故障預(yù)測(cè)與健康管理HM技術(shù)的現(xiàn)狀與發(fā)展

故障預(yù)測(cè)與健康管理

HM技術(shù)的現(xiàn)狀與發(fā)展故障預(yù)測(cè)與健康管理（PHM）技術(shù)的現(xiàn)狀與發(fā)展曾聲奎？

北京航空航天大學(xué)可靠性工程研究所，北京100083MichaelG.Pecht,吳際？美國(guó)馬里蘭大學(xué)CALCE電子產(chǎn)品與系統(tǒng)中心，馬里蘭，2074StatusandPerspectivesofPrognosticsandHealthManagement

Technology)？ZENGSheng_kui1,MichaelG.Pecht2,WuJi2？(1InstituteofReliabilityEngineering,BeihangUniversity,Beijing#

100083,China)？(2CALCEElectronicProductsandSystemsCenter,Universityof

Maryland,CollegePark,MD20742)摘要：結(jié)合故障預(yù)測(cè)與健康管理(PHM)的技術(shù)發(fā)展過(guò)程，闡述了PHM的應(yīng)用價(jià)值。論述了PHM技術(shù)系統(tǒng)級(jí)應(yīng)用問(wèn)題，提出了故障診斷與預(yù)測(cè)的人機(jī)環(huán)完整性認(rèn)知模型，并依此對(duì)蓬勃發(fā)展的故障診斷與故障預(yù)測(cè)技術(shù)進(jìn)行了分類(lèi)與綜合分析，給出了PHM技術(shù)的發(fā)展圖像。針對(duì)故障診斷與預(yù)測(cè)的不確定性特征，對(duì)故障診斷與預(yù)測(cè)技術(shù)的性能要求、定量評(píng)價(jià)與驗(yàn)證方法進(jìn)行了分析。最后，以PHM技術(shù)的工程應(yīng)用為線(xiàn)索，提出了PHM技術(shù)發(fā)展中的幾個(gè)問(wèn)題。關(guān)鍵詞：故障預(yù)測(cè)；故障診斷；故障預(yù)測(cè)與健康管理Abstract:ThispaperhasbriefedthepotentialbenefitsofPrognosticsandHealthManagement(PHM)againstitsevolutionhistory.ThearchitectureforPHMsystem-levelapplicationisoutlined,andacognitionmodelfordiagnosticsandprognosticsisbuiltbasedontheintegralityofman-machine-environment.Directedbythismodel,variousdiagnosticsandprognosticsmethodsareclassifiedandanalyzed,andawholepictureofPHMisdrawn.UncertaintyisacriticalfactorofPHM，itsrequirement-making,quantitativeassessmentandvalidationarediscussed.Finally,keyissuestodoofPHMarelistedwiththegoalofpracticalextensiveuse.Keywords:prognosticandHealthManagement;diagnostics;prognostics;cognitionmodel引言現(xiàn)代武器裝備的采購(gòu)費(fèi)用和使用與保障（O&S）費(fèi)用日益龐大，經(jīng)濟(jì)可承受性成為一個(gè)不可回避的問(wèn)題。據(jù)美軍綜合數(shù)據(jù)［1］［2］，在武器裝備的全壽命周期費(fèi)用中，使用與保障費(fèi)用占到了總費(fèi)用的72%。與使用保障費(fèi)用相比，維修保障費(fèi)用在技術(shù)上更具有可壓縮性。PHM、基于狀態(tài)的維修（CBM）、貨架產(chǎn)品（COTS）、自主保障（AL）等都是壓縮維修保障費(fèi)用的重要手段［2］［3］［4］。從20世紀(jì)70年代起，故障診斷、故障預(yù)測(cè)、CBM、健康管理等系統(tǒng)逐漸在工程中應(yīng)用。70年代中期的A-7E飛機(jī)的發(fā)動(dòng)機(jī)監(jiān)控系統(tǒng)（EMS）成為PHM早期的典型案例［5］。在30年的發(fā)展過(guò)程中，電子產(chǎn)品機(jī)上測(cè)試（BIT）、發(fā)動(dòng)機(jī)健康監(jiān)控（EHM）、結(jié)構(gòu)件健康監(jiān)控（SHM）、齒輪箱、液壓系統(tǒng)健康監(jiān)控等具體領(lǐng)域問(wèn)題的PHM技術(shù)得到了發(fā)展，出現(xiàn)了健康與使用監(jiān)控系統(tǒng)（HUMS）［6］、集成狀態(tài)評(píng)估系統(tǒng)（ICAS）［7］［8］、裝備診斷與預(yù)計(jì)工具（ADAPT）［9］等集成應(yīng)用平臺(tái)，故障診斷、使用監(jiān)測(cè)、與維修保障系統(tǒng)交聯(lián)是這些平臺(tái)具有的典型特征，但故障預(yù)測(cè)能力和系統(tǒng)集成應(yīng)用能力很弱或沒(méi)有。