故障预测与健康管理(PHM)技术在雷达系统中的应用.pdf

重庆大学硕士学位论文中文摘要摘 要随着雷达系统集成化、信息化程度的提高，其故障诊断与后勤保障的难度增 大，为保证雷达系统连续稳定的运行，不影响任务的正常执行，需要加强对雷达 系统运行状态的监测及健康状态的评估，并根据系统的健康状况作出适当的维修 维护决策，将传统的“事后维修决策向视情维修决策转变。因此，对雷达系统进 行故障预测与健康管理的研究是必要的，是提高雷达系统保障性水平和作战效能 的要求。论文的主要工作有：故障预测与健康管理系统理论。理论研究是PHM技术用于雷达系统的基 础，在系统设计中占有重要地位。文中对故障预测与健康管理系统的内涵、体系 结构、关键技术及其设计方法等方面作了论述，为其在雷达系统中的应用奠定了 基础。故障诊断与故障预测技术。在故障诊断技术中，对数据驱动的故障诊断技 术和基于模型的故障诊断技术作了阐述，并对每种技术中的典型故障诊断算法作 了研究；在故障预测技术中，对基于模型的故障预测技术、数据驱动的故障预测 技术及基于概率的故障预测技术作了深入研究。然后利用基于BP神经网络的故障 诊断算法对雷达中频放大板的故障诊断进行了仿真。雷达故障预测与健康管理系统的构建。文中以某型号雷达为例，根据其特 点将其分为电子系统与伺服系统两部分，分别建立故障诊断模型和故障预测模型,并选择合适的故障诊断与预测算法；然后按照PHM系统的设计流程，结合自身的 BIT系统，尝试建立雷达系统的PHM系统。关键词：故障诊断，故障预测，雷达，健康管理重庆大学硕士学位论文英文摘要ABSTRACTWith improvement of integration and informatization of radar system,the difficulty of fault diagnosis and logistics support is increasing.In order to ensure the stable operation of radar system and complete the missions normally its necessary to strengthen the condition monitoring and estimate the health of radar system and make the appropriate maintenance decisions to as the corrective maintenancen condition maintenance shift.Therefore,the research on prognostics and health management of radar systems is necessary and is requirement to improve security and operational efficiency of radar system.The main work of the paper is as follows:Prognostics and health management theory.Study on PHM theory is basis of which applied in radar system.The paper discussed key technologies,system architecture,and design approach of PHM system which constructed the framework and established the theoretical foundation of application in radar system.Fault diagnosis and fault prognosis.In techniques of fault diagnosis,data-driven diagnostic method and model-based diagnostic method were discussed respectively and the typical methods were studied;in techniques of prognosis,model-based prediction method,data-driven prediction method and probability-based prediction method were discussed.Then,diagnostic simulation is made on IF amplifier board of radar using BP neural network.