面向復雜裝備PHM數據體系架構的研究

曲昌琦，毛利民，周 巖，周振威，黃 云

(1.中國航空綜合技術研究所，北京 100028; 2.航天系統部裝備部軍事代表局駐北京地區第四軍代室,北京 100841;3.工業和信息化部 電子第五研究所，廣州 510610)

0 引言

PHM是一種利用傳感器以及裝備中采集系統得到的各種數據信息，通過基于物理模型、基于數據驅動或者基于可靠性模型等算法評估當前裝備的健康狀態，并在裝備發生故障之前進行預警以及對裝備使用壽命進行預測，從而優化維修決策的一種技術[1]。PHM可以降低維護成本，提高系統的設計特性，優化維修決策機制，并為產品設計和驗證的優化提供數據支撐和建議決策[2-3]。

從裝備的設計生產、調試安裝到投產使用以及進入維護的所有階段都會產生大量的數據，裝備使用過程中的歷史數據信息可對裝備的使用壽命進行初步預判、對可能性故障進行預警；裝備運行過程記錄、異常或告警等除了能及時了解到使用方某時間段內的裝備健康情況外，同時還能夠讓設計人員根據裝備在使用過程中的數據以及健康度數據，優化裝備的生產。

數據作為PHM技術中的關鍵部分，如果在整個PHM技術的實現過程中，不能明確哪些數據作為輸入部分應用到PHM技術中，從而導致數據缺失、數據整合程度低等問題，將會使得PHM技術的不能準確、有效地為維修保障提供指導[4]。因此需要構建出一套完整的PHM數據體系架構，確保數據在設計過程、研制過程以及使用過程中的完整性，以及將這一類數據之間的關系、使用時機和產生時機梳理。

目前已有部分國內外機構針對PHM數據體系進行了研究與構建，例如有文章針對民機DPHM系統的數據體系架構和面向民機大數據健康管理數據架構進行深入的研究。然而大部分的數據僅僅是針對PHM數據的管理維護方面做了探討，并不能清晰地、深入地梳理出現役裝備的設計數據、使用數據、驗證數據之間的邏輯關系，所以構建一套完整的PHM數據體系架構成為當前極為重要的工作。文章以裝備PHM技術為背景，貫穿裝備生產制造全壽命周期時間線，基于PHM系統的設備級、區域級、平臺級數據的構建、融合為主線，補全PHM數據管理維護數據，形成一套具有裝備特色的PHM數據體系架構，完善PHM不同數據要素之間的邏輯關系。

1 PHM數據類型

本小節詳細梳理PHM在數據類型，并列出獲取這些類型的數據的方式以及手段，具體圖形見圖1。

圖1 PHM數據類

1.1 數據類型

裝備中的PHM數據具有數據量大、種類多等特性，包含但不局限于設計生產數據、通用質量特性數據、使用數據以及決策數據：

1)設計數據；

2)生產數據;

3)供應商數據;

4)備件數據;

5)運行狀態數據;

6)控制狀態數據;

7)用戶操作數據;

8)異常數據;

9)產品構型數據;

10)故障模式數據;

11)測試數據;

12)信號參數數據;

13)預測結果；

14)診斷結果；

15)狀態數據;

16)任務數據;

17)成本數據;

18)可靠性數據;

19)履歷數據;

20)技術資料。

這些數據類型的產生形式有：

1)裝備設計階段的文件；

2)維護維修等階段填寫的表格；

3)技術資料的整理；

4)人工記錄發生故障的故障履歷表；

5)裝備PHM系統計算產生；

6)裝備使用階段的裝備本身產生的數據。

1.2 數據產生的時機

1)論證階段：類似型號裝備的數據；

2)方案階段：針對需求，確認好數據的需求；

3)確認好供應商的數據、產品構型數據、成本數據等；

4)研制階段：設計數據、測試數據、異常數據、故障模式數據等；

5)使用階段：使用數據等。

2 PHM數據的特點

2.1 復雜裝備數據特點

2.1.1 裝備健康管理數據量大

在正向設計完成后，裝備在使用初期過程中數據量較少，且具有一定的規律性，但是隨著時間的推移，裝備的使用數據、性能數據、故障數據等會呈指數增加，如何利用好這些爆炸式增加的數據是健康管理的一大難題。

2.1.2 裝備健康管理數據的多樣性

裝備健康管理數據的多樣性一方面是體現在復雜裝備中系統的多樣性，主要是復雜裝備因實現復雜功能而不得不增加的各類機電、液等混合形式的系統，且各系統之間的連接關系非常復雜，耦合性強。

另一方面是數據類別的多樣性：同樣的為了監測以及管理好復雜裝備的健康狀態，健康管理的數據也要呈現出多樣化，不僅僅要采集功能數據用來判斷當前裝備的功能好壞，同樣要采集一些性能數據或者說是間接數據，用來體現裝備的健康狀態；

