□ 談宏志

上海電氣集團股份有限公司 中央研究院 上海 200070

1 研究背景

故障預測與健康管理技術的內涵是采用先進的傳感器,借助各種算法和智能模型來預測、監(jiān)控和管理資產系統(tǒng)的健康狀態(tài),實現預測性維修,保證設備始終處于可靠受控狀態(tài),提供較優(yōu)的運維策略,大幅降低維護保養(yǎng)費用。故障預測與健康管理技術的核心是預測未來一段時間內系統(tǒng)失效的可能性,以及采取適當維護措施,具備數據采集與歸納、狀態(tài)監(jiān)測、故障診斷、故障預測、健康管理和部件壽命追蹤等能力。

故障預測與健康管理技術應用的雛形源于軍隊,如直升機健康與使用監(jiān)測系統(tǒng)[1-2]、飛機狀態(tài)監(jiān)測系統(tǒng)[3]、美國陸軍診斷改進計劃。20世紀90年代,在美軍、英軍等聯(lián)合攻擊戰(zhàn)斗機項目中,提出了視情維修要求,故障預測與健康管理技術正式被提出[4-5]。在軍事領域,目前故障預測與健康管理技術的應用效果及技術水平最高。其中最具代表性的是美軍F-35戰(zhàn)斗機故障預測與健康管理系統(tǒng),維修人力減少了20%～40%,出動架次率提高了25%,總后勤保障成本降低了50%[6]。

故障預測與健康管理技術在軍工、民航領域的普及應用,不僅大大降低了后勤保障成本,而且提高了設備可靠性指數[7]。如何將故障預測與健康管理技術應用到一般民用領域,如軌交、船舶、工程機械、風力發(fā)電、機床、鋼鐵、電梯等,是筆者研究的重點。

軍工、民航領域與一般民用領域有五方面區(qū)別。

(1) 復雜程度。軍工和民航設備子系統(tǒng)繁多,屬于全學科系統(tǒng),復雜程度遠高于一般民用領域。

(2) 使用頻次。戰(zhàn)斗機等軍工設備出勤頻次遠低于民用領域設備,而且后勤保障時長一般大于出勤時間。

(3) 單體價值。軍工設備單體價值高,但不產生直接收益,民用領域設備產生價值收益。

(4) 傳統(tǒng)運維模式。軍工設備多采用保障性維護,民用領域設備多采用定期和事后維護維修。

(5) 維保投入成本。受經濟指標考核要求,相比軍工設備,民用領域設備維保的投入需要一定的性價比。

一般民用領域設備具有復雜度較高、設備使用壽命長、綜合運維成本高等特點,故障預測與健康管理技術應用潛力巨大,但是單體價值、投入成本的能力相比軍工設備存在差距。

軍工領域設備的成功應用模式不能照搬,需要結合行業(yè)特點制訂最合適的故障預測與健康管理技術民用領域應用體系與推廣模式。

2 研究架構

故障預測與健康管理技術研究與應用的目標是開發(fā)一套經過認證的多學科交叉健康管理與故障預測系統(tǒng)或工具,實現基于人工智能與數字化技術的設備智能運行維護。張寶珍等[8]介紹了故障預測與健康管理計劃的設立背景、研究框架和特點。根據民用領域及故障預測與健康管理技術的特點,參考美國國家航空航天局的飛行器綜合健康管理計劃總體技術途徑,筆者梳理出故障預測與健康管理技術在一般民用領域應用的研究架構,如圖1所示。

▲圖1 故障預測與健康管理技術民用領域應用研究架構

第一層基礎層是支撐故障預測與健康管理技術有效開展的基石,涵蓋了物理與機理知識、材料與傳感器、感知與數據采集、開發(fā)流程、數學建模方法、驗證與評估方法、軟件集成設計方法等七方面工作。機理知識是基石中的核心,因為基于故障預測與健康管理技術的一般工業(yè)監(jiān)測、診斷、預測、緩解、優(yōu)化應用的特點通用性弱,不同行業(yè)甚至同一行業(yè)不同工況下痛點和訴求均不一樣,豐富的失效模型庫是故障預測與健康管理技術應用的核心競爭力。針對故障預測與健康管理技術應用的開發(fā)流程同樣至關重要,通過標準化指標需求、數據要求、可行性驗證、算法選取、驗證測試、模型發(fā)布等開發(fā)過程,形成一套可行評估、中途監(jiān)管與中止、結果驗證的研究閉環(huán)流程。

