江炘坤，宋冬利

（西南交通大學 牽引動力國家重點實驗室，四川 成都 610031）

0 引言

傳統(tǒng)裝備維修管理方式主要以預防性維修為主、事后維修為輔，多采取計劃修、事后修的方法解決裝備的維修問題，但實際應用中存在維修不足、維修過剩等問題［1-2］。維修不足會導致裝備未得到足夠維修量在后續(xù)使用過程中產(chǎn)生風險，并增加裝備局部故障演變?yōu)檎w故障的概率；維修過剩會導致維修資源浪費和裝備壽命浪費，如動車組輪對傳統(tǒng)計劃修方法較視情維修方法會浪費更多的輪徑余量，導致輪對整體壽命縮短，同時頻繁維修也會增加裝備產(chǎn)生額外故障的概率。

為尋找更加經(jīng)濟有效的工程裝備保障方式以適應現(xiàn)代工程裝備的復雜性和智能性，在20世紀90年代中期，視情維修（Condition Based Maintenance，CBM）技術得到了美國等國的重視，并廣泛應用于軍事裝備的維護與管理中。視情維修的目的是對裝備在合理時間對合理部分進行維修，CBM可降低裝備維修成本、提高裝備維修效率、延長裝備壽命。作為實現(xiàn)CBM技術的重要途徑，故障預測與健康管理（Prognostic and Health Management，PHM）技術得到充足發(fā)展［3］。故障預測技術通常采用先進傳感器技術，基于機理或數(shù)據(jù)模型監(jiān)測和預測設備狀態(tài)［4］；健康管理是利用狀態(tài)監(jiān)測、故障診斷、壽命預測等關鍵技術對需要維修的對象進行分析和預測的技術［5］。

PHM強調在設備管理中開展狀態(tài)感知、狀態(tài)監(jiān)控、明確故障發(fā)生范圍與周期，通過采用先進傳感器技術、信息融合技術和大數(shù)據(jù)技術實現(xiàn)對裝備故障的監(jiān)測和分析，從而大幅提高裝備維修效率。

PHM實現(xiàn)了裝備維護管理方法由健康監(jiān)測向健康管理的轉變，通過實時狀態(tài)監(jiān)控、故障判別、輔助決策和資源管理等技術手段，實現(xiàn)對裝備的自我修復調控、智能維修輔助決策和維修任務的規(guī)劃。使得傳統(tǒng)裝備維修辦法轉變?yōu)榫哂兄鲃有?、先導性的裝備維修辦法。

1 PHM系統(tǒng)總體技術結構

1.1 PHM系統(tǒng)框架

總結近年來PHM系統(tǒng)的應用研究情況，PHM系統(tǒng)總體技術框架可分為PHM對象層、數(shù)據(jù)處理層、信息處理層和決策層4個部分（見圖1）。

圖1 PHM系統(tǒng)總體技術框架

（1）PHM對象層。PHM對象層包括2部分：與PHM密切相關的對象（設備、裝備等）和PHM的物理感知網(wǎng)絡。在對PHM密切相關的對象設計時要保留PHM系統(tǒng)應用空間，即增加實現(xiàn)后續(xù)故障預測與健康管理功能所需要的空間；在對物理感知網(wǎng)絡進行設計時要充分考慮傳感器的應用工況、測試范圍和傳感系統(tǒng)物理結構的合理性。

（2）數(shù)據(jù)處理層。為了實現(xiàn)對PHM系統(tǒng)所采集信號的清洗，需在PHM系統(tǒng)中增加數(shù)據(jù)處理層。主要是實現(xiàn)對PHM對象層采集到的信號進行預處理，同時將處理好的信號按照一定格式分類存儲，以便后續(xù)功能調用。

（3）信息處理層。結合PHM關鍵技術算法和先前數(shù)據(jù)處理層得到的數(shù)據(jù)，實現(xiàn)對故障預測和健康管理技術對象的壽命預測、故障預測、狀態(tài)評估等PHM技術的核心功能，并將處理結束的信息發(fā)送給決策層。