最后一方面是數據維度多樣性：因為數據在不同階段有不同的功能數據，同樣的也會有控制類的輸入數據，裝備本身的通用質量特性數據，裝備的備品備件數據。

2.2 復雜裝備PHM數據特點

針對裝備產生的大量的正常使用數據，實際上在裝備工作過程中僅僅會產生很小部分故障數據或者某些機械、旋轉部件的衰退數據，那么就有以下兩個難點以待解決：一是如何從龐大的數據中甄別哪些是構建裝備健康度模型所需的數據；二是如何將多樣的數據進行融合以及權重分配，用來表征當前裝備的健康狀況以及壽命曲線。

裝備健康管理數據不僅具備復雜裝備產生數據量大、多樣性等特點，還具有如下幾個特點：

1)裝備健康管理數據的實時性：對一些實時性要求比較嚴苛的裝備如果數據的實時性差，監測的狀態就會有誤導作用，并會在發生故障的時候不能做出相應的決策從而導致嚴重的損失。

2)裝備健康管理數據的準確性：數據的準確性非常重要，健康管理數據作為源頭如果正確性、準確性不能得到保證會影響最終輸出的決策信息，所以針對采集的數據、裝備的控制數據以及通用質量相關的數據需要確保數據準確有效。

3)裝備健康管理數據的關聯性：裝備在不同階段產生的數據會有一定的關聯性，如何通過不同階段將PHM的數據之間的關系描述清楚是解決PHM數據需求的一項重要工作。

3 PHM的功能及實現

采用健康管理領域應用最為廣泛的OSA-CBM邏輯架構。架構中主要包含以下8個部分：數據采集、數據處理、數據存儲交互、狀態監測、健康評估、預測評估、決策生成以及顯示和應用，如圖2所示。數據存儲校核、狀態監測、健康評估和預測評估都是從數據采集和數據處理部分獲取數據，對數據進行綜合分析和集中顯示，滿足上層的應用需求，最終顯示出來。

圖2 OSA-CBM健康管理功能架構圖

3.1 數據采集

收集模擬、數字和人工錄入的數據，將轉換器的輸出轉化為數字參數，以表征物理量及其相關信息。部分數據是通過應用系統接口來進行采集，部分數據通過導入的方式輸入系統的關系數據庫中[5]。

3.2 數據處理

通過濾波、降噪、降低維度等不同方式方法將采集到的數據進行初步處理[6]，將錯誤的數據以及冗余的數據治理成能適用于狀態監測以及健康評估所需要的數據流。

3.3 狀態監測

狀態監測包括：識別有無故障、判斷狀態(良好、注意、警告)。該層的任務是依據數據處理層提供的特征參數采用一定的處理方法如神經網絡、模式識別、損傷成像等創建或維護正常狀態的基線特征，制定各系統不同類型、不同測試狀態的數據判斷閾值和判斷方法，當有新數據產生時搜尋異常，確定異常區域和異常狀態，判斷和處理測試數據，給出數據正常與否的結論，針對異常數據給出報警信息。

3.4 健康評估

健康評估是指通過專家系統、基于數據學習模型、推理方法等手段評估當前裝備的健康狀態。通過采集到當前的參數經過縱向比對歷史故障數據，對裝備平臺級的性能衰退進行評估，描述一些可能發生的故障和故障跡象。

3.5 預測評估

預測評估根據對象目前的健康狀況結合其使用包線并橫向參照裝備群中其余裝備的狀態信息以及裝備群體的歷史故障數據，采用智能算法模型的方法來對其未來的健康狀態和失效模式進行評估，展現系統或者裝備本身為了壽命情況，評估系統剩余使用壽命。

3.6 決策生成

在決策功能里，主要是對應急預案、處置經驗以及設備預防性維護進行管理，同時通過應急響應進行數據聯動。為使用和維修等決策提供可操作的信息，使裝備的全壽命周期效能最大化。對系統中各種狀態的監測、對設備健康狀態的預警、各種處置的預案、事后的經驗反饋等應用將能明顯提高指揮人員的應急處置能力和應急處置的合理性、及時性、準確性。

3.7 數據存儲

采集后的數據存儲在服務器的數據庫中，使用各個接口機將數據傳輸入數據庫系統以后，需要將所有過程數據存儲在實時數據庫系統中，同時為顯示模塊提供Web服務，顯示內容可以通過Web服務器來取得數據，也可以通過客戶端從實時數據庫系統中得到數據，向用戶顯示相關的圖形或者趨勢以及其它信息。實時數據庫系統作為數據平臺，數據采集層采集的數據通過專用通訊接口的方式接入實時數據庫系統，用安全的方式長期保存數據，高速處理大容量的過程數據，可對數據進行濾波處理、ETL抽取，并進行可視化處理；支持上層的應用軟件進行智能運算。

