|
[摘要]近十几年来，装备诊断、预测与健康管理（DPHM）作为装备质量管理和综合保障的关键技术，得到了世界许多国家学术界和工程界，特别是国防工业部门和军方的高度关注与重视。呈现新兴多科学交叉、军民兼用的特点。文章针对复杂工程系统/装备健康管理的现状、未来与挑战，从其体系框架、科学问题、关键技术与发展策略等方面进行了较为深入的讨论。 [关键词] 复杂装备；故障诊断；预测；剩余使用寿命；健康管理 一、发展推动力与需求分析 21世纪以来，使能装备先进物理性能以最佳模式持续发挥效能的综合保障技术（诸如测试、诊断、维护、寿命预测与健康管理、运行安全调控等）得到了越来越多的关注，正向保障精确集约、需求实时感知、资源并行掌控的理念变革。现代战争对装备保障要求已不同于以往，“实时、动态、快速、精确”是当今装备保障的新主题。装备结构复杂性及先进物理性能极大地推动着装备维护保障新理念的变革。这种新理念就是，服务于状态基维护和自主保障的诊断、预测与健康管理，旨在加强复杂装备的健康监测与管理以及安全运行维护与精确保障。这是事关装备质量管理和效能发挥的现实问题。 《国家中长期科学和技术发展规划纲要（2006～2020）》明确指出：重大产品和重大设施寿命预测技术是提高运行可靠性、安全性、可维护性的关键技术[1]。“十一五”期间的国家863计划在先进制造技术领域设立了寿命预测技术专题，“十二五”期间则把重大装备可靠性与智能维护技术列为重要内容，而现代交通技术领域也把服役状态监测、安全预警列为重点发展技术。国家自然科学基金长期资助该领域的理论与方法研究[2][3]。这些战略措施对该领域的发展起到了推进作用，也彰显该领域技术的重要性。 相比于民用装备，复杂武器装备/平台表现出一系列特殊性，集中体现于极限功能的发挥和服役环境的多变与严酷。2010年9月颁布的《武器装备质量管理条例》[4]中，将武器装备性能的内涵从其功能特性延拓到可靠性、维修性、保障性、测试性和安全性等，将装备物理性能持续发挥效能的措施提升到战略与更具操作性的技术管理层面。 装备发展的实践证明：通过提高装备的可靠安全能力来实现和保持装备的战备完好水平是一条切实可行的途径，包括两个层次：在装备研制阶段同步进行可靠性设计；在服役环境中对装备重要功能部件可靠安全运行的保障。后一层次尤其具有现实的重要性原因在于，尽管在装备研制阶段进行了充分的可靠性设计以及测试验证工作，由于复杂多变服役环境及极端工况仍会诱发重要部件的工程缺陷/损伤、操作失误，进而可能引发事故。鉴于在研制阶段很难准确预知风险，即便最完美的设计，也很难避免服役条件变化所带来的风险，因此，诊断、预测与健康管理（Diagnostics，Prognostics and Health Management ，DPHM）成为解决 重大装备服役可靠安全的最后手段。这也是近十几年来对于军事装备的DPHM理念得到极大关注的根源所在。预测性维护策略、系统安全/战备完好性评估、故障安全调控是DPHM服务于装备完好性维持的基本目标。DPHM能够提升复杂装备使用与维护的安全性效益和经济性效益（分别示意于图1中A区域和B区域）。毋庸置疑，安全性效益是首要的，但所带来的经济性效益也同样可观。
图1 DPHM的经济效益和安全效益 DPHM所展现的效能确实令决策者、管理者、研发者和操作者受到鼓舞，但如何针对现实装备进行工程实施并发挥效能，对设计者和使用者仍然有“雾里看花”之感。更有甚者，当前还存在着对 DPHM应用操之过急的倾向。鉴于我国在该领域的基础比较薄弱，加上国外的技术封锁，针对具体的装备深入研究DPHM的体系结构、规范流程、内在的科学问题与关键技术、技术验证与熟化便提到日程上来。据此，针对当前我国在DPHM领域的积累与研究现状，应当更加重视科学、工程与管理领域内影响DPHM能力发展的基础理论问题，研究交叉学科和新兴学科内涌现出的新理论和新方法在推动DPHM发展与应用方面的作用。 