论文部分内容阅读
[摘 要]为克服传统维修保障方式的缺陷并适应现代水雷装备维修保障的发展需求，提出了构建基于故障预测与健康管理（Prognostics and Health Management， PHM）的水雷装备维修保障系统的设想，重点分析了该系统实现的关键技术。该系统能极大地提高水雷装备故障诊断能力，能够有效降低水雷装备的保障费用。
[关键词]故障预测与健康管理 水雷装备 维修保障
中图分类号：V243.1；TN972 文献标识码：A 文章编号：1009-914X（2015）10-0228-02
1. 引言
随着各种大型复杂武器系统性能的不断提高以及复杂性的不断增加，武器装备的可靠性、故障诊断和预测以及维修保障等问题越来越受到人们的重视。武器装备的维修方式经历了3个阶段的转变，即反应性维修、预防性维修和预计性维修（又称视情维修）。由于视情维修具有后勤保障规模小，经济可承受性好，自动化，高效率以及可避免重大灾难性事故等显著优势而具有很好的前景。视情维修要求武器系统自身具有对其故障进行预测并对其健康状态进行管理的能力，可以实现“经济可承受性”目标，也由此产生了故障预测与健康管理（PHM，prognostic and health management）概念。PHM是指利用尽可能少的传感器采集系统的各种数据信息，借助各种智能推理算法（如物理模型、神经网络、数据融合、模糊逻辑、专家系统等）来评估武器系统自身的健康状态，在武器系统故障发生前对其故障进行预测，并结合各种可利用的资源信息提供一系列的维修保障措施以实现系统的视情维修[1]。
综观PHM技术的发展，该技术在飞机领域得到较为广泛的应用，而在水雷装备维修保障并未发现有应用先例。为保证战时水雷装备具有较高的作战效能，避免传统维修方式的维修不足/过度，减少使用阶段维修费用，同时为现有水雷装备维修保障工作提供辅助决策，有必要对水雷装备，特别是其中的电子设备的健康状态进行监控。
2. PHM技术应用于水雷装备维修保障中的重要意义
对于水雷装备来说，其战备完好性与应急反应速度在现代战争中可直接导致局部战术或战役甚至战略的成败，从而影响总体战局的发展。因此重视水雷装备的维修/保障工作，应该用数据说明，长期深入到水雷装备本身的实际（物理层面）状况。
现行大部分水雷装备的维修方式还一直沿用事后维修和和定期强制维修，这就带来了一系列问题。事后维修，不坏不修，这种方式隐含着较大的安全隐患；定期强制维修、好坏都修，往往造成盲目修理或失修现象。随着水雷装备可靠性的提高，视情维修就显得意义重大，失效物理的健康监控/预测方法成为对定期检测的弥补手段，为技术保障人员掌握装备技术状态提供了一条新的技术途径[2]。
以PHM技术为核心的视情维修可以根据对水雷装备当前和将来状态的可靠预测来安排维修活动。因此，对水雷装备当前状态的描述，以及对下一时段状态和故障的预测是实现视情维修的根本，由此减少维修费用、把灾难性故障的风险降到最小，使水雷装备发挥最大的作战效能，并且减少备件的库存量，部队仅仅在需要的时候才进行维修工作，从本质上消除昂贵的周期性维修工作，最大可能地减少水雷装备故障的发生。从这点来看，以PHM技术为核心的视情维修对于完成训练和作战任务，提高部队战斗力有十分重要的意义。PHM系统可依靠其强大的状态监控和故障预测能力，事先做出维修決策，减少维修次数，缩短维修时间，提高水雷装备的维修保障效率和战备完好率。同时，通过减少备件、保障设备以及维修人力等保障资源需求，可降低维修保障费用，提高经济效益。
3.基于PHM的水雷装备维修保障系统构建