（4）決策層。綜合信息處理層得到的信息，考慮任務規(guī)劃和經(jīng)濟成本，對維修決策、備件配置、資源優(yōu)化等計劃進行優(yōu)化管理，得到更為合理的PHM運維決策。

1.2 PHM系統(tǒng)體系結構

PHM系統(tǒng)體系的主要結構可分為3類：集中式結構、分布式結構、分層融合式結構［6］。

1.2.1 集中式結構

當分析對象為小型、簡單設備時，常采用集中式結構（見圖2）。集中式結構邏輯簡單，通過單一的中央故障管理控制器對整個系統(tǒng)所有故障信號進行收集和分析，并最終制定維修決策。盡管系統(tǒng)簡單、信息傳輸路徑明確，但集中式結構并不適合大型復雜裝備：隨著系統(tǒng)監(jiān)測部件數(shù)量和信號量的急劇增加，中央處理器工作負載將會持續(xù)加大；越復雜的系統(tǒng)就越難以實現(xiàn)高效的處理效率，因而面對復雜系統(tǒng)時，集中式結構難以實現(xiàn)高效率分析。

圖2 集中式結構示意圖

1.2.2 分布式結構

分布式結構（見圖3）各子系統(tǒng)具有獨立完成故障監(jiān)測、狀態(tài)監(jiān)測和隔離等任務的功能。各子系統(tǒng)完成各自分析任務后會將分析結果上傳至綜合控制系統(tǒng)。其突出優(yōu)點是可在各子系統(tǒng)中獨立完成PHM分析，且不存在高級別PHM分析，因此可大幅降低測試成本。相較于集中式結構，分布式結構可應用在大型復雜系統(tǒng)中，但各子系統(tǒng)間的分析結果并不能很好集成，從而缺少對各子系統(tǒng)信息中冗余信息的利用，形成的維修決策缺乏可信度。

圖3 分布式結構示意圖

1.2.3 分層融合式結構

分層融合式結構（見圖4）是綜合以上2種結構的新型PHM系統(tǒng)體系結構。在較低層級上，針對各子系統(tǒng)采用分布式結構處理，賦予各子系統(tǒng)獨立的狀態(tài)監(jiān)測、故障檢測能力，將被子系統(tǒng)解釋后的信號形成重要信息流呈現(xiàn)給更高級別的處理模塊。在高級別處理模塊處，采取集中式結構的中央故障管理控制器作為處理核心，由于信號已被提前處理，大大減少中央故障管理控制器處理負擔，形成針對裝備各系統(tǒng)的綜合診斷。分層融合式結構適用于現(xiàn)代大型復雜機電系統(tǒng)，系統(tǒng)各子系統(tǒng)聯(lián)系密切，需具備對全局信息有準確處理能力的PHM系統(tǒng)進行處理，同時要求對各子系統(tǒng)的各種信息進行甄別和選擇，為中心提供最干練的重要信息流，分層融合式結構是實現(xiàn)這種處理的較佳選擇。

圖4 分層融合式結構示意圖

綜上所述，對于結構簡單、要求一次性工作和信息傳輸途徑明確的裝備系統(tǒng)，常采用集中式結構；對于工作時間較短但系統(tǒng)較為復雜的裝備系統(tǒng)需采用分布式結構；對于結構復雜且需長時間工作、對工作效率要求較高的裝備系統(tǒng)，常采用分層融合式結構。無論選擇哪種結構，都應選擇適用實際工況的PHM系統(tǒng)體系結構。