二、装备健康管理发展现状 DPHM系统正在成为新一代复杂装备设计和使用中的一个组成部分，它代表了一种方法的转变，即从传统的基于传感器或机内测试的诊断转向基于智能系统的预测，从反应性的状态报告转向在准确时间对准确的部位进行准确维护的主动活动。DPHM技术的演变过程也遵循人们的认知过程，即从对故障和异常事件的被动反应，到主动预防，再到事先预测和综合规划管理。其本源可追溯到20世纪50、60年代，因航空航天领域极端服役环境所催生的最初的可靠性理论、环境试验和系统试验以及质量管理方法。随着装备复杂性增加，由设计不充分、制造误差、维修差错和非计划事件等原因导致故障的机率也在增加，迫使人们在70年代发展新的方法来监测系统状态，预防异常行为，导致诸如故障保护和冗余管理的机载关键故障响应方法出现。随后，状态监测与故障诊断技术得到了广泛研究，并于世纪之交诞生故障预测方法。 20世纪90年代初期，“飞行器健康监控（VHM）”在NASA研究机构内部盛行。到90年代中期，“系统健康管理”成为涉及该主题的最通用术语。与此同时，产生于美国国防部的类似主题是“综合诊断”，从20世纪80年代后期至90年代在美国国防部和三军中盛行，并在美军新一代武器装备如F-22战斗机、F-35、M1A2主战坦克和 SSN-21攻击核潜艇研制中得到采用。此后不久， NASA引入了类似的术语，即“综合系统健康管理（ISHM）”。此外，美国其它军种及机构也开展了与DPHM类似的技术发展项目，如海军的综合状态评估系统（ICAS）和预测增强诊断系统（PEDS）项目；陆军的诊断改进计划（ADIP）、嵌入式诊断和预测同步（EDAPS）计划等。多年来，美国海、陆、空军，航空航天、核电站等行业领域一直坚持投入，开发装备保障信息化系统。 DPHM的真正出现、内涵明确以及理念广为接受得益于三个标志性事件：（1）20世纪90年代末，随着美军重大项目F-35联合攻击机项目的启动，为DPHM的诞生带来了契机。DPHM是该项目实现经济承受性、保障性和生存性目标的一个关键所在，其所引入的故障预测能力从全系统的角度来识别和管理故障的发生，目的是减少维修人力，增加出动架次，实现自主式保障。（2）2005年 11月，NASA举办了首届国际宇航“综合系统健康工程和管理”论坛，全面梳理了复杂工程系统中传统的安全性和可靠性工程方法与新兴的DPHM之间的相互关系，强调了DPHM领域中工程实践、服役实践与管理实践之间的紧致耦合关系，并决定在综合系统健康管理（ISHM）的名称中增加“工程”一词。目的在于将预防和减弱故障问题的技术问题与社会管理问题加以区分，并将“综合系统健康工程和管理（ISHEM）”作为一门新的学科推出 [5] 。（3）2009年成立了国际PHM学会，每年定期召开学术活动，标志着PHM在工程和管理领域已广为接受。 近年来，有关DPHM的研发和学术交流非常活跃。美国圣地亚国家实验室与美国能源部、国防部、工业界和学术界合作建立了预测与健康管理创优中心（COE），支持相关技术开发和技术验证与确认；美国NASA也成立了类似机构；马里兰大学先进寿命工程研究中心成立预测与健康管理联合会，致力于电子预测与管理方法的研究和培训；美国密歇根和辛辛那提大学等联合工业界成立的“智能维护系统（IMS）中心”、佐治亚理工学院智能控制系统实验室、宾夕法尼亚州立大学应用研究室实验与旋翼机创优研究中心、南卡罗莱纳大学的状态基维护中心等皆致力于DPHM相关理论与技术的研究工作。知名的国际学术会议COMA- DEM、MFPT、IWSHM都大幅度增加DPHM论题的比重。DPHM技术在民用领域也得到足够的重视。作为典型案例，如波音777和空客系列已例行地采用了HUMS。 DPHM得到国内学术界、工业部门及职能管理部门的广泛关注，多层次的探索、研发工作已经开始谋划与实施，取得了可喜的阶段性进展。 