第二層功能模塊層包含監(jiān)測、健康評估、診斷、預測、緩解與運維優(yōu)化等技術功能。

第三層系統(tǒng)層實現電子電氣部件、機械部件、子系統(tǒng)、系統(tǒng)不同層次的故障預測與健康管理技術應用。

第四層驗證與應用層實現從歷史數據驗證、實驗室驗證、樣機應用到廣泛采用的進階,最終對系統(tǒng)產生實質性影響。

3 關鍵技術

故障預測與健康管理技術在民用領域應用的研究架構涉及材料、傳感器、人工智能、數字化等多學科技術領域,其中基礎層涵蓋內容最多,對故障預測與健康管理技術研究的效果起決定性作用。

3.1 基礎關鍵技術

(1) 材料與傳感器技術。傳感器用于系統(tǒng)信號與狀態(tài)數據獲取,包括集成傳感器、無線傳感器、薄膜傳感器等。傳感器技術與傳感、高分子材料、先進制造密切相關。目前,傳感器技術朝兩個方向發(fā)展,一是傳感器精度、穩(wěn)定性、復用性、方向性,二是傳感器尺寸的優(yōu)化,便于與工程結構集成。

(2) 數學建模技術。研究形成基于系統(tǒng)可靠性、物理邏輯機理和數據驅動的建模技術?；跀祿寗拥慕＜夹g包含單一機器學習、機理與數據驅動融合、多算法融合,以及監(jiān)督、非監(jiān)督、半監(jiān)督學習融合等。

(3) 驗證與評估技術。目前故障預測與健康管理技術的研究熱點主要集中在建立健康評估模型、故障預警與預測模型、剩余使用壽命預測模型等方面,如何對健康指標、模型進行驗證和評估是極具挑戰(zhàn)的問題,驗證與評估方法的優(yōu)異程度決定了故障預測與健康管理技術的應用價值。驗證與評估主要可以分為驗證方法與性能評估、原型驗證系統(tǒng)、不確定性管理三大支撐技術[9]。

(4) 系統(tǒng)集成技術。健康評估模型、故障預警與預測模型是數學模型,如何與實時系統(tǒng)集成并使模型結論顯性化,需要軟件系統(tǒng)與算法模型的集成,包含中臺技術、容器技術等。

3.2 核心功能模塊

(1) 健康評估技術。健康評估一般分為訓練階段和驗證階段,訓練階段主要基于健康狀態(tài)下的歷史數據,如列舉n個特征、m組數據,將m×n矩陣作為訓練數據,通過監(jiān)督學習和非監(jiān)督學習均可生成健康評估模型,如圖2所示。其中,健康特征包含量化物理量、統(tǒng)計指標、虛擬指標三大類。

▲圖2 健康評估模型

(2) 診斷技術?；跉v史數據、機理知識建立故障診斷模型,結合健康基準模型實現對影響裝備安全可靠運行的異常和重要報警的定位、原因分析,輔助人員縮小故障范圍,提高故障排除效率。故障診斷研究路線如圖3所示。故障診斷模型作為監(jiān)控系統(tǒng)的后臺模型,實時對系統(tǒng)的運行狀態(tài)進行監(jiān)測,追溯故障原因,實現故障診斷功能,提高故障定位效率,并有效提高設備管理水平。

▲圖3 故障診斷研究路線

(3) 預測技術。預測技術包含故障預測及剩余使用壽命預測,如圖4所示。故障預測可實現對已知故障進行有效預測,在故障發(fā)生之前進行主動干預,避免非計劃性停機,逐步實現設備的智能化管理。剩余使用壽命預測評估部件或者系統(tǒng)的剩余使用壽命。實現預測的技術路線有基于可靠性、基于物理機理、基于數據驅動三種?；诳煽啃约夹g路線通過概率統(tǒng)計進行定性預測,精度較低?；谖锢頇C理技術路線根據全生命周期試驗得到的機理模型,建立衰退模型,準確預判失效模式與發(fā)生時間。基于數據驅動技術路線通過數學方式,對連續(xù)信號、離散數據進行擬合,形成模型,可結合機理知識提高模型精度。

