面向复杂装备PHM数据体系架构的研究

曲昌琦，毛利民，周 岩，周振威，黄 云

(1.中国航空综合技术研究所，北京 100028; 2.航天系统部装备部军事代表局驻北京地区第四军代室,北京 100841;3.工业和信息化部 电子第五研究所，广州 510610)

0 引言

PHM是一种利用传感器以及装备中采集系统得到的各种数据信息，通过基于物理模型、基于数据驱动或者基于可靠性模型等算法评估当前装备的健康状态，并在装备发生故障之前进行预警以及对装备使用寿命进行预测，从而优化维修决策的一种技术[1]。PHM可以降低维护成本，提高系统的设计特性，优化维修决策机制，并为产品设计和验证的优化提供数据支撑和建议决策[2-3]。

从装备的设计生产、调试安装到投产使用以及进入维护的所有阶段都会产生大量的数据，装备使用过程中的历史数据信息可对装备的使用寿命进行初步预判、对可能性故障进行预警；装备运行过程记录、异常或告警等除了能及时了解到使用方某时间段内的装备健康情况外，同时还能够让设计人员根据装备在使用过程中的数据以及健康度数据，优化装备的生产。

数据作为PHM技术中的关键部分，如果在整个PHM技术的实现过程中，不能明确哪些数据作为输入部分应用到PHM技术中，从而导致数据缺失、数据整合程度低等问题，将会使得PHM技术的不能准确、有效地为维修保障提供指导[4]。因此需要构建出一套完整的PHM数据体系架构，确保数据在设计过程、研制过程以及使用过程中的完整性，以及将这一类数据之间的关系、使用时机和产生时机梳理。

目前已有部分国内外机构针对PHM数据体系进行了研究与构建，例如有文章针对民机DPHM系统的数据体系架构和面向民机大数据健康管理数据架构进行深入的研究。然而大部分的数据仅仅是针对PHM数据的管理维护方面做了探讨，并不能清晰地、深入地梳理出现役装备的设计数据、使用数据、验证数据之间的逻辑关系，所以构建一套完整的PHM数据体系架构成为当前极为重要的工作。文章以装备PHM技术为背景，贯穿装备生产制造全寿命周期时间线，基于PHM系统的设备级、区域级、平台级数据的构建、融合为主线，补全PHM数据管理维护数据，形成一套具有装备特色的PHM数据体系架构，完善PHM不同数据要素之间的逻辑关系。

1 PHM数据类型

本小节详细梳理PHM在数据类型，并列出获取这些类型的数据的方式以及手段，具体图形见图1。

图1 PHM数据类

1.1 数据类型

装备中的PHM数据具有数据量大、种类多等特性，包含但不局限于设计生产数据、通用质量特性数据、使用数据以及决策数据：

1)设计数据；

2)生产数据;

3)供应商数据;

4)备件数据;

5)运行状态数据;

6)控制状态数据;

7)用户操作数据;

8)异常数据;

9)产品构型数据;

10)故障模式数据;

11)测试数据;

12)信号参数数据;

13)预测结果；

14)诊断结果；

15)状态数据;

16)任务数据;

17)成本数据;

18)可靠性数据;

19)履历数据;

20)技术资料。

这些数据类型的产生形式有：

1)装备设计阶段的文件；

2)维护维修等阶段填写的表格；

3)技术资料的整理；

4)人工记录发生故障的故障履历表；

5)装备PHM系统计算产生；

6)装备使用阶段的装备本身产生的数据。

1.2 数据产生的时机

1)论证阶段：类似型号装备的数据；

2)方案阶段：针对需求，确认好数据的需求；

3)确认好供应商的数据、产品构型数据、成本数据等；

4)研制阶段：设计数据、测试数据、异常数据、故障模式数据等；

5)使用阶段：使用数据等。

2 PHM数据的特点

2.1 复杂装备数据特点

2.1.1 装备健康管理数据量大

在正向设计完成后，装备在使用初期过程中数据量较少，且具有一定的规律性，但是随着时间的推移，装备的使用数据、性能数据、故障数据等会呈指数增加，如何利用好这些爆炸式增加的数据是健康管理的一大难题。

2.1.2 装备健康管理数据的多样性

装备健康管理数据的多样性一方面是体现在复杂装备中系统的多样性，主要是复杂装备因实现复杂功能而不得不增加的各类机电、液等混合形式的系统，且各系统之间的连接关系非常复杂，耦合性强。

另一方面是数据类别的多样性：同样的为了监测以及管理好复杂装备的健康状态，健康管理的数据也要呈现出多样化，不仅仅要采集功能数据用来判断当前装备的功能好坏，同样要采集一些性能数据或者说是间接数据，用来体现装备的健康状态；