综上所述，DPHM已成为国外新一代武器装备研制和实现自主式保障的一项核心技术[5]，是21世纪提高复杂系统“五性”（可靠性、维修性、测试性、保障性和安全性）和降低寿命周期费用的一项富有前途的技术。 DPHM根源于极端服役的装备（如飞行器）应用需求，该领域基于以下的基本观测：所有的机电系统部件逐渐耗损过程是一个随时间、服役及环境条件变化的函数，而且复杂系统仅在使用时才会展现其固有的工程设计缺陷。随着时间的演化，部件老化将会导致性能降级、子系统故障或系统失效。对任务和安全攸关系统，人们希望预防其失效或将其失效的影响降至最小程度。系统的故障/失效一般不可避免，但在正确的感知和物理模型条件下，这些故障/失效往往是可预测的。多年来，系统工程领域的学者致力于系统故障/失效的机理研究，尝试理解部件是如何老化的并企图预测其可能的故障。一种革命性的转变展现在我们面前：从强调机群统计结果（如浴盆曲线或威布尔分布）向单个装备的剩余使用寿命预测变革，促使新兴研究领域DPHM浮出水面。涌现了一系列术语：SHM、ISHM、IVHM、、PHM、CBM、HUMS等等。文献[5]对美国DPHM中理论与技术研究及标志性事件进行了详细回顾。 从技术角度而言，DPHM的发展与使用，还存在着一系列开放的问题：（1）已有类似HUMS系统的升级问题？（2）诊断与预测能力的纽带问题？（3）预测理论与方法的深入探索问题？（4）预测的测度评估与效能评价问题？（5）建立在DPHM之上的 CBM决策、安全评估与调控问题？（6）技术成熟度、系统集成与演示及应用示范问题？ 三、装备健康管理体系框架 DPHM包括检测、诊断、预测与健康管理。健康是指与期望的正常性能状态相比较的性能下降或偏差程度。检测状态、诊断故障的内涵较为明确且是预测的前提。预测即预先诊断部件或系统完成其功能的状态，包括确定部件的剩余使用寿命或正常工作的时间长度（失效前时间）；健康管理则根据诊断／预测信息、可用资源和服役条件（使用制式、环境因素、未来使用需求等）对运行状态调控、维修活动、系统安全做出适当决策的能力。DPHM通过传感器从对象系统的各个层次获取监测数据，然后通过相关的数据处理和分析过程，形成诊断和预测分析，最后给出目标系统的剩余寿命分布、性能退化程度或任务失效的概率，从而为维护计划提供决策信息。在整个方法体系中，预测是实现系统性能退化和剩余寿命预测的“核心”。 DPHM系统一般应具备故障检测、故障隔离、故障诊断、故障预测、健康管理和寿命追踪等功能，且应能实现不同层次、不同级别的诊断、预测和健康管理。它为实现装备保障带来如下能力提升：（1）提供系统失效的高级告警；（2）提供视情维护能力；（3）能够为将来的设计、评估和系统分析获得历史数据及知识；（4）通过维护周期的延长或及时的维修活动提高系统的可用性；（5）通过缩减检查成本、故障时间和库存，降低全寿命周期的成本；（6）减少间歇性故障和无故障发现现象。 四、装备健康管理科学问题 DPHM内含的科学问题主要体现在三个层次。（1）重要部件的损伤/故障/失效的多层级时空尺度下物理机制：包括动态系统损伤的物理机理、演化动力学及描述模型、复杂多变工况下损伤演化过程规律描述、动态信号拾取的新型传感机制、主动式/嵌入式感知一体化并行设计与信息传输模式等。（2）重要部件损伤/故障/失效特征的捕获、提取、识别与预测的理论与方法：包括早期损伤特征增强检测的非线性动力学理论与方法，故障辨识分类、退化识别、安全剩余使用寿命预测与跟踪的计算智能理论与方法。（3）维护策略、安全评估与调控及健康管理规范化体系：包括基于状态的维护/基于预测的维护、故障安全评估及健康管理系统中所涉及的新概念及基础理论、异常动态行为减缓与调控新概念新理论等。图2为健康管理系统科学问题层次描述。由于复杂系统高度的不确定性，预测是系统设计人员面临的主要挑战。