为便于故障的推理和数据的高速传输、处理及系统功能的不断完善，基于PHM的水雷装备维修保障系统，采用开放式总线体系的分层推理结构。系统构建分三层，最底层是分布在装备各系统中的硬件监测设备或BITE；中间层是PHM处理中心；顶层是管理层，包括水雷装备维修保障管理平台及后方维修保障机构。
PHM处理中心是整个系统的核心，依据信息流程及功能要求，将其设置为8个模块：数据采集模块、信号处理模块、状态监测模块、诊断预测模块、分析决策模块、任务管理系统模块、动态数据存储模块和通信接口。数据采集模块负责从水雷装备各分系统采集所有监测目标的状态参数信息，信号处理模块从装备各分系统BITE实时采集的各类监测目标的状态参数信息进行数据融合，提取其特征信息。状态监测模块将这些特征信息进行辨识，并与动态数据存储模块中存储的相关信息进行模糊匹配，形成对监测目标的状态评估，将评估结果送往诊断预测模块。诊断预测模块对监测到的异常征兆，结合动态数据存储模块中的专家知识和各类诊断，预测推理模型，对故障进行识别、推理、判断其故障模式、原因和位置，并进行趋势分析，计算故障征兆的发展趋势、影响和估计剩余寿命等。最后，分析决策模块综合分析、评判，根据诊断和预测的结果，进行维修保障决策，实现状态管理，并形成最后的维修保障综合报表，对本级需请求支援的问题，系统可通过自动或人工的方式，通过通信接口向后方维修保障机构申请保障资源，积极发挥一体化维修保障体系的优势。
4.系统实现的关键技术分析
4.1 数据采集和传感器应用技术
要对水雷装备维修保障系统进行故障预测和健康管理，首先要确定可以直接表征其故障/健康状态的参数指标，或可间接推理判断系统故障/健康状态所需要的参数信息。这是PHM系统的数据基础，因此，数据采集和传感器技术的应用将直接影响PHM系统的效果。该部分技术应主要考虑选择待监测的参数（如工作参数、环境参数和性能参数等）、选用传感器的类型、传感器安放的位置、传感器的精度和带宽等。这部分一般侧重于对现有成熟技术的应用，在应用时主要考虑经济性和适用性[3]。
4.2 数据挖掘与信息融合技术 在PHM系統采集到各种数据之后，就要对数据进行相应的处理以获取有用的信息，为后续的健康评估和故障预测提供可靠的数据支持。所谓数据挖掘，就是从数据库中抽取隐含的、以前未知的、具有潜在应用价值的信息过程。用于PHM系统数据挖掘的信息源主要是各种传感器采集的数据，在对数据进行预处理的基础上利用各种算法挖掘其隐藏的信息，并利用可视化和知识表达技术，向PHM系统用户展示所挖掘的相关知识。现在比较常用的数据挖掘方法包括粗糙集理论、遗传算法和支持向量机等。
信息融合是指在一定准则下对多传感器的信息进行自动分析和综合，从而完成所需的决策和评估的信息处理过程，在PHM系统中信息融合的过程，就是以最高效的融合方式把尽可能多的信息（包括传感器采集的数据、环境信息、历史数据和维修记录等）通过各种智能算法融合在一起，得到综合的评价结果。模糊逻辑推理、神经网络融合算法、D-S证据理论和贝叶斯推理等都是常用的信息融合方法。
4.3 健康评估与故障预测技术
健康评估与故障预测技术是PHM系统的核心部分，在某种意义上，它们是一种推理过程，在实际构建PHM系统时往往要根据系统的实际情况采取一种或多种技术和方法。
系统的健康状态表现为从正常到性能下降直至功能失效的过程，该过程被称为系统健康退化过程。因此，健康评估是指当前状态偏离正常状态的程度（即故障级别）。健康评估的过程则是根据状态监测所获得的信息，结合设备的结构特性和运行信息及历次维修记录，对已经发生或者可能发生的故障进行诊断、分析和预报，以确定故障的类别、部位、程度和原因，提出维修对策，最终使设备恢复到正常状态。应用先进的状态监测和故障诊断技术，不仅可以发现早期故障，避免恶性事故的发生，还可以从根本上解决设备定期维修中的维修不足和过度维修的问题。各种健康评估方法既包括简单的“阈值”判断方法，也包括基于规则、案例和模型等的推理算法。