最后一方面是数据维度多样性：因为数据在不同阶段有不同的功能数据，同样的也会有控制类的输入数据，装备本身的通用质量特性数据，装备的备品备件数据。

2.2 复杂装备PHM数据特点

针对装备产生的大量的正常使用数据，实际上在装备工作过程中仅仅会产生很小部分故障数据或者某些机械、旋转部件的衰退数据，那么就有以下两个难点以待解决：一是如何从庞大的数据中甄别哪些是构建装备健康度模型所需的数据；二是如何将多样的数据进行融合以及权重分配，用来表征当前装备的健康状况以及寿命曲线。

装备健康管理数据不仅具备复杂装备产生数据量大、多样性等特点，还具有如下几个特点：

1)装备健康管理数据的实时性：对一些实时性要求比较严苛的装备如果数据的实时性差，监测的状态就会有误导作用，并会在发生故障的时候不能做出相应的决策从而导致严重的损失。

2)装备健康管理数据的准确性：数据的准确性非常重要，健康管理数据作为源头如果正确性、准确性不能得到保证会影响最终输出的决策信息，所以针对采集的数据、装备的控制数据以及通用质量相关的数据需要确保数据准确有效。

3)装备健康管理数据的关联性：装备在不同阶段产生的数据会有一定的关联性，如何通过不同阶段将PHM的数据之间的关系描述清楚是解决PHM数据需求的一项重要工作。

3 PHM的功能及实现

采用健康管理领域应用最为广泛的OSA-CBM逻辑架构。架构中主要包含以下8个部分：数据采集、数据处理、数据存储交互、状态监测、健康评估、预测评估、决策生成以及显示和应用，如图2所示。数据存储校核、状态监测、健康评估和预测评估都是从数据采集和数据处理部分获取数据，对数据进行综合分析和集中显示，满足上层的应用需求，最终显示出来。

图2 OSA-CBM健康管理功能架构图

3.1 数据采集

收集模拟、数字和人工录入的数据，将转换器的输出转化为数字参数，以表征物理量及其相关信息。部分数据是通过应用系统接口来进行采集，部分数据通过导入的方式输入系统的关系数据库中[5]。

3.2 数据处理

通过滤波、降噪、降低维度等不同方式方法将采集到的数据进行初步处理[6]，将错误的数据以及冗余的数据治理成能适用于状态监测以及健康评估所需要的数据流。

3.3 状态监测

状态监测包括：识别有无故障、判断状态(良好、注意、警告)。该层的任务是依据数据处理层提供的特征参数采用一定的处理方法如神经网络、模式识别、损伤成像等创建或维护正常状态的基线特征，制定各系统不同类型、不同测试状态的数据判断阈值和判断方法，当有新数据产生时搜寻异常，确定异常区域和异常状态，判断和处理测试数据，给出数据正常与否的结论，针对异常数据给出报警信息。

3.4 健康评估

健康评估是指通过专家系统、基于数据学习模型、推理方法等手段评估当前装备的健康状态。通过采集到当前的参数经过纵向比对历史故障数据，对装备平台级的性能衰退进行评估，描述一些可能发生的故障和故障迹象。

3.5 预测评估

预测评估根据对象目前的健康状况结合其使用包线并横向参照装备群中其余装备的状态信息以及装备群体的历史故障数据，采用智能算法模型的方法来对其未来的健康状态和失效模式进行评估，展现系统或者装备本身为了寿命情况，评估系统剩余使用寿命。

3.6 决策生成

在决策功能里，主要是对应急预案、处置经验以及设备预防性维护进行管理，同时通过应急响应进行数据联动。为使用和维修等决策提供可操作的信息，使装备的全寿命周期效能最大化。对系统中各种状态的监测、对设备健康状态的预警、各种处置的预案、事后的经验反馈等应用将能明显提高指挥人员的应急处置能力和应急处置的合理性、及时性、准确性。

3.7 数据存储

采集后的数据存储在服务器的数据库中，使用各个接口机将数据传输入数据库系统以后，需要将所有过程数据存储在实时数据库系统中，同时为显示模块提供Web服务，显示内容可以通过Web服务器来取得数据，也可以通过客户端从实时数据库系统中得到数据，向用户显示相关的图形或者趋势以及其它信息。实时数据库系统作为数据平台，数据采集层采集的数据通过专用通讯接口的方式接入实时数据库系统，用安全的方式长期保存数据，高速处理大容量的过程数据，可对数据进行滤波处理、ETL抽取，并进行可视化处理；支持上层的应用软件进行智能运算。