(3)Built the PHM system of radar.As an example,a certain type of radar was divided into two parts of the electronic system an servo system,diagnosis an prognosis models were established and appropriate algorithms were selected for each of them.Then,the author tried to build PHM system of radar according to the design process of PHM and BIT system of itself.Keywords:fault diagnosis,fault prognosis,radar,health management重庆大学硕士学位论文目 录目 录中文摘要.I英文摘要.II缩略语.V1绪论.11.1 故障预测与健康管理概述.11.1.1 从外部测试到机内测试.21.1.2 故障综合诊断的提出.31.1.3 故障预测与健康管理技术的形成.3L2国内外研究现状.41.3 论文研究背景.51.4 论文的主要工作.62故障预测与健康管理系统设计.72.1 设计框架.72.2 设计方法.82.3 关键技术.102.4 故障模式、影响及危害性分析(FMECA).112.5 性能评估.122.6 验证和确认.132.7 本章小结.143故障诊断技术与故障预测技术.153.1 故障诊断技术.153.1.1 数据驱动的故障诊断技术.173.1.2 基于模型的故障诊断技术.203.1.3 雷达系统中的故障诊断实例.223.2 故障预测技术.243.2.1 基于模型的故障预测技术.263.2.2 数据驱动的故障预测技术.273.2.3 基于概率的故障预测技术.283.3 本章小结.294故障预测与健康管理在雷达系统中的应用.304.1 雷达系统及其PHM设计.30III重庆大学硕士学位论文目 录4.1.1 雷达系统概述.304.1.2 雷达系统PHM设计.314.2 雷达系统机内测试设备.324.3 雷达系统FMECA分析.334.4 PHM在电子系统中的应用.344.4.1 故障预测与健康管理策略.374.4.2 雷达电子系统的故障诊断方法.384.4.3 雷达电子系统的故障预测方法.404.4.4 雷达多注速调管状态预测.414.5 在伺服系统中的应用.434.5.1 雷达伺服系统模型.434.5.2 伺服系统的故障检测与隔离.454.5.3 伺服系统的故障诊断与预测.454.6 本章小结.475总结与展望.4951总结.495.2 展望.49致 谢.50参考文献.51附 录.54IV重庆大学硕士学位论文缩略语缩略语PHM Prognostics and Health Management 故障预测与健康管理CBM Condition-based Maintenance 视情维修V&V Verification and Validation 确认与验证CA Critically Analysis 危害性分析FMEA Failure Mode and Effects Analysis 故障及影响分析FMECA Failure Mode Effects and Critically Analysis 故障模式、影响及危害性分析BIT Build in Test 机内测试BITE Build in Test Equipment 机内测试设备RUL Remaining Useful Life 剩余使用寿命PDF Probability Distribution Function 概率分布函数ANN artificial neural networks 人工神经网络UUT Unit Under Test 被测 单元HMM Hide Markov Model隐马尔可夫模型SVM Support Vector Machine 支持向量机PSO Particle Swam Optimization 粒子群优化v重庆大学硕士学位论文1绪论1绪论1.1 故障预测与健康管理概述设备故障是指设备“功能失常、即设备不能达到预期的工作状态，无法满足应 有的性能与功能。