2 PHM關鍵技術研究及應用現(xiàn)狀

2.1 PHM技術特點

PHM技術早期多用于航空領域，如F404發(fā)動機檢測系統(tǒng)中，出現(xiàn)了剩余壽命評估、操作極限監(jiān)控、熄火檢測等早期故障監(jiān)測功能。但早期PHM系統(tǒng)缺乏故障預測功能，受限于當時技術發(fā)展條件，并不能實現(xiàn)故障的實時檢測和及時預測。進入21世紀，隨著計算機技術和數(shù)據(jù)處理技術的迅速發(fā)展，PHM技術已經(jīng)成為連接裝備本身和其保障裝備的重要橋梁，同時也是英美等國爭相研究的重點領域。PHM技術早在2000年就被列入美國國防部《軍用關鍵技術》報告［7］。2002年，美國國防部在原有CBM管理技術基礎上又提出更高端的CBM概念（CBMPlus，CBM+），用來提高裝備視情維修的效率和精度。2006年，PHM技術在美國最新研發(fā)的F35戰(zhàn)機上得到應用。同時，美國國家航天局等多個科研機構針對航天領域的PHM系統(tǒng)開展了綜合研究。PHM技術不局限于航空航天領域，更在汽車、核電領域得到廣泛應用。我國《國家中長期科學和技術發(fā)展規(guī)劃綱要》（2006—2020年）［8］中明確指出，重大產(chǎn)品和重大設施壽命預測技術是提高運行可靠性、安全性、可維護性的關鍵技術。

相較于傳統(tǒng)設備管理方式，PHM系統(tǒng)由傳統(tǒng)故障觸發(fā)搶修，到定期檢修、狀態(tài)維修，再到預防性維修和綜合規(guī)劃管理方式，從傳統(tǒng)基于狀態(tài)監(jiān)測進一步演化為剩余壽命預測，具有安全性、經(jīng)濟性、可測試性、保障性、可靠性、實時監(jiān)控性的特點（見圖5）。

圖5 PHM系統(tǒng)技術特點

2.2 PHM系統(tǒng)關鍵技術模塊

PHM系統(tǒng)一般需要6個關鍵技術模塊：可測試性與先進系統(tǒng)感知網(wǎng)絡技術、數(shù)據(jù)預處理技術、健康狀態(tài)劃分技術、健康狀態(tài)評估技術、剩余壽命預測技術、視情維修決策技術［9］。

2.2.1 可測試性與先進系統(tǒng)感知網(wǎng)絡技術

在PHM系統(tǒng)研制之初，首先要考慮PHM系統(tǒng)感知網(wǎng)絡層的構建，PHM系統(tǒng)在線感知網(wǎng)絡主要是由傳感器、數(shù)據(jù)傳輸網(wǎng)絡、數(shù)據(jù)采集組件、接口組件、控制器組成的數(shù)據(jù)采集控制系統(tǒng)。需選擇經(jīng)濟、性價比高的感知網(wǎng)絡組件，確保建立讀數(shù)全面、數(shù)據(jù)來源可靠的PHM系統(tǒng)感知網(wǎng)絡。我國陸續(xù)有高校及科研院所開展了傳感器技術研究，同時為方便PHM系統(tǒng)建立后的應用和測試過程，需結合PHM系統(tǒng)的實際應用環(huán)境，對PHM系統(tǒng)進行可預測性設計。可預測性設計的主要內容包含故障標尺內建、預警裝置內部安裝等，與具體應用對象的結構、原理等密切相關。

2.2.2 數(shù)據(jù)預處理技術

實際的PHM系統(tǒng)通常處于噪聲干擾大、信號源影響因素多的工作環(huán)境。導致感知層采集到的信號具有隨機性，不能直接進行分析，且各單位采集的信號由于參數(shù)單位不同，不能直接進行統(tǒng)一處理。因此需通過數(shù)據(jù)預處理技術進行分析后再進行健康狀態(tài)劃分和狀態(tài)評估。數(shù)據(jù)預處理主要包括數(shù)據(jù)去噪、特征提取和規(guī)范化處理等。

（1）PHM系統(tǒng)對象層采集到的信號通常夾雜許多噪聲，必須經(jīng)過去噪清洗后才可被后續(xù)算法處理。常見的去噪方法有3種：分箱法、回歸法和聚類法。分箱法通過對分箱數(shù)據(jù)進行去邊界、最大或均值等處理，可使得到的箱內數(shù)據(jù)變得更加易于處理；回歸法基于統(tǒng)計學理論實現(xiàn)數(shù)據(jù)的降噪處理；聚類法對PHM系統(tǒng)對象層采集到的原始數(shù)據(jù)按照一定規(guī)律進行聚類分析，最大程度降低離群數(shù)據(jù)量，實現(xiàn)數(shù)據(jù)的預處理。