例如，ICAS正在提升其故障預(yù)測(cè)能力、開(kāi)放式系統(tǒng)集成能力，更好地滿(mǎn)足系統(tǒng)級(jí)集成應(yīng)用的需求［8］。工程應(yīng)用及技術(shù)分析［10］表明，PHM技術(shù)可以降低維修保障費(fèi)用、提高戰(zhàn)備完好率和任務(wù)成功率［3］［4］［10］：通過(guò)減少備件、保障設(shè)備、維修人力等保障資源需求，降低維修保障費(fèi)用；通過(guò)減少維修，特別是計(jì)劃外維修次數(shù)，縮短維修時(shí)間，提高戰(zhàn)備完好率；通過(guò)健康感知，減少任務(wù)過(guò)程中故障引起的風(fēng)險(xiǎn)，提高任務(wù)成功率。本文在闡述PHM概念及其框架的基礎(chǔ)上，依據(jù)故障診斷與預(yù)測(cè)的人機(jī)環(huán)完整性認(rèn)知模型，對(duì)故障診斷與故障預(yù)測(cè)技術(shù)進(jìn)行了分類(lèi)與綜合分析；分析了故障診斷與預(yù)測(cè)技術(shù)的性能要求、定量評(píng)價(jià)與驗(yàn)證方法；清理了PHM技術(shù)的發(fā)展方向。PHM的系統(tǒng)級(jí)應(yīng)用PHM系統(tǒng)一般應(yīng)具備故障檢測(cè)、故障隔離、增強(qiáng)的診斷、性能檢測(cè)、故障預(yù)測(cè)、健康管理、部件壽命追蹤等能力［4］,通過(guò)聯(lián)合分布式信息系統(tǒng)（JDIS）與自主保障系統(tǒng)交聯(lián)。聯(lián)合攻擊戰(zhàn)斗機(jī)（JSF）的PHM系統(tǒng)分為機(jī)上與地面兩部分。機(jī)上部分，包括推進(jìn)系統(tǒng)、任務(wù)系統(tǒng)等若干個(gè)區(qū)域管理者（AM），完成子系統(tǒng)、部件性能檢測(cè)，增強(qiáng)的故障診斷，實(shí)現(xiàn)關(guān)鍵系統(tǒng)與部件的故障預(yù)測(cè)等任務(wù)［4］。例如，推進(jìn)系統(tǒng)區(qū)域管理者（AM）就集成了吸入碎片監(jiān)控（IDMS）、發(fā)動(dòng)機(jī)微粒監(jiān)控（EDMS）、渦流葉片監(jiān)控（ECBS）、滑油微粒監(jiān)控（ODM）等功能［11］。大多數(shù)故障診斷與故障預(yù)測(cè)工具都具有領(lǐng)域相關(guān)的特點(diǎn)［9］［12］。采用開(kāi)放式的體系結(jié)構(gòu)（OSA），方便各種故障診斷與預(yù)測(cè)方法的不斷完善，實(shí)現(xiàn)即插即用，成為了在系統(tǒng)級(jí)實(shí)現(xiàn)PHM的一項(xiàng)關(guān)鍵技術(shù)［8］。典型的故障診斷與預(yù)測(cè)流程（圖1）包含了數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)傳輸、特征提取、數(shù)據(jù)融合、狀態(tài)監(jiān)測(cè)、故障診斷、故障預(yù)測(cè)、保障決策等環(huán)節(jié)。數(shù)據(jù)的采集與傳輸，目前的發(fā)展體現(xiàn)在傳感器的高精度、小型化、集成化、嚴(yán)酷環(huán)境適應(yīng)性、可靠性（應(yīng)比被監(jiān)測(cè)對(duì)象更可靠）、低能耗，健壯與高速率傳輸?shù)膫鞲衅骶W(wǎng)絡(luò)等方面［13］［14］，本文不再論述；在后文中主要集中在特征提取與數(shù)據(jù)融合、故障診斷與預(yù)測(cè)推理、以性能評(píng)價(jià)及保障決策等方面，對(duì)PHM技術(shù)的發(fā)展進(jìn)行分析。故障診斷與預(yù)測(cè)技術(shù)的分類(lèi)與分析故障診斷與預(yù)測(cè)的認(rèn)知模型故障是產(chǎn)品不能完成規(guī)定功能或性能退化不滿(mǎn)足規(guī)定要求的狀態(tài)。故障診斷與預(yù)測(cè)都是對(duì)客觀(guān)事物狀態(tài)的一種判斷，其最基本的出發(fā)點(diǎn)是判斷者采信的信息源?？陀^(guān)事物的發(fā)展存在內(nèi)因與外因兩個(gè)方面，觀(guān)察者、被觀(guān)察對(duì)象、觀(guān)測(cè)的環(huán)境構(gòu)成了故障診斷與預(yù)測(cè)的完整認(rèn)知模型（圖2）。采信的信息源不同，構(gòu)成了不同的故障診斷與預(yù)測(cè)方法論。對(duì)于故障診斷與故障預(yù)測(cè)來(lái)說(shuō)，可以采信的信息源包括：被觀(guān)測(cè)對(duì)象直接的功能及性能信息（基于故障狀態(tài)信息）；被觀(guān)測(cè)對(duì)象使用中表現(xiàn)出來(lái)的異?