当一个系统的运行处于不正常状态（劣化状态），导致系统相应的 行为（输出）超过允许范围，使系统的功能低于规定的水平时，则称该系统发生了故 障山。随着现代科学技术尤其是信息技术的迅速发展，在航空航天、通信、工业应 用等各个领域的工程系统日趋复杂，信息化与智能化程度不断提高，系统故障的 损失也越来越大。当设备出现严重故障后，在工业领域会导致停工停产，极大的 影响正常的生产秩序和经济效益；在军事领域则会导致训练或作战任务的失败，造成人员伤亡及不可估量的损失。对设备故障不当的维修，不仅造成各种资源的 浪费和设备保养成本的提高，还会缩短设备的使用寿命。所以，设计集成的智能 系统来及时诊断和提前预防设备故障、合理制定维修决策是装备保障的发展方向。由于系统在研制、生产、维护和保障的成本的增加，系统组成环节和外部环 境影响因素复杂的多变，系统发生故障或功能失效的几率逐渐加大。因此，复杂 系统故障诊断和维护逐渐成为研究者关注的焦点。设备故障诊断不仅需要及时、准确的监测到系统的异常状态或故障状态，并采取措施预防或消除故障，提高系 统运行的安全性、可靠性和有效性，尽可能降低故障损失；还需要能制定合理的 维修和检修制度，降低设备的维修和检修费用及运行成本，尽量延长设备的经济 寿命。同时，通过对系统运行状态的监测、故障的分析及性能的评估，为系统结 构改造、性能优化提供必要的数据信息。设备故障诊断是通过对系统运行状态和性能参数的监测达到诊断和预测设备 的故障及自主修复或隔离故障的目的，并为设备的管理和维修提供决策；故障自 主修复和隔离是根据故障诊断的分析结果智能的采取相应的故障处置措施、隔离 故障以控制故障范围的扩大是故障危害降到最低。故障诊断的前提是对设备状态 的监测，即通过测量、监测、分析和判定设备的运行参数，掌握设备的运行状态。同时，结合历史与当前环境信息，评估设备健康状况，判断其是否运行正常并对 其状态进行记录和显示，并对设备异常状态进行报警。故障监测还需存储设备运 行的状态数据作为系统故障分析、性能评估、寿命预测的基础数据。在设备状态 监测的基础上，结合系统已知的结构特性、参数、环境条件及设备维护的历史信 息等对设备已经发生的故障进行分析判断，进行故障定位、故障程度确定及故障 后果及发展趋势判断是设备故障预测的主要任务。近些年，视情维修（Condition-based maintenance,CBM）和故障预测与健康管 1重庆大学硕士学位论文1绪论理系统等重要技术的出现，对军事或民用装备的维修保障产生了重要影响，引起 了复杂动态系统(如航空航天、船舶及工业制造过程等)在设计、监测及维修方 式的转变。PHM是一个综合的故障诊断、故障预测与健康管理集成平台，是大 型设备尤其是大型武器装备自主式后勤保障的发展方向。PHM系统能及时、准确地确定其当前状态以及在未来一段时间内发生故障的可能性，并对使用、维 修活动作出辅助决策建议；PHM利用先进的传感器集成，并借助各种算法和智能 模型来预测、诊断、监控和管理装备的状态，完成故障检测、故障隔离、故障预 测、剩余使用寿命(remaining useful life,RUL)估计、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、辅助决策和资源管理、容错、信息融合和 推理机制以及信息管理。所以，PHM技术的出现是工程、可靠性、通信等多学 科技术的融合。故障预测与健康管理技术是在传统的状态监控和故障诊断技术的基础上发展 起来的，它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，反应性的通信转向主动性的3Rs(在准确的时间对准确的部位采取正 确的维修活动)。随着系统或设备的性能和复杂性的增加以及信息技术的发展，PHM技术的发展经历了外部测试、机内测试(Build In Test,BIT)、综合诊断、预测 与健康管理的演变过程。在应用层次上，从部件和分系统发展到整个系统，在机 械系统和电子系统中经历了不同的发展历程，形成了综合的故障诊断、故障预测 与健康管理的集成系统。