▲圖4 故障預測與剩余使用壽命預測技術路線

4 民用領域應用進展

故障預測與健康管理技術的應用與行業(yè)場景、數據基礎、傳感技術、算法精度息息相關。故障預測與健康管理技術在各行各業(yè)的發(fā)展進程各不相同,根據技術生命周期的方法,筆者制訂了研究、工程、應用、社會影響四個階段。故障預測與健康管理技術應用階段與評估指標如圖5所示。

▲圖5 故障預測與健康管理技術應用階段與評估指標

根據故障預測與健康管理技術應用階段的評價指標,梳理出軌道交通、船舶、工程機械、風力發(fā)電、機床、鋼鐵、電梯等一般民用領域的應用階段[10-23],如圖6所示。

▲圖6 故障預測與健康管理技術民用領域應用階段

故障預測與健康管理技術在風力發(fā)電領域的發(fā)展之所以最為成熟,與數據基礎、網絡基礎相關。在陸上風力發(fā)電發(fā)展初期,關鍵部件的遠程監(jiān)控、風力發(fā)電場數字化運營是標配,為故障預測與健康管理技術發(fā)揮作用奠定了基礎。目前,風力發(fā)電場業(yè)主主動要求主機廠商提供關鍵部件的故障預警服務。

軌道交通行業(yè)涉及車輛、供電系統(tǒng)、通信信號三大專業(yè),是多學科融合的產業(yè),與民眾出行安全息息相關,傳統(tǒng)的維保模式成本高,無法滿足行業(yè)的高速發(fā)展需求。基于數據驅動的故障預測與健康管理技術可以實現關鍵部件的故障定位、故障預警功能,并可實現三專業(yè)融合的維保,解決關聯(lián)故障跨專業(yè)不定位導致的問題。目前,車輛專業(yè)發(fā)展較快,如上海申通地鐵正在建立車輛智能運維系統(tǒng)平臺,部分車門、道岔、制動系統(tǒng)等零部件供應商開始提供關鍵部件故障診斷、亞健康評估等增值服務。

從縱向領域分析,單體價值越高,領域的發(fā)展階段越領先。對于軌道交通、船舶、工程機械、鋼鐵等行業(yè)而言,隨著工程師數字化能力、算法機理知識理解能力的提升,故障預測與健康管理技術將逐步進入廣泛應用階段。目前已有部分成熟產品及服務,如寶武集團成立寶武裝備智能科技有限公司,以智能運維為主線,為鋼鐵制造提供智慧服務。

針對機床、電梯、液壓等行業(yè),雖然單體價值較低,但是在數量上有絕對優(yōu)勢。目前,機床的主軸、頭架、刀具最受關注,市場上已有部分刀具監(jiān)控與預警系統(tǒng)產品。隸屬于特種設備行業(yè)的電梯,隨著故障預測與健康管理技術的發(fā)展,部分法律法規(guī)同步更新中,基于故障預測與健康管理技術的按需維保則進行了試點。

故障預測與健康管理技術主要實現了遠程監(jiān)控、健康評估、故障診斷等功能。附加值最高的故障預警預測、剩余使用壽命預測等功能則尚未替換現有技術及推廣應用,原因主要有三方面。

(1) 投資回報率難以計算。我國工業(yè)體系經過多年發(fā)展已相當成熟,機械維護維修自身的利潤空間有限,預測性維護驗證周期長,經濟收益測算時間長,前期投入成本高。

(2) 固化的思維限制商業(yè)模式改變。

(3) 故障預警及剩余使用壽命預測精度達不到生產環(huán)境級應用。原因一方面是基礎數據量不足,傳感器及運行歷史數據不夠多;另一方面是失效模式的多樣性,沒有充足機理知識積累,無法建立環(huán)境級的失效模型。

5 結束語

隨著人工智能、物聯(lián)網、網絡技術的發(fā)展,故障預測與健康管理技術成熟度將越來越高,但國內目前還處于發(fā)展初期,除應關注故障預測與健康管理標準化體系、故障預測與健康管理驗證系統(tǒng)的建設外,還應重視工業(yè)可靠性及物理機理的研究,重視工業(yè)現場數據感知及數據信息化、知識化技術,并重視提升預測精度方法的研究[24]。

總而言之,故障預測與健康管理技術在一般民用領域的應用與軍工設備、航天航空領域存在較大差距。隨著投入資源的增加、研究體系的完善、示范應用的成功,故障預測與健康管理技術將顛覆民用領域傳統(tǒng)的運營與維護方式,智能化運維時代即將到來。