，F(xiàn)象信息（基于異?，F(xiàn)象信息）；被觀(guān)測(cè)對(duì)象使用中所承受的環(huán)境應(yīng)力和工作應(yīng)力信息（基于使用環(huán)境信息）；預(yù)置損傷標(biāo)尺（precursor）的狀態(tài)信息（基于損傷標(biāo)尺信息）。關(guān)于故障診斷與故障預(yù)測(cè)方法的分類(lèi)，目前尚不統(tǒng)一，"基于經(jīng)驗(yàn)、基于趨勢(shì)、基于模型"［8］、""基于數(shù)據(jù)、基于模型"［15］等分類(lèi)方法可以見(jiàn)諸文獻(xiàn)。本文從故障診斷與故障預(yù)測(cè)的認(rèn)知模型出發(fā)，依據(jù)采信的信息源不同對(duì)眾多的故障診斷與故障預(yù)測(cè)方法進(jìn)行歸類(lèi)分析，以期形成故障診斷與故障預(yù)測(cè)技術(shù)發(fā)展的完整圖像?；诠收蠣顟B(tài)信息的故障診斷與預(yù)測(cè)直接采信被觀(guān)測(cè)對(duì)象功能及性能信息進(jìn)行故障診斷，是置信度最高的故障診斷方法，得到了最成功的應(yīng)用。典型的方法包括電子產(chǎn)品的機(jī)上測(cè)試（BIT），以及非電子產(chǎn)品功能系統(tǒng)的故障診斷等。本文對(duì)具體方法不作說(shuō)明。虛警率（FA）高或不能復(fù)現(xiàn)（CND）故障多是困擾BIT的一個(gè)主要問(wèn)題。以航空電子為例，美國(guó)F/A-18C飛機(jī)1996-1998年統(tǒng)計(jì)，虛警率高達(dá)88%,平均虛警間隔飛行時(shí)間（MFHBFA）不到1小時(shí)［16］。造成BIT虛警率高的原因，除了BIT系統(tǒng)本身的設(shè)計(jì)問(wèn)題外，主要表現(xiàn)為不可復(fù)現(xiàn)（CND）或重測(cè)合格（RTOK）等狀態(tài)［17］。CND狀態(tài)出現(xiàn)的原因一直是近年研究的熱點(diǎn)，有專(zhuān)家認(rèn)為，由于機(jī)上與地面工作應(yīng)力和環(huán)境應(yīng)力的不同，以及拆裝過(guò)程的影響，使得機(jī)上測(cè)試狀態(tài)與地面復(fù)測(cè)狀態(tài)存在差異，是導(dǎo)致CND和虛警的一個(gè)主要原因［17］［18］［19］。與使用環(huán)境數(shù)據(jù)等進(jìn)行融合，進(jìn)行綜合診斷，成為提高BIT能力的重要途徑。另外，實(shí)驗(yàn)證明環(huán)境應(yīng)力對(duì)電子產(chǎn)品造成的某些累積損傷也表現(xiàn)為電性能的退化［18］［20］，在現(xiàn)行BIT體系的基礎(chǔ)上，采集電性能退化信息，有可能實(shí)現(xiàn)對(duì)電子產(chǎn)品的故障預(yù)測(cè)［17］［18］。基于異?，F(xiàn)象信息的故障診斷與故障預(yù)測(cè)通過(guò)被觀(guān)測(cè)對(duì)象在非正常工作狀態(tài)下所表現(xiàn)出來(lái)或可偵測(cè)到的異?，F(xiàn)象（振動(dòng)、噪聲、污染、溫度、電磁場(chǎng)等）進(jìn)行故障診斷，并基于趨勢(shì)分析進(jìn)行故障預(yù)測(cè)。大多數(shù)機(jī)械產(chǎn)品由于存在明顯的退化過(guò)程，多采用這種故障診斷與預(yù)測(cè)方式?；诋惓，F(xiàn)象信息進(jìn)行故障診斷與故障預(yù)測(cè)的一個(gè)主要問(wèn)題是異常信息往往被正常工作噪聲所掩蓋。例如，采用振動(dòng)或噪聲分析手段對(duì)直升機(jī)齒輪箱進(jìn)行故障診斷與預(yù)測(cè)時(shí)，狀態(tài)異常（輪齒磨損）引起的振動(dòng)載荷變化可能只有1/4G，而正常工作振動(dòng)載荷可能達(dá)到1000G,信噪比為1:4000[21]。另一個(gè)問(wèn)題是異?，F(xiàn)象是宏觀(guān)的系統(tǒng)級(jí)的，而故障原因卻是部件級(jí)、材料級(jí)的，一種現(xiàn)象常存在多種可能的原因，導(dǎo)致故障定位困難。基于異?，F(xiàn)象信息進(jìn)行故障診斷與故障預(yù)測(cè)的任務(wù)是：基于歷史統(tǒng)計(jì)數(shù)據(jù)、故障注入獲得的數(shù)據(jù)等各類(lèi)已知信息，針對(duì)當(dāng)前產(chǎn)品異?，F(xiàn)象特征，進(jìn)行故障損傷程度的判斷及故障預(yù)測(cè)（圖3）[22][23]。概率分析方法、人工神經(jīng)網(wǎng)絡(luò)、專(zhuān)家系統(tǒng)、模糊集、被觀(guān)測(cè)對(duì)象物理模型等都可以用于建立異?，F(xiàn)象與故障損傷關(guān)系模型。概率趨勢(shì)分析模型[8][24]此類(lèi)方法通過(guò)異?