PHM系统显著的特征就是具有故障预测的能力。故障预测是指综合利用各种数据信息，如监测的参数、使用状况、当前的环境和工作条件、早先的试验数据和历史经验等，并借助各种推理技术，如数学物理模型和人工智能技术等，评估部件或系统的剩余使用寿命，预计其未来的健康状态。在PHM系统中广泛应用的故障预测算法主要有基于特征进化/统计趋势的预测、基于人工智能的预测和基于物理模型的预测等。
本系统的故障诊断、预测可采用综合应用这3类预测方法，并结合专家系统、神经网络、模糊推理等智能诊断技术，构建一种基于模糊推理的神经网络专家的故障诊断预测系统。
4.4 智能推理与决策支持技术
PHM系统的一个重要功能就是实现最后的“管理”，即在健康评估和故障预测的基础上，结合各种可利用的资源，提供一系列的维修保障决策以实现系统的视情维修。为达到这一目的，就要建立PHM系统的维修保障决策支持系统。利用该系统进行维修决策的自动生成、维修资源的统一调配以及各相关单位的协同保障等，可极大地提高保障效率和精确度。本系统中可利用专家系统、仿真技术和多Agent技术等建立决策支持系统 。
5.结束语
将故障预测与健康管理技术应用于水雷装备维修保障，可极大增强故障诊断能力，有效降低维修保障费用，提高战备完好率和任务成功率，实现对水雷装备的未来状况、作战效能和剩余寿命的有效预测以及形成最佳维修保障方案，它的研究和实现对提高现代水雷装备的维修保障能力具有重要意义。
参考文献
[1] 孙博，康锐，谢劲松.故障预测与健康管理系统研究和应用现状综述[J].系统工程与电子技术，2007，29（10）.
[2] 马静华，谢劲松，康锐，等.电子产品健康监控和故障预测的流程和案例[C].中国航空学会可靠性工程委员会第10届学术年会论文集，2006.
[3] 木志高，胡海峰，胡茑庆.武器装备故障预测及健康管理系统设计[J].兵工自动化，2006，25（3）：20-21.
[关键词]故障预测与健康管理 水雷装备 维修保障
中图分类号：V243.1；TN972 文献标识码：A 文章编号：1009-914X（2015）10-0228-02
1. 引言
随着各种大型复杂武器系统性能的不断提高以及复杂性的不断增加，武器装备的可靠性、故障诊断和预测以及维修保障等问题越来越受到人们的重视。武器装备的维修方式经历了3个阶段的转变，即反应性维修、预防性维修和预计性维修（又称视情维修）。由于视情维修具有后勤保障规模小，经济可承受性好，自动化，高效率以及可避免重大灾难性事故等显著优势而具有很好的前景。视情维修要求武器系统自身具有对其故障进行预测并对其健康状态进行管理的能力，可以实现“经济可承受性”目标，也由此产生了故障预测与健康管理（PHM，prognostic and health management）概念。PHM是指利用尽可能少的传感器采集系统的各种数据信息，借助各种智能推理算法（如物理模型、神经网络、数据融合、模糊逻辑、专家系统等）来评估武器系统自身的健康状态，在武器系统故障发生前对其故障进行预测，并结合各种可利用的资源信息提供一系列的维修保障措施以实现系统的视情维修[1]。
综观PHM技术的发展，该技术在飞机领域得到较为广泛的应用，而在水雷装备维修保障并未发现有应用先例。为保证战时水雷装备具有较高的作战效能，避免传统维修方式的维修不足/过度，减少使用阶段维修费用，同时为现有水雷装备维修保障工作提供辅助决策，有必要对水雷装备，特别是其中的电子设备的健康状态进行监控。
2. PHM技术应用于水雷装备维修保障中的重要意义