1.1.1 从外部测试到机内测试早期的系统一般是由相互独立的模拟系统组成，在对系统功能比较了解时，通过对应的原理图和外部测试就可诊断出大多数的故障，即由检修人员通过专用 的或通用的测试设备来检测和隔离设备故障，因此，故障检测与隔离的能力和效 率完全取决于人员的经验和水平。将测试设备与被测系统连接后，获取系统的状 态信息，然后通过对信息的分析进行故障诊断。对于重要的系统和设备，为了能 及时诊断出故障或获取潜在的故障迹象，及时的采取对应的系统和设备保全措施,检修人员需要实时了解其运行状态。这就需要系统或设备自身有一定的故障诊断 与显示、报警等功能，由此形成了嵌入式BIT系统的概念。在早期的雷达系统中，BIT只是检测几个主要的参数(例如电压、电流等)将 检测值与门限值比较后判定系统是否出现故障，若判断为故障则产生告警信息并 通过数码管显示及声音报警，而故障隔离则需要有检测人员通过故障信息来完成。随着系统和设备的复杂程度增加，故障检测也更加困难，因而要求其有更强的BIT 能力。部件的小型化，特别是现场可更换单元(Line Replaceable Unit,LRU)在系 统和设备中的广泛应用，为BIT的发展提供了有利条件，系统和设备的BIT能力 2重庆大学硕士学位论文1绪论迅速提高，并出现了能自动检测和隔离故障的机内测试设备(BITE)。然而，BITE 在很多设备中不可靠、难以使用，不被设备操作人员信任。1.1.2 故障综合诊断的提出复杂系统和设备的故障诊断，仅单独依靠外部测试或机内测试都不能达到满 意效果，因此，外部测试与机内测试进行融合，形成综合的故障诊断方案成了自 然选择。进行机内测试时，需要有设备内部BIT系统的支撑；而进行外部测试时，被测设备需要有标准的测试接口能够与测试仪器进行连接，以统一的数据格式获 取被测设备的各种状态信息，因此被测设备的测试性设计成为系统设计的重要内 容。复杂装备在使用中出现的很多问题引起了英美军方和工业部门的重视，如系 统测试性差、故障诊断时间长、BIT虚警率高等，这些问题的解决需要对多种诊断 要素进行综合，因此，提出了故障综合诊断的概念。故障综合诊断需要综合形成诊断能力的所有要素，包括系统测试性、维修辅 助手段、人员与技术信息等，它包括两类方法，即基于系统测试性设计和BIT技 术的嵌入式诊断、利用系统故障特征与各种诊断算法的外部设备诊断。故障综合 诊断的过程是在隔离故障单元并确定最优的测试点后，优先利用嵌入式诊断，对 嵌入式诊断无法有效检测和精确隔离的故障单元再提取故障特征信号，利用基于 模型或数据驱动的诊断技术与智能诊断算法完成故障诊断。故障综合诊断首先需对系统进行故障模式与测试性分析，根据分析结果确定 测试点与传感器布局。对嵌入式诊断方法，需要优化测试点的选取和生成故障诊 断策略，其中优化测试点的方法有启发式粒子群算法、启发式动态规划算法、动 态贪婪算法等多种。故障综合诊断是实现武器装备的最大的故障检测和隔离能力、提高武器装备的战备完好性、降低寿命周期费用的有效手段，但由于缺乏开放的 系统方法，其应用较大存在局限性。1.1.3 故障预测与健康管理技术的形成不同的故障征兆可由不同的故障部位或原因产生，故障征兆与故障原因或部 位之间存在着某种线性或非线性的映射关系。因此，运用推理方法或适用的模型 来描述这种映射关系后，再通过测试设备的状态参数、采集和分析故障征兆数据，就能在故障发生前，对可能发生故障的原因和部位进行预测，这种故障诊断与预 测的思想就形成了故障预测与健康管理技术。故障预测与健康管理是信息技术在 故障诊断系统中综合利用的成果，是集系统测试、监控、诊断、预测及维修决策 于一体的系统，其最初侧重应用于电子系统中，后来扩展到在电子、机械及动力 等各种主要系统的应用。随着系统的复杂性、综合化和信息化的大幅度提高，装备维修保障工作重点3重庆大学硕士学位论文1绪论已经由传统的以机械修复为主逐步转变为以信息的获取、处理及传输并作出维修 决策为主，传统的事后维修和定期维修已经无法很好的满足现代战争和武器装备 对装备保障的要求。特别是自主式后勤(Autonomic Logistics,AL)系统的概念出 现后，要求装备保障在整个生命周期中用最低的成本及最少的人员来达到最佳的 保障效果，PHM成为支撑自主式后勤技术的基石。PHM具有故障诊断和故障隔 离的能力，能对数据、信息和知识进行有效的融合，PHM系统结合了状态监测、状态评估、故障或失效诊断、失效过程分析、预测诊断、维护和运行决策支持等 功能。