3.8 显示和应用

数据集中现实平台数据各个功能分系统的最顶层数据显示窗口，为所有软件系统设计统计、集中的界面展示界面和风格，具体包括：

1)系统集中显示：对信息进行分类整理，对数据界面进行定制；

2)地面设备系统集中显示：对地面设备系统信息进行分类整理，对数据界面进行定制；

3)安防系统数据显示：对安防系统的信息进行分类整理，对显示界面进行定制；

4)环境监测系统数据显示：对环境监测系统的信息进行分类整理，对显示界面进行定制；

5)人员系统数据显示：对人员系统的信息进行分类整理，对显示界面进行定制。

4 PHM数据体系的构建

4.1 民机PHM数据体系架构

文献[7]提供了一种面向民机健康管理应用的大数据平台架构，该架构如图3所示。底层主要由数据采集及数据存储构成，数据层体现了飞机的健康数据，业务逻辑层通过对健康数据分析研究，运用各种智能算法对飞机的状态进行评估，决策输出层形成健康分析报告与维修派遣决策。该数据架构展现的是一种传统的OSA-CBM的架构模式，即将原始数据转化为航空公司可直接识别与应用的维修保障工作指令，与运行控制、维修控制、机务维修等主要业务流程高度融合，提高航空公司运营效率，节省经济成本。但是该数据架构未能完全地体现出不同研制阶段数据之间的关系，以及没有明确地梳理出不同的设备、区域以及平台之间的数据导向，仅仅从PHM的功能这一维度进行了描述，不能全面以及全方位地展现出装备PHM的数据体系以及数据之间的关联关系。

4.2 本文数据体系研究

本文的PHM数据体系分别从3个维度对数据需求、数据要求、数据之间的关联关系进行了描述：

4.2.1 基于寿命周期维度

从方案阶段，以需求为牵引，收集本型号装备的设计文件、收集对本装备的具体要求，从论证阶段开始就应该对类似型号的健康管理覆盖情况进行调研，从而根据本型号的需求以及以往型号或者其他装备的健康管理数据需求进行综合，充分论证数据需求的必要性。在方案阶段应明确哪些设备需要BIT信息，哪些系统应加装传感器，并且明确传感器的安装位置，制定好安装实施方案。在研制阶段应对数据做好限定条件，对数据的采集方式、存储形式、传输路径以及数学模型搭建选取进行设计实施。在使用阶段要做到所有的健康管理数据可追溯，在使用过程中对装备健康管理的数据准确性、正确性以及适用性进行外场验证，对状态监测的结果、故障诊断的结果以及寿命预测的结果进行验证。

图3 面向民机大数据健康管理数据架构

4.2.2 基于物理架构维度

从成员级、区域级和平台级的数据体系构建这一物理架构的维度进行研究分析，首先应确定好成员级(关键设备)所需的数据，然后确认好传感器(或者是设备内部BIT)的位置，将成员级的数据进行映射到区域级来判定区域级此时的健康状态是否能满足当前区域级功能正常工作以及寿命评估，最后通过明确顶层的数据关系，将成员级、区域级的数据信息最终映射到能表达平台级的健康度指标。

4.2.3 基于不同功能维度

最后一个维度以PHM不同功能进行研究，对不同功能(监测、诊断、预测以及决策)的数据进行数据处理(数据特征的提取、数据降噪、数据降维、模型构建)，最终达到设备级的监测、LRU/系统级的故障诊断以及整个平台的健康度评估，对关键部件、关键系统以及整个装备的寿命进行评估。通过实时数据和数据存储分系统的历史数据进行分析，实现装备健康状态评估，为维修保障人员完成相关工作提供支持，具体包括以下几个方面：

1)实时进行设备状态评估；

2)综合利用实时监测数据和历史数据，对设备的健康状态变化趋势进行预测；

3)当装备状态发生异常时，进行自动报警；

4)在装备状态出现异常时，能够进行故障诊断；

5)定期对数据存储系统的历史数据进行挖掘处理，发现数据内部的关联关系，完善知识库。

5 结束语

PHM非常适合应用于复杂装备系统当中，它能够很好地提高装备综合保障能力。数据在PHM中占据重要的角色，这篇文章针对装备PHM数据在寿命周期、物理架构以及不同功能的维度上进行了深入研究，提出了一种装备PHM数据体系架构，旨在解决不同时期以及不同物理层级之间的数据之间关系不明确的缺点，针对目前装备PHM系统数据独立分散，缺乏有效集成的现象，建立一个统一的，涵盖装备论证、方案阶段、研制阶段以及使用阶段等全寿命过程的装备PHM数据体系。