3.8 顯示和應用

數據集中現實平臺數據各個功能分系統的最頂層數據顯示窗口，為所有軟件系統設計統計、集中的界面展示界面和風格，具體包括：

1)系統集中顯示：對信息進行分類整理，對數據界面進行定制；

2)地面設備系統集中顯示：對地面設備系統信息進行分類整理，對數據界面進行定制；

3)安防系統數據顯示：對安防系統的信息進行分類整理，對顯示界面進行定制；

4)環境監測系統數據顯示：對環境監測系統的信息進行分類整理，對顯示界面進行定制；

5)人員系統數據顯示：對人員系統的信息進行分類整理，對顯示界面進行定制。

4 PHM數據體系的構建

4.1 民機PHM數據體系架構

文獻[7]提供了一種面向民機健康管理應用的大數據平臺架構，該架構如圖3所示。底層主要由數據采集及數據存儲構成，數據層體現了飛機的健康數據，業務邏輯層通過對健康數據分析研究，運用各種智能算法對飛機的狀態進行評估，決策輸出層形成健康分析報告與維修派遣決策。該數據架構展現的是一種傳統的OSA-CBM的架構模式，即將原始數據轉化為航空公司可直接識別與應用的維修保障工作指令，與運行控制、維修控制、機務維修等主要業務流程高度融合，提高航空公司運營效率，節省經濟成本。但是該數據架構未能完全地體現出不同研制階段數據之間的關系，以及沒有明確地梳理出不同的設備、區域以及平臺之間的數據導向，僅僅從PHM的功能這一維度進行了描述，不能全面以及全方位地展現出裝備PHM的數據體系以及數據之間的關聯關系。

4.2 本文數據體系研究

本文的PHM數據體系分別從3個維度對數據需求、數據要求、數據之間的關聯關系進行了描述：

4.2.1 基于壽命周期維度

從方案階段，以需求為牽引，收集本型號裝備的設計文件、收集對本裝備的具體要求，從論證階段開始就應該對類似型號的健康管理覆蓋情況進行調研，從而根據本型號的需求以及以往型號或者其他裝備的健康管理數據需求進行綜合，充分論證數據需求的必要性。在方案階段應明確哪些設備需要BIT信息，哪些系統應加裝傳感器，并且明確傳感器的安裝位置，制定好安裝實施方案。在研制階段應對數據做好限定條件，對數據的采集方式、存儲形式、傳輸路徑以及數學模型搭建選取進行設計實施。在使用階段要做到所有的健康管理數據可追溯，在使用過程中對裝備健康管理的數據準確性、正確性以及適用性進行外場驗證，對狀態監測的結果、故障診斷的結果以及壽命預測的結果進行驗證。

圖3 面向民機大數據健康管理數據架構

4.2.2 基于物理架構維度

從成員級、區域級和平臺級的數據體系構建這一物理架構的維度進行研究分析，首先應確定好成員級(關鍵設備)所需的數據，然后確認好傳感器(或者是設備內部BIT)的位置，將成員級的數據進行映射到區域級來判定區域級此時的健康狀態是否能滿足當前區域級功能正常工作以及壽命評估，最后通過明確頂層的數據關系，將成員級、區域級的數據信息最終映射到能表達平臺級的健康度指標。

4.2.3 基于不同功能維度

最后一個維度以PHM不同功能進行研究，對不同功能(監測、診斷、預測以及決策)的數據進行數據處理(數據特征的提取、數據降噪、數據降維、模型構建)，最終達到設備級的監測、LRU/系統級的故障診斷以及整個平臺的健康度評估，對關鍵部件、關鍵系統以及整個裝備的壽命進行評估。通過實時數據和數據存儲分系統的歷史數據進行分析，實現裝備健康狀態評估，為維修保障人員完成相關工作提供支持，具體包括以下幾個方面：

1)實時進行設備狀態評估；

2)綜合利用實時監測數據和歷史數據，對設備的健康狀態變化趨勢進行預測；

3)當裝備狀態發生異常時，進行自動報警；

4)在裝備狀態出現異常時，能夠進行故障診斷；

5)定期對數據存儲系統的歷史數據進行挖掘處理，發現數據內部的關聯關系，完善知識庫。

5 結束語

PHM非常適合應用于復雜裝備系統當中，它能夠很好地提高裝備綜合保障能力。數據在PHM中占據重要的角色，這篇文章針對裝備PHM數據在壽命周期、物理架構以及不同功能的維度上進行了深入研究，提出了一種裝備PHM數據體系架構，旨在解決不同時期以及不同物理層級之間的數據之間關系不明確的缺點，針對目前裝備PHM系統數據獨立分散，缺乏有效集成的現象，建立一個統一的，涵蓋裝備論證、方案階段、研制階段以及使用階段等全壽命過程的裝備PHM數據體系。