1.2 国内外研究现状PHM思想是随着故障诊断与预测技术的不断成熟而出现的。1979年Saeks等 人提出系统中的故障征兆的概念，但由于当时技术的限制，对系统中出现的小幅 值故障征兆难以辨识，因此故障预测技术发展缓慢。1995年Lennox教授利用神经 网络研究复杂电子系统的故障预测HQ利用预测值和实际值之间的方差大小来预 测故障，但神经网络进行故障预测存在其隐含层函数的确定困难且需完整的数据 样本等缺点。1998年，Prieto把概率论的知识应用到模拟电路实时故障预测中，Henderson教授等研究了小型水力发电站的发动机的故障预测问题。2002年 Kalandros研究了多传感器系统的方差控制问题，为控制阈值的确定提供了一个较 适当的方法。2003年，Qiu利用小波变换与自组织神经网络相结合实现对旋转轴 承的早期故障监测并评估其性能，以便在其完全故障之前进行报警。2007年Ponci 通过采集逆变器的电流信号来实现对电动机的早期故障检测与故障程度的估计。自20世纪70年代起，PHM技术开始应用在武器装备中，其后在航天器、飞 机等复杂系统中获得应用，其中A-7E飞机的发动机监控系统成为PHM应用的典 型案例。80年代后，美英等国相继开展了综合诊断技术、检测诊断智能化技术等 方面的研究，以预测技术为核心的PHM技术获得很高的重视，其在电子产品、发 动机、齿轮箱及液压系统等领域的应用不断增加，形成了一些典型的应用平台，如英、美、加拿大等国研制的各类飞机系统中的健康与使用监控系统(HUMS)、美国空军研究实验室提出的综合系统健康管理(ISHM)系统、海军的集成状态评估 系统(ICAS)和预测增强诊断系统(PEDS)、陆军的诊断改进计划(ADIP)、嵌入式诊 断和预测同步(ED APS)计划等。90年代末以来，美军又将民用领域的CBM作为一项战略性的装备保障策略 引入军用装备领域。CBM可对装备状态进行实时监控，根据装备的实际状态确定 最佳维修时机，降低维修成本和提高维修效率，提高装备的可用度和任务可靠性。美军F-35的PHM系统代表了目前CBM应用的最高水准。4重庆大学硕士学位论文1绪论随着信息技术的迅速发展，在高速的数据采集、传输与处理技术、大容量的 数据存储技术、多传感器信息融合技术及网络技术的支持下，武器装备拥有了强 大的数据存储和处理能力，逐步消除了对地面站信息处理的多度依赖,为提高PHM 应用范围创造了条件。在民用技术领域，PHM在核电站、大型水坝等重要装备和 工程设施的监控和健康管理中得到广泛应用。其中，PHM技术在航空、航天领域 的应用最为瞩目，如波音公司的“飞机状态管理(AHM)系统”已成功应用在多种 客运或货运客机上，航天器综合健康管理(IVHM)系统也成功应用在NASA第二代 可重用运载器上。近年来，故障预测技术发展迅速，不同的预测方法在不同领域的应用得到了 广泛研究。文献研究了网络主题签名的故障诊断方法，文献提出了一种基于信 息理论和粒子滤波的异常检测算法；文献提出了一种基于结构模型分解的系统级 故障分布式预测方法。同时，PHM从理论、系统框架、技术标准到开发工具和整 体解决方案多方面都取得了很好的进展。文献W对介绍了 PHM的功能结构、技术 需求，并对PHM中的预测算法作了概述。国内的大学、研究所及科研机构对PHM的研究主要集中在某一应用领域或对 国外研究成果的总结上，文献主要对PHM的研究现状作了总结和综述，文献 6研究了机电伺服控制系统的PHM系统设计，文献口力研究了 PHM在导弹武器系 统中的应用，文献研究了 PHM在航空装备领域的应用。1.3 论文研究背景雷达装备在国防、航空航天、气象等部门有着广泛的使用，承担着武器控制、靶场测量、空间探测等重要任务。其工作的稳定性、可靠性、连续性及其后勤保 障系统的及时性都相当关键，如果因为故障导致任务失败或推迟将会造成巨大的 损失。因此，对雷达系统快速、准确的故障诊断可保证任务的成功率，有效提高 战斗力。现代雷达系统的集成化、网络化及信息化特点决定了其结构的复杂化，同时 也决定了其故障诊断的复杂性。通常，现代雷达系统的故障形式呈现层次性、传 播性、相关性和不确定性等新特点口”近年来，智能故障诊断技术的发展为雷达 系统的故障诊断指明了新的发展方向，将智能故障诊断技术应用于现代雷达系统 也成为雷达系统自主式后勤保障研究的热点和难点问题。针对雷达部件或单元级 的故障，文献段23从雷达系统的某部件或某层次上的故障对雷达系统故障诊断作 了研究；文献如从系统级、电路板级与部件级三个层次研究了雷达系统故障诊断,并对几种智能故障诊断方法作了阐述。