PHM基礎知識：淺談設備故障預測與健康管理

---

今天我們來簡單講一講PHM——故障預測和健康管理。

隨著現在科技技術的發展，特別是信息技術的迅速發展，在航空、航天、通信、工業應用等各個領域的工程系統日趨復雜，大量復雜系統的復雜性、綜合化、智能化程度不斷提高。伴隨著復雜系統的發展，其研制、生產尤其是維護和保障的成本越來越高。同時，由于組成環節和影響因素的增加，發生故障和功能失效的幾率逐漸加大，因此，復雜系統故障診斷和維護逐漸成為大家關注的焦點。基于復雜系統可靠性、安全性、經濟性考慮，以預測技術為核心的故障預測和健康管理PHM（Prognostics Health Management）策略獲得越來越多的重視和應用，發展為自主式后勤保障系統的重要基礎。

PHM的概念和技術首先出現在軍用裝備中，并在航天飛行器、飛機、核反應堆等復雜系統和裝備中獲得應用，隨著PHM技術的不斷發展，目前在很多工業領域逐漸受到重視，在電子、汽車、船舶、工程結構安全等方面的應用也不斷增加。PHM是對復雜系統傳統使用的機內測試（build-in test，BIT）和狀態（健康）監控能力的進一步擴展，它是從狀態監控向健康管理的轉變，這種轉變引入了對系統未來可靠性的預測能力，借助這種能力識別和管理故障的發生、規劃維修和供應保障，其主要目的是降低使用與保障費用，提高裝備系統安全性、完好性和任務成功性，從而以較少的維修投入，實現基于狀態的維修或視情維修（condition-based maintenance，CBM）和自主式保障。

PHM的定義

故障預測與健康管理PHM（Prognostics and Health Management）技術，是指利用先進的傳感器技術，獲取系統運行狀態信息和故障信息，借住神經網絡、模糊推理等算法，根據系統歷史數據和環境因素，對系統進行狀態監測、故障預測，同時對系統的健康狀態進行評估，結合地面維修資源情況，給出維修決策，以實現關鍵部件的實情維修。

PHM包含兩方面的內容，即故障預測和健康管理，健康是指與期望的正常性能狀態相比較的性能下降或偏差程度。其中故障預測是指根據系統現在或歷史性能狀態預測性地診斷部件或系統完成其功能的狀態（未來的健康狀態），包括確定部件或者系統的剩余壽命或正常工作的時間長度；健康管理是根據診斷/預測信息、可用維修資源和使用要求對維修活動做出適當決策的能力。

PHM的內涵

PHM系統一般應具備故障檢測、故障隔離、故障診斷、故障預測、健康管理和壽命追蹤等功能。對于復雜裝備和系統，PHM應能實現不同層次、不同級別的綜合診斷、預測和健康管理。PHM的主要功能列舉如下圖：

PHM技術采用先進的傳感器技術獲取和采集與系統屬性有關的特征參數，然后將這些特征參數和有用的信息關聯，借助智能算法和模型進行檢測、分析、預測，并管理系統或設備的工作狀態。

PHM 代表了一種方法的轉變，一種維護策略和概念上的轉變，實現了從傳統基于傳感器的診斷向基于智能系統的預測的轉變，從而為在準確的時間，對準確的部位，進行準確而主動的維護活動提供了技術基礎。PHM 技術也使得事后維修或定期維修策略被視情維修所取代。這種轉變能夠為現實裝備保障帶來如下提升：

PHM的發展現狀

目前，PHM在國內外得到了廣泛應用。美國、英國、加拿大、荷蘭、新加坡、南非和以色列等國已將PHM技術應用到直升機上，出現了稱作“健康與使用監控系統”（HUMS）的集成應用平臺。其中美國國防部新一代HUMS-JAHUMS具有全面的PHM能力和開放、靈活的系統結構。