，F(xiàn)象對(duì)應(yīng)的關(guān)鍵參數(shù)集，依據(jù)歷史數(shù)據(jù)建立各參數(shù)變化與故障損傷的概率模型（退化概率軌跡），與當(dāng)前多參數(shù)概率狀態(tài)空間進(jìn)行比較，進(jìn)行當(dāng)前健康狀態(tài)判斷與趨勢(shì)分析。通過(guò)當(dāng)前參數(shù)概率空間與已知損傷狀態(tài)概率空間的干涉來(lái)進(jìn)行定量的損傷判定，基于既往歷史信息來(lái)進(jìn)行趨勢(shì)分析與故障預(yù)測(cè)。概率趨勢(shì)分析模型已用于渦輪壓縮機(jī)氣道等的故障預(yù)測(cè)，主要監(jiān)控效率、壓縮比、排氣溫度、燃油流量等四個(gè)參數(shù)[24]。圖4為雙參數(shù)狀態(tài)空間下，壓縮機(jī)健康狀態(tài)演化圖，2%及4%的點(diǎn)代表了已知的相應(yīng)損傷的概率空間,橢圓為概率分布等高線(xiàn)。圖4概率趨勢(shì)分析模型Fig?4Probabilistictrendmodel神經(jīng)網(wǎng)絡(luò)（ANN）趨勢(shì)分析模型[8][21][22]此類(lèi)方法利用ANN的非線(xiàn)性轉(zhuǎn)化特征，及其智能學(xué)習(xí)機(jī)制，來(lái)建立監(jiān)測(cè)到的故障現(xiàn)象與產(chǎn)品故障損傷狀態(tài)之間的聯(lián)系。利用已知的“異常特征-故障損傷”退化軌跡，或通過(guò)故障注入（seededfault）建立與特征分析結(jié)果關(guān)聯(lián)的退化軌跡，對(duì)ANN模型進(jìn)行“訓(xùn)練/學(xué)習(xí)”；然后，利用“訓(xùn)練/學(xué)習(xí)”后的ANN依據(jù)當(dāng)前產(chǎn)品特征對(duì)產(chǎn)品的故障損傷狀態(tài)進(jìn)行判斷。由于ANN具有自適應(yīng)特征，因此可以利用非顯式特征信息來(lái)進(jìn)行“訓(xùn)練/學(xué)習(xí)”與故障損傷狀態(tài)判斷?；谙到y(tǒng)模型進(jìn)行趨勢(shì)分析[23][25]此類(lèi)方法利用建立被觀(guān)測(cè)對(duì)象動(dòng)態(tài)響應(yīng)模型（包括退化過(guò)程中的動(dòng)態(tài)響應(yīng)），針對(duì)當(dāng)前系統(tǒng)的響應(yīng)輸出，進(jìn)行參數(shù)辨識(shí)，對(duì)照正常狀態(tài)下的參數(shù)統(tǒng)計(jì)特性，進(jìn)行故障模式確認(rèn)、故障診斷和故障預(yù)測(cè)（圖5）。這種方法提供了一種不同于概率趨勢(shì)分析、ANN的途徑，具有更高的置信度和故障早期預(yù)報(bào)能力[25]。o*筋圖5基于系統(tǒng)模型的趨勢(shì)分析模型??ig.5Systemmodel-basedtrendmodel參數(shù)統(tǒng)計(jì)特性參數(shù)辨識(shí)o*筋圖5基于系統(tǒng)模型的趨勢(shì)分析模型??ig.5Systemmodel-basedtrendmodel參數(shù)統(tǒng)計(jì)特性參數(shù)辨識(shí)故障預(yù)測(cè)逹立系統(tǒng)動(dòng)態(tài)楝型當(dāng)前系統(tǒng)狀態(tài)系統(tǒng)動(dòng)態(tài)仿真模型故隱過(guò)程模型冥實(shí)勸態(tài)響應(yīng)故障診斷損恰等級(jí)XW-標(biāo)尺例如，針對(duì)機(jī)電式作動(dòng)器（EMA）進(jìn)行故障預(yù)測(cè)時(shí)［25］，基于MATLAB建立EMA動(dòng)態(tài)仿真模型，采用干摩擦系數(shù)（FDC）、局部齒輪硬度（LGS）、扭矩常數(shù)（TC）、電機(jī)溫度（MT）作為關(guān)鍵參數(shù)進(jìn)行故障預(yù)測(cè)。FDC變化對(duì)作動(dòng)筒響應(yīng)的影響如圖5所示。基于使用環(huán)境信息的故障預(yù)測(cè)由于電子產(chǎn)品尚無(wú)合適的可監(jiān)測(cè)的耗損參數(shù)和性能退化參數(shù)、故障發(fā)生進(jìn)程極短（毫秒級(jí)）等原因［15］，電子產(chǎn)品的壽命預(yù)測(cè)一直是一個(gè)難點(diǎn)。由美國(guó)馬里蘭大學(xué)CALCEESPC提出的電子產(chǎn)品〃壽命消耗監(jiān)控（LCM）〃方法論［26］［27］是目前主要發(fā)展方向。LCM方法論（圖6）采信的是環(huán)境信息，基于電子產(chǎn)品的失效物理模型，通過(guò)環(huán)境應(yīng)力和工作應(yīng)力監(jiān)測(cè)，進(jìn)行累計(jì)損傷計(jì)算，進(jìn)而推斷產(chǎn)品的剩余壽命。LCM方法論的基礎(chǔ)是對(duì)產(chǎn)品對(duì)象失效模式、失效機(jī)理的透徹了解，并建立量化的失效物理模型。