这些文献从智能故障诊断的角度探究了雷 达系统故障诊断的方法，没有涉及故障预测及保障维修的研究，而现代雷达系统 5重庆大学硕士学位论文1绪论的维修保障不仅需要故障的事后诊断，更需要事前预测与状态的实时监控，而且 对维修效率、保障费用的控制也有急切的需求。因此，故障预测与健康管理系统 是现代雷达系统维修保障的必然趋势。PHM的成功应用不仅可对雷达系统进行故 障预测、故障诊断、故障隔离、故障决策处理、部件性能跟踪，而且在视情维修（CBM）系统的支持下，还可为雷达制定合理的维护、维修及更新计划；不仅可 以保证雷达系统的工作性能，减轻操作维护人员的压力，还能节约大量的时间与 成本。同时，这也是实现装备信息化、智能化及自主式后勤的重要过程。本文以某型号雷达为对象，研究故障预测与健康管理系统在雷达中的应用。该型雷达主要用于航天靶场、卫星发射测轨以及回收的跟踪测量；用于战略武器 试验靶场首区及落区导弹、火箭及其它飞行器的跟踪测量。雷达由发射机系统、接收机系统、伺服系统、显示系统、测距系统、计算机系统、天馈线系统等组成。总装某基地有几部这样的雷达，该雷达在火箭发射中的主要任务是测量火箭 起飞后的弹道和速度数据。雷达本身的稳定可靠性直接影响火箭发射的时间节点 及事后的数据分析，其重要性可见一斑。1.4 论文的主要工作本文的目的是针对我国跟踪测量雷达系统的现状，研究探讨PHM在其中的应 用，以提高雷达的故障诊断水平和自主保障能力，降低雷达的后期保障费用。为 此，论文的主要工作如下：故障预测与健康管理技术理论。对PHM的内涵、体系结构及关键技术进 行了介绍。阐述了 PHM的设计流程与设计方法，对设计的重要环节作了研究。重要的故障诊断与预测方法。将故障诊断技术分为数据驱动的故障诊断与 基于模型的故障诊断两类，分别对每一类中的重要方法进行研究，并对其在雷达 故障诊断中的应用进行了实例分析；将故障预测技术分为数据驱动的预测、基于 模型的预测与基于概率的预测三类，对典型的故障预测方法进行研究，并对其在 雷达故障预测中的应用进行了实例分析。雷达系统中的PHM应用研究。首先分析了某型号跟踪测量雷达的结构与 机内测试原理，然后对其电子系统的FMECA流程作了介绍，最后提出了雷达系 统的PHM系统结构。PHM在雷达电子系统的应用一节中，以雷达发射机系统为例，提出了电子 系统的故障预测与健康管理策略、诊断模型及预测模型；PHM在伺服系统的应用 一节中，给出伺服系统的电流环、速度环及位置环结构后，研究了分布式故障诊 断与预测技术在伺服系统中的应用。6重庆大学硕士学位论文2故障预测与健康管理系统设计2故障预测与健康管理系统设计2.1 设计框架完整的故障预测与健康管理系统应在充分取得传感器数据的基础上，利用推 理系统为设备维护提供最优的决策支持，PHM系统需要：准确的预测关键部件 的剩余寿命和潜在的故障；监测到故障后能快速、有效的分析原因并隔离故障。这就是说，故障准确预测后，设备备件的更换或系统的修理就可以最合理的方式 进行，降低了整体的后勤保障成本。从故障隔离的角度看，有效的故障排除可最 大限度提高系统的可用性或最大限度减少停机时间。在系统的各层次上，都需要一个集成的成熟的平台来评估、验证PHM的准确 性以适应自主后勤系统的发展。借助此平台在系统各层次上量化诊断误差，然后 自动对PHM系统架构进行评估，通过对各级别评估结果的推理和决策得出整个系 统的评估报告。因此，对整个PHM系统准确性的评估与各个层次上的不确定因素 相关。图2.1 PHM系统设计框架Fig 2.1 Design Framework of PHM通过对系统相关指标（如准确性、误报率、稳定性、成本效益、鲁棒性等）的评估，可以确定系统的性能。同时，诊断与预测算法的性能也需要根据性能指7重庆大学硕士学位论文2故障预测与健康管理系统设计标（时间复杂度、空间复杂度、准确性、健壮性等）进行评估。诊断、预 和据融合故障 传感器、mi咨、/缴蜡阳出 口 推理相望；伐心希 测算法 故障模型 饰理帆齿轮疲 劳裂纹轴承滑 动磨损 信噪比 误报 模型错误 推理错误误检 融合的不确 推理算法错误 灵敏度 定性图2.2 PHM功能层Fig 2.2 Functional Layers of PHM2.2 设计方法对设备未来行为的预测（如剩余寿命、当前运行状态、计划的维修需求等）是PHM的最重要方面，也是保障系统健康状态的重要方面。