美國各軍種研究開發的與HUMS和PHM類似的技術還有海軍的綜合狀態評估系統（ICAS）、陸軍的診斷改進計劃（ADIP），B-2轟炸機、“全球鷹”無人機和NASA第2代可重復使用運載器的飛行器綜合健康管理（IVHM）系統等。覆蓋了部件、分系統及整個飛機系統，主要功能組件包括飛機級PHM、結構PHM、任務系統PHM、推進系統PHM、機電系統PHM及地面PHM等。此外，國外預測及健康管理（PHM）技術理論體系不斷完善和優化，設計、驗證和評估技術不斷成熟。美國F-35等先進戰機裝備了PHM系統，其設計、開發和驗證都基于成熟軟件工具，并結合裝備特點進行驗證和熟化，已經形成了PHM設計、開發及驗證的流程、方法和體系，對于其他新型裝備PHM系統研制具有重要推動作用。幾種典型的PHM設計、開發及驗證一體化軟件平臺為國外PHM系統研制起到了重要作用。

除了在軍事領域的成功應用外， PHM技術還在航空航天、民用飛機、汽車、核電站和大型水壩等民用領域獲得廣泛應用，成為名副其實的軍民兩用技術。波音公司已將PHM技術應用到民用航空領域，稱作“飛機狀態管理（AHM）系統”，已在多家航空公司的B777， B747-400，A320，A330和A340等飛機上得到大量應用。此外，在工業領域的風力發電機、空壓機、電梯、工程機械等行業的應用也越來越廣泛和深入。

PHM的經濟效益：

PHM的故障預測能夠提供盡可能長的預測——失效周期，其投入產出比大約為10倍。主要收益體現在：

例如在航空領域以F-35戰機為例，使用了PHM技術的飛機的故障不可復現率減少82%，維修人力減少20-40%，后勤規模減小50%，出動架次率提高25%，飛機的使用與保障費用比過去的機種減少了50%以上，而使用壽命達8000飛行小時。統計數據充分證明了PHM在降低維修保障成本，提高裝備安全性、可用度與完好性，確保任務成功性，提升作戰效能方面的重要作用。

從社會效益來看，PHM技術的發展，有助于其在不同領域的拓展研究，幫助其他領域實現基于狀態的預測性維護和健康管理，從而更大程度上幫助節約成本，增加經濟收益，同時，能夠很大程度上節約資源保護環境。

案例分享：

 案例中的客戶是開發、設計、制造、銷售汽車及汽車零部件（包括新能源汽車及其電池、電機、整車控制技術）、電子電器、金屬機械、鑄金鍛件、粉末冶金、設備、工具和模具的一家汽車制造商公司。在整車生產過程中，需要利用沖壓設備將鋼板鍛造成型，沖壓設備故障會對生產過程帶來不必要的損失，并存在以下三個痛點：

• 傳統的設備運維運維人員需要積累豐富的運維經驗，時間、人力成本高；
• 對于設備故障的類型和程度等級難以做出準確的判斷；
• 對故障的發生時間以及可能性無法做出精準的預測。

慧都大數據團隊對數據進行處理，選擇最優的預測模型，對傳感器的數據進行相關性探索，找到故障發生的所有相關數據特征（如圖方框選擇的數據區域所示），從而預測出故障會在接下來的某個時間點出現故障（如圖橢圓形區域）。我們的預測模型準確度在90%以上。

模型效果

沖壓設備故障5分鐘的預測狀況

沖壓設備故障10分鐘的預測狀況

效果界面

慧都設備故障預測解決方案項目團隊在實施完成后，為客戶進行了一個月的項目運行維護，做到了三分鐘響應，半小時處理，能夠完美融入客戶現場生產過程，客戶非常滿意。最終實現：

• 故障預測準確率93%以上；
• 預測時間只需要100毫秒；
• 節省人工成本現在只需要1個運維人員；
• 方案線上全自動預測，實現了完全的自動化。

---

關于慧都大數據分析平臺

慧都大數據分析平臺「GetInsight®」升級發布，將基于企業管理駕駛艙、產品質量分析及預測、設備分析及預測等大數據模型的構建，助力企業由傳統運營模式向數字化、智能化的新模式轉型升級，抓住數據經濟的發展勢頭，提供管理效能，精準布局未來。了解更多，請。

慧都大數據專業團隊為企業提供商業智能大數據平臺搭建，免費業務咨詢，定制開發等完整服務，快速、輕松、低成本將任何Hadoop集群從試用階段轉移到生產階段。

歡迎撥打慧都熱線023-68661681或咨詢，我們有專業的大數據團隊，為您提供免費大數據相關業務咨詢！