電子產(chǎn)品（特別是電子元器件）的失效物理研究已有40年的歷史，積累了豐富的模型，典型的模型包括焊點(diǎn)疲勞、電遷移、熱載流子退化、時(shí)間相關(guān)介電質(zhì)擊穿（TDDB）、錫須、導(dǎo)電細(xì)絲形成（CFF）等［28］。LCM方法論已用于航天飛機(jī)火箭助推器電子組件［29］、航天飛機(jī)遠(yuǎn)距離操作系統(tǒng)（SRMS）電子組件［30］、JSF飛機(jī)電源開(kāi)關(guān)模塊和DC/DC轉(zhuǎn)換器［31］、航空電源［32］等的壽命預(yù)測(cè)，取得了良好的效果。LCM方法論事實(shí)上也適用于機(jī)械產(chǎn)品，目前已嘗試在美軍輪式地面車(chē)輛［33］、直升飛機(jī)齒輪箱中的正齒輪和蝸桿［34］等機(jī)械產(chǎn)品中應(yīng)用?；趽p傷標(biāo)尺的故障預(yù)測(cè)所謂損傷標(biāo)尺（precursor）,是針對(duì)一種或多種故障機(jī)理，以被監(jiān)控產(chǎn)品相同的工藝過(guò)程制造出來(lái)的、預(yù)期壽命比被監(jiān)控對(duì)象短產(chǎn)品?；趯?duì)被監(jiān)控對(duì)象特定失效機(jī)理的認(rèn)識(shí)，損傷標(biāo)尺可以做到定量設(shè)計(jì)。通過(guò)一系列不同健壯程度的損傷標(biāo)尺，可以實(shí)現(xiàn)電子產(chǎn)品損傷過(guò)程的連續(xù)定量監(jiān)控,解決LCM方法累計(jì)損傷程度難以證實(shí)的問(wèn)題。基于損傷標(biāo)尺的故障預(yù)測(cè)可以在器件內(nèi)和電路板級(jí)進(jìn)行。器件內(nèi)的損傷標(biāo)尺，目前已有商業(yè)化的產(chǎn)品。針對(duì)靜電損傷（ESD）、TDDB、電遷移、熱載流子、輻射損傷等失效機(jī)理，做到了在宿主器件剩余20%壽命時(shí)失效［35］。目前國(guó)外軍品器件大量斷檔的現(xiàn)實(shí)，為器件內(nèi)的損傷標(biāo)尺開(kāi)辟了更大的應(yīng)用空間。內(nèi)建損傷標(biāo)尺的器件，同時(shí)也是電路板組件的損傷標(biāo)尺［36］。數(shù)據(jù)融合及綜合診斷與預(yù)測(cè)綜合利用來(lái)自多種信息源的、多參數(shù)、多傳感器信息，以及歷史與經(jīng)驗(yàn)信息，以減小故障診斷與預(yù)測(cè)的差錯(cuò)，提高置信度，是數(shù)據(jù)融合的根本任務(wù)。故障診斷與預(yù)測(cè)中的數(shù)據(jù)融合可以在三個(gè)層次進(jìn)行［37］:①傳感器層融合，沒(méi)有信息丟失，但傳輸與計(jì)算量大；②特征層融合，特征提取時(shí)有信息丟失。③推理層融合。典型的數(shù)據(jù)融合過(guò)程（圖1）包括在特征層融合時(shí)采信傳感器層的關(guān)鍵原始數(shù)據(jù)，推理層融合時(shí)采信相似產(chǎn)品可靠性統(tǒng)計(jì)數(shù)據(jù)或?qū)＜医?jīng)驗(yàn)知識(shí)。

數(shù)據(jù)融合時(shí)要考慮的主要問(wèn)題是各種來(lái)源的信息的可信程度/精確度是不一樣的，不恰當(dāng)?shù)臄?shù)據(jù)融合也會(huì)導(dǎo)致故障診斷與預(yù)測(cè)的置信度降低［21］［37］。常用的數(shù)據(jù)融合方法有權(quán)重/表決、貝葉斯推理、Dempster-Shafer、卡爾曼濾波、神經(jīng)網(wǎng)絡(luò)、專(zhuān)家系統(tǒng)、模糊邏輯等方法［21］。當(dāng)前大量的應(yīng)用案例都采用了數(shù)據(jù)融合的綜合診斷與預(yù)測(cè)方法。例如，采用卡爾曼濾波方法對(duì)機(jī)械傳動(dòng)的振動(dòng)數(shù)據(jù)進(jìn)行融合［38］、采用自動(dòng)推理對(duì)齒輪箱的振動(dòng)數(shù)據(jù)與油液污染數(shù)據(jù)進(jìn)行融合［39］、采用權(quán)重方法和貝葉斯推理方法對(duì)監(jiān)控直升飛機(jī)傳動(dòng)系的多加速度傳感器數(shù)據(jù)進(jìn)行融合［40］等。圖7為采用ANN融合齒輪箱領(lǐng)域?qū)＜抑R(shí)與振動(dòng)監(jiān)測(cè)數(shù)據(jù)、試驗(yàn)臺(tái)數(shù)據(jù)的方法，應(yīng)用于齒輪箱健康監(jiān)控，提高了對(duì)初期故障的預(yù)測(cè)置信度［41］。領(lǐng)域?qū)＜襫規(guī)則集顯式傳感器領(lǐng)域?qū)＜襫規(guī)則集顯式傳感器1異會(huì)特征.試驗(yàn)臺(tái)傳感器￡—?ANN苒訓(xùn)練■—數(shù)據(jù)^GroundTrirth)1圖7齒輪箱數(shù)據(jù)融合V'1g.