（2）對象層的特征提取方法主要包括時域、頻域、時頻域3種。

時域方法主要利用時域內的多個特征量（如裕度因子、峭度因子等）作為統(tǒng)計依據(jù)，主要包括時域統(tǒng)計分析和相關分析。在時域統(tǒng)計分析方面，李繼猛等［10］基于峭度指標，在保證已有特征完整性的前提下，對軸承振動信號中的周期沖擊分量進行了提取?；ハ嚓P分析可對2種不同信號間的關系作出描述［11］；自相關分析則針對單個信號，對該信號在一定時間變化前后的關系作出分析。

頻域分析相較于時域分析具有更高的精度，經(jīng)過頻譜變換后的信號會具有更高的故障辨識度。常見的頻域分析類型有功率譜分析、倒頻譜分析和包絡譜分析等。代士超等［12］將倒頻譜分析方法與時域分析方法相結合，使得到的軸承信號故障特征更加明顯清晰，提高了對軸承故障診斷的準確度。

時頻域分析可反饋出時間和頻域間的關系，同時可以更好地顯示信號細節(jié)存在的問題。常見的時頻域分析方法有短時傅里葉變換（STFT）、Wigner-Ville時頻分布、小波變換（WT）及其衍生方法［13］等。

（3）可采用縮放規(guī)范化處理及Z-Score規(guī)范化處理等技術將參數(shù)數(shù)據(jù)轉化為無量綱數(shù)據(jù)。縮放規(guī)范化處理是將參數(shù)數(shù)據(jù)縮放至規(guī)定量程；Z-Score規(guī)范化處理是對數(shù)據(jù)集的均值及偏差進行規(guī)范化處理。

2.2.3 健康狀態(tài)劃分技術

實際應用中，通常將裝備系統(tǒng)的健康狀態(tài)劃分為不同等級，如輪對多邊形狀態(tài)劃分為A、B、C、D四個檔次，通過細化的健康狀態(tài)劃分，可更加細致地描繪裝備系統(tǒng)的實際工作狀態(tài)。目前，健康狀態(tài)等級劃分方法可分為3類［14］：

（1）專家分類法。實際工況中以裝備使用壽命和專家經(jīng)驗為判斷依據(jù)，對裝備的健康狀態(tài)進行劃分。專家分類法只適用于壽命周期容易獲得、實際專家工作經(jīng)驗較為豐富的裝備。

（2）等級標度法。在實際壽命周期難以評估且專家經(jīng)驗缺乏的情況下，可使用等級標度法作為健康狀態(tài)劃分方法，建立裝備的健康指標庫，并將設備的健康狀態(tài)按照偏離健康正常指標的程度進行劃分。

（3）聚類算法。采集裝備的全生命周期運行數(shù)據(jù)，按照聚類算法對這些數(shù)據(jù)進行劃分。此方法較適用壽命數(shù)據(jù)容易獲取的裝備。

Medjaher等［15］根據(jù)軸承實際工作壽命將軸承健康狀態(tài)分為3個等級：健康、惡化和故障；Soualhi等［16］采用人工蟻群聚類算法將軸承健康狀態(tài)分為4個等級：良好、較好、較壞和故障。

2.2.4 健康狀態(tài)評估技術

健康狀態(tài)評估是PHM技術研究的核心，對裝備的結構、功能、運行機制和狀態(tài)特征進行分析來構建系統(tǒng)的健康評估體系。健康狀態(tài)評估方法主要有基于狀態(tài)模型的方法、基于數(shù)據(jù)驅動的方法和基于知識經(jīng)驗的方法。