对动态系统部件故障 和潜在故障的监测及对其剩余寿命的预测，都需要PHM设计人员熟悉特定部件或 系统的物理失效机制。此外，设计人员必须透彻的理解故障检测、隔离及预测其 发展方式的监控策略、工具、算法，以寻求最优的设计方法，并确认和验证所选 模型的性能和有效性。在其他学科中使用的新方法，通过一定修改后也可用于PHM 系统的设计。图2.3描述了 PHM系统主模块的设计方法。图中的两个反馈循环对完成数据 采集与分析、优化故障诊断与预测的算法都是必要的。8重庆大学硕士学位论文2故障预测与健康管理系统设计图2.3 PHM/CBM设计的综合方法Fig 2.3 An Integrated Approach to PHM/CBM Design通过传感器从系统的各个层次获取监测数据，然后通过对监测数据的预处理 及特征提取得到系统的电信相关特征信息，在通过FMECA来对故障模式进行分 类，初步获取故障诊断的信息。通过故障诊断信息与故障演化预测模型，利用历 史数据来进行故障预测。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，CBM与PHM的循环关系见图 2.4oCBM PHM图2.4 PHM/CBM 循环Fig2.4 The PHM/CBM cycle信号预处理即信号调理可提高信噪比和从原始的传感器数据中提取有用信 9重庆大学硕士学位论文2故障预测与健康管理系统设计息，这可用硬件方案或软件方案实现。因为从传感器获取的信号噪声大、幅值低 并且大多与环境参数相关，所以有必要对其进行信号调理。信号特征提取是进行精确和可靠的故障诊断的基础，故障诊断主要依赖于从 传感器数据中提取的特征信息并以此区分故障类别，在故障初期即进行故障隔离。特征的选择应具备计算简单、可从数学上定义、有物理意义、对外部变量不敏感 及与其他特征不相关等特点。近年来，特征提取的理论不断完善，对信号可从时 间域、频率域中运用不同方法进行特诊提取，还可通过时-频分析来从小波域进行 特征提取。旋转设备（如雷达中的天线、齿轮箱、电动机等）健康状态的管理，有效的方法是监测和分析设备的振动数据。2.3 关键技术故障预测与健康管理系统采用开放结构，通过优化传感器布局，利用尽量少 的传感器采集系统的各种参数信息，并借助各种推理算法和智能模型来估计系统 自身的健康状况。在系统故障发生前能对其进行监测和预测，故障预测与健康管 理技术将使事后维修或定期维修转变为视情维修，是机内测试能力和状态监控技 术的进一步拓展。这一技术的硬件基础是系统中各类型合理布置的先进传感器，软件基础是推理算法与智能模型。故障预测与健康管理主要由数据预处理和实时状态监测、健康管理、状态预 测、模块级故障诊断、部件级故障诊断、人机接口等组成。通常要求故障预测与 健康管理系统具有以下能力：测试能力，即合理划分子系统或部件单元，并根 据系统运行参数设定关键的测试点，在线检测系统健康状态的能力数据采集能 力，即有效配置系统传感器，对系统必要数据能够高效采集并存储到离线数据库 中智能故障诊断与预测能力，即借助合适的系统模型，在对系统运行环境、历 史数据及在线数据进行分析的基础上，准确的识别和诊断系统故障，对故障部件、子系统进行隔离。预测能力，即估计部件或子系统的剩余使用寿命或失效时间。决策支持能力，即在合理预测的基础上，为系统提供维修决策、更换部件或子 系统的决策及储备合理备品备件的决策。系统状态管理的能力。故障预测与健康管理系统主要包括以下关键技术：状态监测技术。系统状态的监测首先需要有硬件作支持，即合理配置的传 感器。合理配置是指传感器的类型与装配位置都合理，能起到效用最大化。利用 先进的传感器准确的获取系统运行信息后，通过数据融合算法获取系统状态监测 的系统。故障诊断与故障预测技术。诊断与预测技术的好坏，关系到PHM系统设 计是否完善，是否能满足健康管理要求。故障诊断包括识别与隔离故障，是子系 10重庆大学硕士学位论文2故障预测与健康管理系统设计统或部件的故障程度不足以使系统完全失效时，为系统故障时作出维修决策，故 障诊断需要有适合于系统的特征提取技术和故障分类器。故障预测是子系统或部 件的故障程度可能导致系统完全失效，通过对其早期故障的检测、性能退化的追 踪来评估子系统或部件的剩余使用寿命的过程，可分为状态预测和寿命预测。信息融合技术。利用两个以上传感组成的传感器阵列采集的数据，应用融 合算法获取更准确、更高效的诊断和预测信息，以对系统健康状况作出更准确的 评估。