了Ds/tafusionofge需要強(qiáng)調(diào)的是，對(duì)于采用LCM方法的電子產(chǎn)品故障預(yù)測(cè)，更需要采用數(shù)據(jù)融合的方式提高預(yù)測(cè)的置信度。此類(lèi)研究目前未見(jiàn)報(bào)道。4.故障診斷與預(yù)測(cè)技術(shù)的性能要求、評(píng)價(jià)與驗(yàn)證由于產(chǎn)品內(nèi)部特性(結(jié)構(gòu)尺寸、材料特性等)、外界應(yīng)力、量化故障規(guī)律、觀(guān)測(cè)數(shù)據(jù)等的不確定性［42］［43］，導(dǎo)致了故障診斷與預(yù)測(cè)的不確定性，產(chǎn)生了PHM技術(shù)的性能評(píng)價(jià)與驗(yàn)證問(wèn)題。故障診斷與預(yù)測(cè)的性能要求故障檢測(cè)與預(yù)測(cè)的置信度是隨著損傷的嚴(yán)重程度而增大的。圖8為實(shí)際損傷程度以及診斷置信度隨時(shí)間的變化曲線(xiàn)［44］。與BIT相似，針對(duì)退化效應(yīng)的故障診斷與預(yù)測(cè)的性能參數(shù)也包括檢測(cè)、隔離、預(yù)測(cè)三個(gè)方面，其中檢測(cè)與預(yù)測(cè)能力是關(guān)鍵［44］。目前采用檢測(cè)門(mén)限、總精度、穩(wěn)定度、載荷靈敏度來(lái)描述故障檢測(cè)水平［44］，采用預(yù)測(cè)時(shí)機(jī)及置信水平、預(yù)測(cè)距離來(lái)描述故障預(yù)測(cè)水平［15］［45］。檢測(cè)門(mén)限用于表示達(dá)到特定檢測(cè)置信度時(shí)的歸一化剩余強(qiáng)度；總精度用于表達(dá)在損傷坐標(biāo)尺下的平均檢測(cè)置信水平；穩(wěn)定度用于反映在同一損傷尺度下檢測(cè)置信度的波動(dòng)情況；載荷靈敏度來(lái)描述不同工作應(yīng)力水平下檢測(cè)置信水平的變化；預(yù)測(cè)時(shí)機(jī)與相應(yīng)的置信度一起描述了故障預(yù)測(cè)水平(prognosticshorizon)［15］。預(yù)測(cè)時(shí)機(jī)與實(shí)際發(fā)生故障時(shí)間的差距稱(chēng)為預(yù)測(cè)距離，是另一個(gè)描述故障預(yù)測(cè)水平的關(guān)鍵參數(shù)，反映了故障預(yù)測(cè)是否足夠及時(shí)，以便預(yù)留足夠的維修保障準(zhǔn)備時(shí)間。圖8損傷程度飛診斷置信度隨時(shí)間的變化Fie.5DamaseseveiitvandcHasnostiesconfidence」?J'時(shí)故障診斷與預(yù)測(cè)的性能評(píng)價(jià)及驗(yàn)證目前對(duì)于PHM技術(shù)的不確定性定量評(píng)價(jià)與驗(yàn)證，采取的主要手段是通過(guò)收集歷史數(shù)據(jù)和故障注入產(chǎn)生的數(shù)據(jù)，建立相應(yīng)領(lǐng)域的試驗(yàn)臺(tái)（testbench），來(lái)對(duì)相應(yīng)領(lǐng)域的各種故障診斷與預(yù)測(cè)方法進(jìn)行驗(yàn)證與評(píng)價(jià)。例如，JSF項(xiàng)目資助的注入故障發(fā)動(dòng)機(jī)試驗(yàn)臺(tái)（SFET）[11],用于完成對(duì)JSF發(fā)動(dòng)機(jī)健康監(jiān)控方法的驗(yàn)證與評(píng)價(jià)；賓夕法尼亞大學(xué)應(yīng)用研究實(shí)驗(yàn)室（ARL）的機(jī)械診斷測(cè)試臺(tái)（MDTB）[41],積累了大量齒輪、軸、軸承以及美海軍航空母艦重要失效數(shù)據(jù)；IMPAC公司開(kāi)發(fā)的性能評(píng)價(jià)工具（MET）［46］，用于對(duì)基于振動(dòng)特征的健康監(jiān)控方法進(jìn)行評(píng)價(jià)。5.故障預(yù)測(cè)與健康管理技術(shù)展望PHM技術(shù)的發(fā)展經(jīng)歷了故障診斷、故障預(yù)測(cè)、系統(tǒng)集成三個(gè)日益完善的階段，在部件級(jí)和系統(tǒng)級(jí)兩個(gè)層次、在機(jī)械產(chǎn)品和電子產(chǎn)品兩個(gè)領(lǐng)域經(jīng)歷了不同的發(fā)展歷程。當(dāng)前PHM技術(shù)的發(fā)展體現(xiàn)在以系統(tǒng)級(jí)集成應(yīng)用為牽引，提高故障診斷與預(yù)測(cè)精度、擴(kuò)展健康監(jiān)控的應(yīng)用對(duì)象范圍，支持CBM與AL的發(fā)展。