对于水雷装备来说，其战备完好性与应急反应速度在现代战争中可直接导致局部战术或战役甚至战略的成败，从而影响总体战局的发展。因此重视水雷装备的维修/保障工作，应该用数据说明，长期深入到水雷装备本身的实际（物理层面）状况。
现行大部分水雷装备的维修方式还一直沿用事后维修和和定期强制维修，这就带来了一系列问题。事后维修，不坏不修，这种方式隐含着较大的安全隐患；定期强制维修、好坏都修，往往造成盲目修理或失修现象。随着水雷装备可靠性的提高，视情维修就显得意义重大，失效物理的健康监控/预测方法成为对定期检测的弥补手段，为技术保障人员掌握装备技术状态提供了一条新的技术途径[2]。
以PHM技术为核心的视情维修可以根据对水雷装备当前和将来状态的可靠预测来安排维修活动。因此，对水雷装备当前状态的描述，以及对下一时段状态和故障的预测是实现视情维修的根本，由此减少维修费用、把灾难性故障的风险降到最小，使水雷装备发挥最大的作战效能，并且减少备件的库存量，部队仅仅在需要的时候才进行维修工作，从本质上消除昂贵的周期性维修工作，最大可能地减少水雷装备故障的发生。从这点来看，以PHM技术为核心的视情维修对于完成训练和作战任务，提高部队战斗力有十分重要的意义。PHM系统可依靠其强大的状态监控和故障预测能力，事先做出维修決策，减少维修次数，缩短维修时间，提高水雷装备的维修保障效率和战备完好率。同时，通过减少备件、保障设备以及维修人力等保障资源需求，可降低维修保障费用，提高经济效益。
3.基于PHM的水雷装备维修保障系统构建
为便于故障的推理和数据的高速传输、处理及系统功能的不断完善，基于PHM的水雷装备维修保障系统，采用开放式总线体系的分层推理结构。系统构建分三层，最底层是分布在装备各系统中的硬件监测设备或BITE；中间层是PHM处理中心；顶层是管理层，包括水雷装备维修保障管理平台及后方维修保障机构。
PHM处理中心是整个系统的核心，依据信息流程及功能要求，将其设置为8个模块：数据采集模块、信号处理模块、状态监测模块、诊断预测模块、分析决策模块、任务管理系统模块、动态数据存储模块和通信接口。数据采集模块负责从水雷装备各分系统采集所有监测目标的状态参数信息，信号处理模块从装备各分系统BITE实时采集的各类监测目标的状态参数信息进行数据融合，提取其特征信息。状态监测模块将这些特征信息进行辨识，并与动态数据存储模块中存储的相关信息进行模糊匹配，形成对监测目标的状态评估，将评估结果送往诊断预测模块。诊断预测模块对监测到的异常征兆，结合动态数据存储模块中的专家知识和各类诊断，预测推理模型，对故障进行识别、推理、判断其故障模式、原因和位置，并进行趋势分析，计算故障征兆的发展趋势、影响和估计剩余寿命等。最后，分析决策模块综合分析、评判，根据诊断和预测的结果，进行维修保障决策，实现状态管理，并形成最后的维修保障综合报表，对本级需请求支援的问题，系统可通过自动或人工的方式，通过通信接口向后方维修保障机构申请保障资源，积极发挥一体化维修保障体系的优势。
4.系统实现的关键技术分析
4.1 数据采集和传感器应用技术
要对水雷装备维修保障系统进行故障预测和健康管理，首先要确定可以直接表征其故障/健康状态的参数指标，或可间接推理判断系统故障/健康状态所需要的参数信息。这是PHM系统的数据基础，因此，数据采集和传感器技术的应用将直接影响PHM系统的效果。该部分技术应主要考虑选择待监测的参数（如工作参数、环境参数和性能参数等）、选用传感器的类型、传感器安放的位置、传感器的精度和带宽等。这部分一般侧重于对现有成熟技术的应用，在应用时主要考虑经济性和适用性[3]。
