故障预测与健康管理——PHM技术简介

PHM技术代表了一种理念的转变，是装备管理从事后处置、被动维护，到定期检查、主动防护，再到事先预测、综合管理不断深入的结果，旨在实现从基于传感器的诊断向基于智能系统的预测转变，从忽略对象性能退化的控制调节向考虑性能退化的控制调节转变，从静态任务规划向动态任务规划转变，从定期维修到视情维修转变，从被动保障到主动保障转变。

引自：《智能运维与健康管理》（作者：肖雷，张洁）。由清华大学出版社「智造苑」原创首发，经授权发布。

01

PHM技术的内涵

从概念内涵上讲，PHM技术（prognostics and health management，故障预测与健康管理）从外部测试、机内测试、状态监测和故障诊断发展而来，涉及故障预测和健康管理两大方面的内容。故障预测即PHM中的P（prognostics）部分，主要是指根据系统历史和当前的监测数据诊断、预测其当前和将来的健康状态、性能衰退和故障的发生；健康管理即PHM中的HM（health management），主要是指根据诊断、评估、预测的结果，结合可用的维修资源和设备使用要求等知识，对任务、维修与保障等活动做出适当规划、决策、计划与协调的能力。

PHM技术的主要功能如图1所示，主要包括关键系统/部件的实时状态监控（传感器监测参数与性能指标等参数的监测）、故障判别（故障检测与隔离）、健康预测（包括性能趋势、使用寿命及故障的预测）、辅助决策（包括维修与任务的辅助决策）和资源管理（包括备品备件、保障设备等维修保障资源管理）、信息应需传输（包括故障选择性报告、信息压缩传输等）与管理等方面。

图1 PHM技术主要功能

PHM技术代表了一种理念的转变，是装备管理从事后处置、被动维护，到定期检查、主动防护，再到事先预测、综合管理不断深入的结果，旨在实现从基于传感器的诊断向基于智能系统的预测转变，从忽略对象性能退化的控制调节向考虑性能退化的控制调节转变，从静态任务规划向动态任务规划转变，从定期维修到视情维修转变，从被动保障到主动保障转变。故障预测可向短期协调控制提供参数调整时机，向中期任务规划提供参考信息，向维护决策提供依据信息。故障预测是实现控制参数、任务规划和视情维修的前提，是提高装备六性（可靠性、安全性、维修性、测试性、保障性、环境适应性）和降低全寿命周期费用的核心。近年来，PHM技术受到了学术界和工业界的高度重视，在机械、电子、航空、航天、船舶、汽车、石化、冶金和电力等多个行业领域得到了广泛的应用。

PHM技术并不是适用于所有的对象，是否采取PHM技术对设备进行管理需要同时考虑故障的频率和故障影响的大小，如图2所示。对于故障频率高、故障影响小的设备应准备更多的备件。对于故障频率高、故障影响大的设备主要是系统设计的问题，需要改进设计。对于故障频率低、故障影响小的设备采用传统的维护方式即可。对于故障频率低、故障影响大的设备应采用PHM技术对其进行管理。

图2 维护方式的选择

02

国外PHM技术发展

随着系统和设备复杂性的增加以及信息技术的发展，国外的PHM技术发展先后经历了外部测试、机内测试（built-in test，BIT）、智能BIT、综合诊断、PHM共5个阶段。与此同时，维修决策技术的发展也经历了事后维修、周期性预防维护、状态维护等阶段。目前，PHM技术已经得到美英等军事强国的深度研究与推广应用，并正在成为新一代飞机、舰船和车辆等武器装备研制阶段与使用阶段的重要组成。代表性的PHM相关系统包括：F-35飞机PHM系统、直升机健康与使用监控系统（HUMS）、波音公司的飞机状态管理系统（AHM）、NASA飞行器综合健康管理（IVHM）、美国海军综合状态评估系统（ICAS）以及预测增强诊断系统（PEDS）。其中PHM技术在F-35战斗机上的应用最为典型，图3为F-35战斗机PHM系统工作流程。

图3 F-35战斗机PHM系统工作流程

根据美军的统计数据，F-35战斗机采用PHM技术后故障不可复现率降低82%，维修人力减少20%~40%，后勤规模减少50%，出动架次率提高25%，飞机的使用与保障费用比过去机种减少50%，使用寿命达8000飞行小时。基于上述指标，通俗地理解原来有100架飞机，实施PHM后可以当成125架飞机来用。

验证评价是确认PHM设计结果是否达到设计要求，从而对设计完善和改进提出反馈的重要手段，是PHM设计开发、成熟化部署应用的关键环节。国外已经公开的PHM验证系统如表1所示。

表1 国外已经公开的PHM相关验证系统

03

国内PHM技术发展

我国在PHM系统设计与验证基础理论与方法研究方面起步较晚，研究基础薄弱。近年来，国内相关院所主要在航空航天装备领域开展了一系列的PHM系统设计基础研究工作，并结合型号技术攻关，边研究边验证、迭代完善、双线并行，取得了一定的成果。目前，已初步构建了一套典型机电、电子、结构类产品的健康表征、健康度量与演化规律挖掘的方法体系，形成了相关的诊断与预测模型设计方法。此外，还开展了一定的PHM系统验证与评价、试验验证系统设计等技术方法研究，并形成了相关演示系统与辅助工具。