在PHM系統(tǒng)集成應(yīng)用方面，體現(xiàn)在①如何采用并行工程的原則，與被監(jiān)控產(chǎn)品設(shè)計(jì)同步，進(jìn)行PHM的框架設(shè)計(jì)與細(xì)節(jié)設(shè)計(jì)②如何進(jìn)行PHM的定量性能評(píng)價(jià)與驗(yàn)證③針對(duì)故障預(yù)測(cè)的不確定性，如何進(jìn)行風(fēng)險(xiǎn)-收益分析，實(shí)現(xiàn)容忍不確定性的保障決策在提高故障診斷與預(yù)測(cè)精度方面，體現(xiàn)在①研究混合及智能數(shù)據(jù)融合技術(shù)，加強(qiáng)經(jīng)驗(yàn)數(shù)據(jù)與故障注入數(shù)據(jù)的積累，提高診斷與預(yù)測(cè)置信度；②不斷尋求高信噪比的健康監(jiān)控途徑。③研究靈巧、健壯的傳感器，提高數(shù)據(jù)源階段的精度。在擴(kuò)展應(yīng)用對(duì)象范圍方面，體現(xiàn)在向電子產(chǎn)品故障預(yù)測(cè)的擴(kuò)展。①如何與故障預(yù)測(cè)技術(shù)相結(jié)合，提升BIT能力，減少CND，降低虛警率②如何實(shí)現(xiàn)LCM不確定性的定量評(píng)價(jià)③如何把LCM與損傷標(biāo)尺技術(shù)相結(jié)合，提高LCM的置信度參考文獻(xiàn)Alford,.,Jr.;TheproblemwithaviationCOTS,AerospaceandElectronicSystemsMagazine,IEEE,Volume16,Issue2,Feb.2001？Gartner,.;Dibbert,.;Applicationofintegrateddiagnosticprocesstonon-avionicssystems,AUTOTESTCONProceedings,2001.IEEESystemsReadinessTechnologyConference.？Byer,B.;Hess,A.;Fila,L.;Writingaconvincingcostbenefitanalysistosubstantiateautonomiclogistics,AerospaceConference,2001,IEEEProceedings.Volume6.？Hess,A.;Calvello,G.;Dabney,T.;PHMakeyenablerfortheJSFautonomiclogisticssupportconcept，AerospaceConference,2004.Proceedings.2004IEEE，Volume6.？AndyHess,TheJointStrikeFighter(JSF)PrognosticsandHealthManagement,NDIA4thAnnualSystemsEngineeringConference,2001？7.？7.？(10)Gill,.;Lessonslearnedfromrotary-andfixed-wingHUMSapplications,AerospaceConferenceProceedings,2000IEEE,Volume6.？Byington,.;Watson,M.;Roemer,.;Galic,.;McGroarty,.;Prognosticenhancementstogasturbinediagnosticsystems，AerospaceConference,2003.Proceedings.2003IEEE，Volume7.？Byington,.;Roemer,.;Galie,T.;Prognosticenhancementstodiagnosticsystemsforimprovedcondition-basedmaintenance，AerospaceConferenceProceedings,2002.IEEE,Volume6.？Araiza,.;Kent,R.;Espinosa,R.;Real-time,embeddeddiagnosticsandprognosticsinadvancedartillerysystems,AUTOTESTCONProceedings,2002.IEEE,Oct.2002Page(s):818-841？Bridgman,.;Relatingfailureprognosticstosystembenefits,AerospaceConferenceProceedings,2002.IEEE,VolumePowrie,Fisher,.;Enginehealthmonitoring:Towardstotalprognostics,AerospaceConference,1999.Proceedings.Volume3.？Su,.;Nolan,M.;DeMare,G.;Carey,.;Prognosticsframework,AUTOTESTCON'99.IEEESystemsReadinessTechnologyConference,1999.？Harman,.;Wirelesssolutionsforaircraftconditionbasedmaintenancesystems,AerospaceConferenceProceedings,2002.IEEE,Volume6.？Nickerson,B.;Lally,R.;Developmentofasmartwirelessnetworkablesensorforaircraftenginehealthmanagement,AerospaceConference,2001,IEEEProceedings.Volume7.？？