对故障演化到可能导致失效的过程的长期预测意味着需要一种手段来表达和管理这种内在的不确定性。另外，准确的故障预测需要良好的故障增长概率模型，以及充分的失效数据统计样本，以用于训练、验证和调节故障预测算法。另外，由于内在的不确定性，故障预测集合了众多未知因素，可能导致预测结果相当大的可变性，因而有必要引入自适应故障预测方案。近几年来，研究人员一直致力于故障预测性能测度、鲁棒算法和可能提供所需的数据测试平台等研究工作，已经取得了不少进展，但这些主要的挑战仍然存在并有待解决。 五、装备健康管理关键技术领域 （一）传感器、激励器及多功能材料在状态感知中应用与发展 包括集成传感器、无线传感器、灵巧传感器、光纤、压电、形状记忆合金/高分子材料、MEMS传感器和微激励器、纳传感器等。传感器的发展与适当应用将在DPHM中扮演着信号获取与物理状态感知的重要任务，使得DPHM的深层次发展必然与传感技术、微纳制造与先进材料科学密切相关。 （二）传感器网络/系统集成 包括仿生感知网络、远程及无线通信、自诊断网络、自修复和故障容错网络、内嵌传感器结构的先进制造、硬件/软件集成、传感器及传感器网络系统的耐久性/可靠性等。传感器网络/系统集成将在 DPHM中扮演信息传输与管理的重要任务，使得DPHM的发展与通信、计算机科学的发展密切相关。 （三）信号处理/监测/诊断 包括先进信号处理、小波方法、数据挖掘/融合、统计信号处理方法、新兴的环境补偿技术、无阈值方法、神经网络方法、基因算法、机器学习、反演法等。信号处理/监测/诊断在DPHM中扮演着信号处理、特征提取、状态分类/辨识/识别的核心任务，使得DPHM与智能信息处理等学科领域的发展密切相关。 （四）预测/健康管理/CBM+ 包括基于数据驱动的残余强度和剩余寿命预测、集成结构健康管理、关键动部件的状态评估、基于结构健康监测的关键结构状态评估等。这是DPHM的核心任务所在。 （五）建模/仿真/系统设计 包括全局－局部分析（故障机理与演化、传感器配置）、传感器/结构或部件的响应建模分析、多功能设计优化、集成传感器/结构的创新设计、基于结构健康监测的设计方法论、灵巧结构等。 （六）DPHM的实现/验证/确认 量化方法、检测概率、可靠性方法、验证/确认方法、集成系统评价技术与系统等。 （七）集成、熟化、考核与应用 包括关键动部件的嵌入监测、自主监测/智能结构。 六、重点实验室所开展的研究工作 近年来，国防科技大学装备综合保障技术重点实验室围绕DPHM内涵，针对液体火箭发动机、航天器、直升机、舰艇等重大装备的动力系统、传动系统、操控系统、电源系统等关键系统，开展了装备测试性/BIT技术、装备状态监控、嵌入式监测、微弱信号检测、故障诊断与预警、退化状态识别与故障预测、装备健康管理系统等方面的系列研究工作，取得了系列阶段性成果[6][7][8][9][10][11]。 （一）研制地面试验实时故障检测原型系统 针对液体火箭发动机，对地面试验实时状态监控技术开展了卓有成效的研究工作，研制了航天动力系统地面试验实时故障检测原型系统。该系统经历了28次综合测试的考验，三次参加了某型液体火箭发动机的热试车考核，开创了我国采用先进技术构建健康监控系统，并参与航天动力系统地面试验任务的先例。 （二）设计运输机及地面设备健康管理系统 提出了某型运输机发动机健康管理系统设计方案，剖析了PHM的总体结构、机载健康管理子系统和地面预测与健康管理子系统的功能、软硬件组成结构与关键技术，设计了大型军用运输机发动机健康管理系统方案，为PHM关键技术攻关与系统开发奠定了基础。 （三）研究试验系统故障模式分析、健康监测和泄漏监测技术 开展了基于故障建模的液体火箭发动机试验系统故障模式分析技术研究，建立了液体火箭发动机试验系统的物理模型，开发了基于知识推理方法的故障模式与影响分析软件。