（1）基于狀態(tài)模型的方法是在機理分析基礎上，通過對設備對象的機理進行細致研究，得到其退化模型，進而對設備的健康狀態(tài)進行評估。若建立的模型準確，則該方法可信度有保障。但建立模型過程復雜并需較高的專業(yè)知識，且建好的模型只可針對當下健康狀態(tài)進行劃分，不可推廣應用。Rabiei等［17］提出一種基于經(jīng)驗裂紋擴展模型、定期裂紋尺寸測量、在線裂紋擴展速率估計的遞歸貝葉斯融合方法，用于機械結構的健康狀態(tài)評估；Lu等［18］提出一種基于擴展卡爾曼濾波器的非線性欠定狀態(tài)估計方法，用于燃氣渦輪發(fā)動機健康狀態(tài)評估。

（2）灰色系統(tǒng)理論、神經(jīng)網(wǎng)絡和支持向量機等基于數(shù)據(jù)驅動的辦法，通過獲取各狀態(tài)參數(shù)的監(jiān)測數(shù)據(jù)對健康狀態(tài)進行劃分，這種方法將會隨著大數(shù)據(jù)技術的發(fā)展得到更多應用。牛曉曉等［19］采用在線順序極限學習機識別軸承的健康狀態(tài)；Guo等［20］采用卷積神經(jīng)網(wǎng)絡識別軸承的健康狀態(tài)，網(wǎng)絡參數(shù)的學習采用誤差反向傳播算法和自適應矩估計算法。

（3）基于知識經(jīng)驗的方法是基于一線維修人員經(jīng)驗判斷作為評估的指標，常見方法有專家系統(tǒng)、層次分析法和模糊評判法?；谥R經(jīng)驗的方法主觀性強、評判結果不具有普適性，且無法給出量化的故障程度。肖運啟等［21］采用層次分析法和模糊評判法評估風電機組的健康狀態(tài)；胡姚剛等［22］依據(jù)證據(jù)源修正思想建立基于證據(jù)推理的風電機組健康狀態(tài)評估模型；邱文昊等［23］采用層次分析法、熵權法、模糊評判法和D-S證據(jù)理論評估某裝備供電系統(tǒng)的健康狀態(tài)；Yin等［24］采用基于差分進化算法優(yōu)化的置信規(guī)則庫評估數(shù)控機床伺服系統(tǒng)的健康狀態(tài)。

2.2.5 剩余壽命預測技術

剩余壽命指從裝備被監(jiān)測開始直到裝備功能失效所需的全部時間，往往利用分析設備的退化軌跡和歷史數(shù)據(jù)建立剩余壽命估計模型。剩余壽命的分析有助于提出更合理的維修策略，提高裝備的檢修效率。剩余壽命預測的方法主要包括基于物理模型的預測方法、基于知識的預測方法和基于數(shù)據(jù)的預測方法。

（1）通過分析裝備的物理失效機制，可得到基于物理模型的剩余壽命分析方法。這種方法可研究到裝備故障的本質，得到的物理模型解釋性強，并可做到實時預測。但構建物理模型的過程復雜，難以在復雜系統(tǒng)裝備上應用。

（2）基于知識的預測方法與基于物理模型的預測方法不同，主要通過研究相關領域的專家知識進行預測，如基于專家知識的預測方法和基于模糊理論的預測方法，但這種方法更適合于定性推理，得不到量化結果，通常需與其他技術相互配合得到結果。

（3）基于數(shù)據(jù)的預測方法是根據(jù)歷史數(shù)據(jù)和當前數(shù)據(jù)，通過數(shù)學分析反映壽命和數(shù)據(jù)間的映射關系，不要求了解裝備的故障原理，只需通過強大數(shù)據(jù)處理分析能力就可得到裝備的壽命預測模型。

2.2.6 視情維修決策技術

基于裝備的故障預測和壽命預測結果，在裝備出現(xiàn)故障征兆時就進行有針對性的維修稱為視情維修。視情維修可解決傳統(tǒng)計劃修導致的維修不足和維修過剩問題。其主要方法有比例風險模型、沖擊模型和延遲時間模型等。