4.2 数据挖掘与信息融合技术 在PHM系統采集到各种数据之后，就要对数据进行相应的处理以获取有用的信息，为后续的健康评估和故障预测提供可靠的数据支持。所谓数据挖掘，就是从数据库中抽取隐含的、以前未知的、具有潜在应用价值的信息过程。用于PHM系统数据挖掘的信息源主要是各种传感器采集的数据，在对数据进行预处理的基础上利用各种算法挖掘其隐藏的信息，并利用可视化和知识表达技术，向PHM系统用户展示所挖掘的相关知识。现在比较常用的数据挖掘方法包括粗糙集理论、遗传算法和支持向量机等。
信息融合是指在一定准则下对多传感器的信息进行自动分析和综合，从而完成所需的决策和评估的信息处理过程，在PHM系统中信息融合的过程，就是以最高效的融合方式把尽可能多的信息（包括传感器采集的数据、环境信息、历史数据和维修记录等）通过各种智能算法融合在一起，得到综合的评价结果。模糊逻辑推理、神经网络融合算法、D-S证据理论和贝叶斯推理等都是常用的信息融合方法。
4.3 健康评估与故障预测技术
健康评估与故障预测技术是PHM系统的核心部分，在某种意义上，它们是一种推理过程，在实际构建PHM系统时往往要根据系统的实际情况采取一种或多种技术和方法。
系统的健康状态表现为从正常到性能下降直至功能失效的过程，该过程被称为系统健康退化过程。因此，健康评估是指当前状态偏离正常状态的程度（即故障级别）。健康评估的过程则是根据状态监测所获得的信息，结合设备的结构特性和运行信息及历次维修记录，对已经发生或者可能发生的故障进行诊断、分析和预报，以确定故障的类别、部位、程度和原因，提出维修对策，最终使设备恢复到正常状态。应用先进的状态监测和故障诊断技术，不仅可以发现早期故障，避免恶性事故的发生，还可以从根本上解决设备定期维修中的维修不足和过度维修的问题。各种健康评估方法既包括简单的“阈值”判断方法，也包括基于规则、案例和模型等的推理算法。
PHM系统显著的特征就是具有故障预测的能力。故障预测是指综合利用各种数据信息，如监测的参数、使用状况、当前的环境和工作条件、早先的试验数据和历史经验等，并借助各种推理技术，如数学物理模型和人工智能技术等，评估部件或系统的剩余使用寿命，预计其未来的健康状态。在PHM系统中广泛应用的故障预测算法主要有基于特征进化/统计趋势的预测、基于人工智能的预测和基于物理模型的预测等。
本系统的故障诊断、预测可采用综合应用这3类预测方法，并结合专家系统、神经网络、模糊推理等智能诊断技术，构建一种基于模糊推理的神经网络专家的故障诊断预测系统。
4.4 智能推理与决策支持技术
PHM系统的一个重要功能就是实现最后的“管理”，即在健康评估和故障预测的基础上，结合各种可利用的资源，提供一系列的维修保障决策以实现系统的视情维修。为达到这一目的，就要建立PHM系统的维修保障决策支持系统。利用该系统进行维修决策的自动生成、维修资源的统一调配以及各相关单位的协同保障等，可极大地提高保障效率和精确度。本系统中可利用专家系统、仿真技术和多Agent技术等建立决策支持系统 。
5.结束语
将故障预测与健康管理技术应用于水雷装备维修保障，可极大增强故障诊断能力，有效降低维修保障费用，提高战备完好率和任务成功率，实现对水雷装备的未来状况、作战效能和剩余寿命的有效预测以及形成最佳维修保障方案，它的研究和实现对提高现代水雷装备的维修保障能力具有重要意义。
参考文献
[1] 孙博，康锐，谢劲松.故障预测与健康管理系统研究和应用现状综述[J].系统工程与电子技术，2007，29（10）.
[2] 马静华，谢劲松，康锐，等.电子产品健康监控和故障预测的流程和案例[C].中国航空学会可靠性工程委员会第10届学术年会论文集，2006.
[3] 木志高，胡海峰，胡茑庆.武器装备故障预测及健康管理系统设计[J].兵工自动化，2006，25（3）：20-21.