相关故障规律, 缺乏先进的检测设备与科学的状态监控方案;另一方面维修人员忽视个体与群体之间的关系, 在对某一具体机型进行维修时常常夸大群体的一般特征而忽视个体特殊情况。

3) 机动性差

由于不具备快速故障诊断和维修条件, 需要配备庞大的地面保障系统, 这样一来增加了包装、运输以及装卸的工作量, 尤其对军用飞机来说, 严重制约了飞机装备的机动作战能力。

5 结论

随着各种新型飞机的迅速发展, 飞机综合保障能力也日益受到人们的重视。本文通过简单介绍PHM系统结构、PHM提高新一代飞机综合保障能力以及我国现役飞机综合保障情况等内容, 使得我们对其有了一定的了解与认识。PHM技术的发展过程是人们认识与利用自然规律的过程, 它经历了由外部测试到机内测试——测试性发展成为独立学科——综合诊断的提出与发展——预测与健康管理系统的形成与发展的发展历程, 随着各种飞机系统信息化、复杂性与综合化程度不断提高, 毋庸置疑, PHM系统在提高飞机安全性方面发挥了重要作用, 对此, 相关行业的科研工作者需要不断的完善PHM系统, 让新一代飞机综合保障能力更加稳定、更加可靠。

参考文献

[1]李振翼.PHM对提升新一代飞机综合保障能力的研究[D].电子科技大学, 2009.

[2]郭阳明, 蔡小斌, 张宝珍, 翟正军.故障预测与健康状态管理技术综述[J].计算机测量与控制, 2008 (9) .

[3]孙海东, 吕健.航空电子系统健康管理专家系统的关键技术综述[J].电光与控制, 2009 (7) .

[4]刘大伟, 陶来发, 吕琛, 刘红梅.飞机机电系统PHM的综合诊断推理机设计[J].南京航空航天大学学报, 2011 (S1) .

[5]许丽佳.电子系统的故障预测与健康管理技术研究[D].电子科技大学, 2009.