人工智能技术。故障预测与健康管理系统中广泛采用人工智能技术，包括 专家系统(基于模型的推理、基于案例的推理、基于规则的推理)、神经网络、模 糊逻辑和遗传算法等的智能推理获得对系统状态的准确监控和故障诊断。2.4 故障模式、影响及危害性分析(FMECA)FMECA是在FMEA的基础上扩展出来的，包括故障模式及影响分析(FMEA)与危害性分析(CA)。FMECA针对系统所有可能的故障，并根据对故障模式的分析,确定每种故障模式对系统工作的影响，找出单点故障，并按故障模式的严酷度及 其发生概率确定其危害性。FMECA分为故障模式及影响分析与危害性分析两个阶 段，综合利用系统的技术规范和研制方案、设计方案论证报告、设计数据和图纸 及可靠性数据等信息进行系统分析。故障模式是指元器件或产品故障的一种表现形式，是能被观察到的一种故障 现象，如材料的弯曲或断裂、零件的变形、电器的接触不良或短路、设备的安装 不当或腐蚀等。故障影响是指该故障模式会造成对安全性、产品功能的影响，故 障影响一般可分为：对局部的影响、高一层次的影响及最终影响三个等级。将故障模式出现的概率及影响的严酷度结合起来称为危害性。危害性分析(CA)是把FMEA中确定的每一种故障模式按其影响的严重程度类别及发生概率 的综合影响加以分析，以便全面地评价各种可能出现的故障模式的影响。CA是 FMEA的继续，根据系统的结构及可靠性数据的获得情况，CA可以是定性分析也 可以是定量分析。FMECA方法可以用于从零部件到整个系统的任何一级上。对物理失效机制的准确理解是设计好的PHM系统的基础，而FMECA的目的 正是为完成这一基本目标。FMECA研究主要是探求故障产生的根源。要实现这一 目标，需要探讨故障模式识别、故障等级确定、故障发生频率、可测试性等方面 的问题。故障征兆体现了系统在故障条件下的行为，传感器和监测设备需要监视 和追踪系统故障征兆及其传播。止匕外，先进的FMECA研究会利用算法提取最优 的故障特征及环境指标，监测和隔离潜在故障并预测关键部件的剩余寿命，这些 研究可作为诊断算法的模板。FMECA可以集成到现有的监督控制和数据采集系统 11重庆大学硕士学位论文2故障预测与健康管理系统设计中或适当的数据管理和控制系统中，让使用者能方便访问故障事件及其根源的相 关信息O部件或子系统出现故障的原因有很多，例如轴承故障构成了大多数的电机故 障，可能是由于不当润滑、轴电压问题、负荷过重等，过流、过热、负载波动等 电气和机械问题会导致电机烧坏。特殊类型的电机表现出的现象需要特别的注意，如变频电机的故障可能是由针孔绝缘击穿、回波电压过高、电流谐波导致的过热、定子和转子间因高频率开关导致的电压累积等。更好的理解物理失效机制需要相 关领域的知识，这对进行故障模式、影响及危害性分析是必要的，也是设计良好 PHM/CBM系统的要求。FMECA研究需要领域专家、稳定性工程师、检测与仪器专家的贡献，而设计 人员负责诊断与预测推理机的开发。FMECA设计可运用多种技术，从简单对模块 进行说明的电子表格到更复杂的工具，如基于规则的专家系统、决策树、Petri网 等等。为度量系统故障造成的潜在影响，应对潜在的故障模式进行严酷度分类，严酷度一般分为四个等级：灾难性故障：造成人员死亡或系统（如飞机、导弹、雷达）损毁的故障；致命性故障：引起人员严重伤害、重大经济损失、系统严重损坏或导致任务 失败的故障；严重故障：使人员轻度受伤、一定的经济损失、系统轻度损坏或导致任务推 迟或降级；轻度故障：这类故障不足以造成人员伤害或系统损坏，但会导致非计划性维 修。如按故障发生频率来分还可分为经常发生的故障、很可能发生的故障、偶然 发生的故障、很少发生的故障和极不可能发生的故障。2.5 性能评估由于系统内部特性、外部使用环境、故障规律、观测数据等的不确定性，导 致了故障诊断与预测的不确定性，产生了 PHM技术的性能评估与验证问题。PHM性能评估包括故障检测能力评估、故障诊断能力评估与故障预测能力评 估。检测能力评价参数包括故障检测率、检测覆盖率、检测时间、检测门限、稳 定度、载荷灵敏度等；在GJB 3385-1998测试与诊断术语中故障检测率被定义 为“用规定的方法正确检测到的故障数与故障总数之比，用百分数表示，诊断能力 评价参数包括误报与漏报率、故障隔离率等。预测能力评价参数包括预测准确度 和精确地、预测水平等。准确度和精确地描述为PHM系统应具备一定预测精度和 置信水平的系统早期失效预测能力