（1）比例風險模型可較清晰地描述裝備壽命周期和相關變量間的內在聯(lián)系，并用量化單位表示裝備的故障或剩余壽命。

（2）沖擊模型主要應用于受到?jīng)_擊的設備的壽命、可靠性和失效等性質的預測，多用于解決累積沖擊條件下單維修決策問題。

（3）延遲時間模型將設備的失效分為初始缺陷階段和延遲階段。一旦設備在初始缺陷階段完成了檢測就能更有效地找到設備中存在的問題，但如果在延遲階段內進行檢測，就會導致設備故障。延遲時間模型需配合其他模型使用，單一使用延遲時間模型缺乏數(shù)學分析基礎。

3 軌道交通領域PHM技術應用探討

近年來，我國高速鐵路迅速發(fā)展并取得了舉世矚目的成績。而對高速鐵路而言，由于車型眾多，在行車過程中，設備故障和檢修質量等方面的問題偶有發(fā)生。針對高速列車的PHM技術研究應運而生［25］。盡管有眾多科研院所開展了針對軌道交通系統(tǒng)的PHM研究，但PHM技術在軌道交通上的實際應用仍存在難點問題有待進一步研究。

（1）軌道交通列車PHM總體技術研究。隨著高速鐵路的建設里程逐漸增多，高速鐵路逐漸向“智能+服務”的形態(tài)轉型，許多科研院所及高校開展了針對軌道交通PHM技術的研究。由于我國軌道交通列車型號繁多、數(shù)量大且各類車輛關鍵部件的失效模式和故障預測模型不同，通常情況下，一套健康評估模型只可應用于某一工況下的特定設備健康狀態(tài)評估。且現(xiàn)有健康狀態(tài)評估模型多依賴于單狀態(tài)下的信號采集，不具備評估全狀態(tài)軌道交通信息的能力。因此，如何整合各關鍵部件的PHM技術，作出全狀態(tài)軌道交通健康評估和故障預測，是軌道交通PHM系統(tǒng)的一大研究方向。

（2）軌道交通關鍵部件故障特征參數(shù)集建立。在長期服役過程中，軌道交通列車表現(xiàn)出許多狀態(tài)參數(shù)，如轉向架橫向加速度、軸向加速度、軸箱軸承聲音信號、輪對踏面剝離與凹陷等。充分利用這些狀態(tài)變量所反映的軌道交通關鍵部件狀態(tài)可為軌道交通關鍵部件提供準確的狀態(tài)特征數(shù)據(jù)庫。對不同部件的狀態(tài)參數(shù)進行研究來模擬得到該部件的狀態(tài)變化規(guī)律，進而提煉出可反映不同部件健康狀態(tài)的指標并整理成方便調用的集合，是接下來軌道交通PHM系統(tǒng)研究的一大難點。

（3）軌道交通故障信號深度處理。作為復雜機械系統(tǒng)的代表，軌道交通關鍵部件故障通常是混雜在一起發(fā)生，得到的故障信號通常會夾雜噪聲和其他關鍵部件故障信號。如何在實際工況中對采集到的故障信息進行清洗并解耦得到列車多模式強時變故障特征的信息，進而實現(xiàn)對故障信息的準確分析，是亟待深入研究的課題。

4 結束語

PHM系統(tǒng)作為近年來引進軌道交通領域的新興技術，對建設交通強國具有重要意義。首先對PHM技術總體框架進行梳理和應用范圍總結；然后針對PHM關鍵技術研究和應用現(xiàn)狀進行綜述與分析；最后總結歸納在軌道交通PHM技術發(fā)展過程中面臨的挑戰(zhàn)。探討軌道交通領域應用PHM技術存在的全狀態(tài)健康評估模型建立與信號采集、軌道交通傳感器技術、健康指標集建立和軌道交通關鍵部件故障信息解耦分析等熱難點，可為軌道交通PHM技術未來發(fā)展提供借鑒與參考。