结合装备使用和维修保障情况，我国在航空、航天、船舶、兵器等领域正逐步开展相关工程技术研究。在PHM系统能力与需求分析基础上，从物理结构、综合诊断、信息处理以及功能结构等方面进行了PHM体系架构与集成的初步研究；与此同时，也开展了PHM系统参数指标体系、标准规范等研究。在上述研究基础之上，开发了相应的结构健康监测智能传感器、结构健康监测集成验证平台、机电PHM原型系统与案例库、系统测试性设计分析工具、嵌入式智能诊断原型系统，以辅助开展PHM系统设计。

PHM技术在国内的研究起步较晚。虽然开展了大量的工作，并取得了显著的研究成果，但前期主要是跟踪国外工程应用，在相应基础理论与技术、系统综合集成等方面的研究还较少。作为PHM中的最为核心的技术之一——预测性维护，我国也与国外有着较大的差距。全球物联网知名研究机构IoT Analytics曾在2016年对全球110家从事预测性维护的技术性公司进行了调研和排名，具体排名情况如图4所示。

图4 涉及预测性维护技术的公司排行榜

纵观整个PHM的框架，我国与国外的差距具体表现在：

（1）在PHM系统集成与使能技术方面。国外已经开展了大量的相关研究和应用工作，初期国内仅是跟踪国外的工程应用，设计方面相对落后，PHM系统集成与使能工具设计相关研究较少，工程应用亟待进一步深入研究。

（2）在复杂系统健康管理方面，国外已开展了大量的基于PHM的维修决策研究工作和应用；同时，国外已在自愈材料、智能结构方面开展了大量的研究，部分技术已有应用。国内装备仍以周期性预防维护为主，基于PHM的装备任务规划与维修决策研究工作较少；我国在装备自愈研究方面开展较晚，自愈材料与智能结构研究方面以力理论研究为主，而应用研究较少。

（3）在复杂系统健康诊断与预测方面，国内外在此方面研究差距不大，某些方向已达到国际先进水平。在方法研究上，国内外均开展基于物理故障、数据驱动、模型、专家知识的诊断与预测技术研究。但是，在技术成熟度上与应用广度上，国外领先国内。尤其在应用与PHM的新型智能传感器技术及装置研发上，国外已远领先于国内。

（4）在PHM能力试验验证方面，国外已开展了大量研究，国内在PHM设计验证方面，也开展了初步的研究工作，但目前还没有成熟的PHM体系综合建模、试验验证与能力评价技术方法体系，相关验证辅助工具与平台成果还较少。

国内外的PHM技术相关研究发展蓬勃，已形成不少的标准，近十年来与PHM相关的标准如表2所示。

表2 PHM相关标准

具体到开发PHM系统设计，其流程共分为以下7步。

第1步：需求定义。需求定义其实就是判断是否需要做PHM。在设计PHM系统时首先要厘清问题的现状，做好问题的定义和问题的拆解。主要包括：在设备维护管理方面企业目前面临的挑战有哪些，如运维、质量、能效等；整个企业的预测性维护价值是多少；哪些设备或零部件可以确定为关键资产；是否有一些关键资产可以从预测性维护试点中收益；资产需要的可靠度和可用性的目标是什么。

第2步：监控层次定义。确定监控层次主要是确定监控的对象，是产线、机器还是组件、部件。要选择哪些关键的组件、部件进行建模，以及需要关心哪些特定的故障模式等。在确定监控层次时需明确一点：并不是所有的设备或零部件都需要进行检测，只需要对故障发生频率不高，但故障发生后影响较大的设备或零部件进行监控。

第3步：模型选择。根据监测的数量以及数据的质量，进行模型选择。模型主要包括数据驱动的模型、机理式模型以及混合模型。混合式的模型可以时不同的数据驱动式的模型混合，也可以是不同的机理式的模型混合，也可以是数据驱动的模型和机理式的模型的混合。在建模时要考虑是强数据弱机理还是弱数据强机理，抑或数据和机理都强。如果机理较强而数据量较少则需要借鉴领域知识，应尽量采取机理式的模型。如果数据量较大而对机理不清晰，则适用于数据驱动的模型。

第4步：关键参数选择。选择关键参数与第1步和第2步密切相关，这一步主要是定义到底需要采集哪些数据。如果设备自身没有监测这些数据，则需要外加传感器。在使用传感器对设备进行状态监测时，需要考虑传感器的类型、数量、传感器的布局、传感器的大小、重量、成本、灵敏度、为有线传输还是无线传输、数据传输速率和其他特性。

第5步：部署策略和实验设计。在此步骤开始采集一些能够进行可行性分析的数据，这些数据要能够尽量反映完整的工况，并且能够尽量覆盖不同的失效模式，要尽量能够支撑不同建模需求。最佳状态是可以采集设备或关键零部件的全寿命周期数据。所采集的数据具有典型的工业大数据3B特性，即质量差（bad quality）、碎片化（broken）和背景性（background）。

第6步：技术和经济性可行性研究。验证整个系统从硬件到软件再到算法是否能够有机几何，算法能否闭环用户需求并实际传递给用户一些可执行的信息，同时对投资回报率等经济性的角度进行分析，判断上述方式能否在成本可控范围内最小程度定制化地推广。

第7步：技术开发与上线应用。在确定技术和经济可行性之后，进行技术上线，并平行展开规模化的应用。