提出了多种实时健康监测与故障诊断方法模型，以及适用于发动机启动过程非平稳工况下的健康监测模型。研究了基于人工嗅觉的推进剂泄漏监测技术，设计了氢敏传感器探头，开发了推进剂泄漏检测系统。 （四）研究直升机主传动系统关键技术 开展了直升机传动链关键部件状态退化机理分析和典型故障关联效应分析，建立了传动系统中行星轮系的动力学模型，仿真分析了典型损伤状态的退化过程、响应特征和故障特征传播规律。开展了直升机传动部件测点布局策略分析与测点选择方法研究，制定了主传动系统的测点选择方案。研究了传动链关键部件的损伤特征提取、状态监测、故障诊断与预测方法。 （五）研究微弱故障早期诊断理论与方法 较早地提出了基于混沌振子模型和随机共振理论模型的微弱故障早期诊断理论与方法。首次分析并证明了双稳系统随机共振离散模型的稳定性条件，提出了模型求解的数值算法和双稳系统模型的尺度变换准则，拓展了现有理论所能检测信号的频率范围。以随机共振理论为基础，结合计算阶比分析、时间同步平均、信号预白化、随机共振电路、耦合随机共振阵列等，提出了一系列早期故障微弱特征增强检测模型与方法，有效提高了旋转部件故障特征的信噪比。 （六）开展故障诊断与预测的智能学习理论研究 基于人工免疫、支持向量机和相关向量机等模式识别方法，提出了一系列适用于故障数据缺乏、先验知识不足情况下的健康监测与故障诊断模型。基于非线性动力学中的相空间曲变理论，提出了适用于变工况的损伤跟踪方法。从损伤状态、故障信号特征与工况参数之间的关联关系出发，提出了适用于变工况的装备健康监测与故障诊断智能模型。研究了结合智能学习理论和物理模型的剩余使用寿命预测理论方法及其性能评估与验证方法。 七、挑战性问题与发展对等思考 （一）面临的主要挑战 结合对国内外研究现状与趋势的深入分析，针对典型复杂装备DPHM，可以总结提炼出以下需要深入研究的挑战性问题。（1）故障演化机理分析：包括单元部件从投入使用到出现异常直至故障演化到失效全过程机理动力学分析与物理模型研究，据此进一步研究异常状态/早期故障/中晚期故障/失效模式的特征表征形式及其演化规律。（2）微弱早期故障检测能力增强与提高方法：在足够早的阶段获得故障检测能力是研发和实现有效的诊断与预测技术的关键环节。（3）面向退化识别与剩余寿命预测能力的特征提取与生成：结合非线性理论和先进信号处理的多变换域特征提取技术研究，以从中提取或筛选出适合于损伤演化预报的时间基特征。（4）退化状态识别与预测的多学科融合方法：从物理模型、统计学习、计算智能理论与方法中发展预测方法的融合平台，探索各种预测方法的不同情境适应性，在多层次上融合具有独特适应性的预测方法以获得协同的预测效果。（5）剩余使用寿命预测的测度指标评估：建立类似于具有良好特性的概率密度函数的剩余寿命预测中界定不确定性指标的方法，研究作为寿命预测函数的准确度和不确定性指标的收敛特性。（6）预测方法与模型研究中挑战性问题包括：状态监测信息与可靠性分析相结合以发展更接近服役环境的退化状态预测模型；充分而准确地利用可能的预测信息以发展更稳健的预测模型；发展能够说明对维修行为影响的预测模型；考虑变工况影响的预测模型；建立状态监测指数与系统/子系统/部件健康之间的非线性关联关系；发展多部件故障互作用的预测模型；假设的准确度与指标要求的实用性；性能评价体系建立等。 （二）应对策略 针对上述挑战，应考虑如下应对策略：（1）针对具体的应用背景与对象，前伸至设计阶段就并行展开具体的研究与开发工作；（2）重视前端的故障机理动力学与信号感知研究工作；（3）重视由“数据”到“信息”的收集、提取理论与方法研究；（4）重视由“信息”到“知识”的提炼、归档的建模及智能理论应用研究工作；（5）重视关键部件的故障预测与剩余使用寿命预示研究工作；（6）重视全系统层次的故障安全评估研究工作；（7）重视信息系统集成与实现、评估与考核、验证与确认、模型熟化与应用示范工作。
|
|
|