KarenT.BainandDavidG.Orwig,F/A-18E/FBuilt-InTest(BIT)MaturationProcess,NDIA3thAnnualSystemsEngineeringConference,2000.？R.Williams,J.Banner,I.Knowles,M.Natishan,andM.Pecht,AnInvestigationof'CannotDuplicate'Failure,QualityandReliabilityEngineeringInternational;,Vol.14,pp.331-337,1998？,,,,andI.Knowles,AnEvaluationofBuilt-InTest,IEEETransactionsonAerospaceandElectronicSystems,Vol.37,No.1,pp.266-272,January2001.？Pecht,M.;Ramappan,V.;Arecomponentsstillthemajorproblem:areviewofelectronicsystemanddevicefieldfailurereturns,Components,IEEETransactionsonHybrids,andManufacturingTechnology,Volume15,Issue6,Dec.1992？Kirkland,.;Pombo,T.;Nelson,K.;Berghout,F.;Avionicshealthmanagement:searchingfortheprognosticsgrail,AerospaceConference,2004.Proceedings.2004IEEE,Vol5.？D.L.Hall,McMullen.Mathematicaltechniquesinmultisensordatafusion，Boston:ArtechHouse,c2004.？J.H.Williams，A.Davies，P.R.Drake,Condition-basedmaintenanceandmachinediagnostics，Chapman&Hall,1994.？.Natke,C.Cempel,Model-aideddiagnosisofmechanicalsystems:fundamentals,detection,localization,andassessment，SpringerVerlag,c1997.？G.J.Kacprzynski,M.Gumina,etc,APROGNOSTICMODELINGAPPROACHFORPREDICTINGRECURRINGMAINTENANCEFORSHIPBOARDPROPULSIONSYSTEMS,ProceedingsofASMETurboExpo2001,NewOrleans,LAUSA？Byington,.;etc;Amodel-basedapproachtoprognosticsandhealthmanagementforflightcontrolactuators，AerospaceConference,2004.Proceedings.2004IEEE，Volume6.？A.RamakrishnanandM.Pecht,ALifeConsumptionMonitoringMethodologyforElectronicSystems,IEEETransactionsonComponentsandPackagingTechnologies,Vol.26,No.3,pp.625-634,September,2003.？R.Valentin,M.OstermanandBobNewman,RemainingLifeAssessmentofAgingElectronicsinAvionicApplications,TheAnnualReliabilityandMaintainability,2003Proceedings,pp.313-318,TampaFlorida,January27-30,2003.？Miltonohring,reliabilityandfailureofelectronicmaterialsanddevices,AcademicPress,1998？？V.Shetty,D.Das,M.Pecht,D.HiemstraandS.Martin,RemainingLifeAssessmentofShuttleRemoteManipulatorSystemEndEffector,Proceedingsofthe22ndSpaceSimulationConference,EllicottCity,MD,October21-23,2002.？[31]？■[32]？■[33]？■[34]Kacprzynski,.;Roemer,.;Modgil,G.;Palladino,A.;Maynard,K.;Enhancementofphysics-of-failureprognosticmodelswithsystemlevelfeatures,AerospaceConferenceProceedings,2002.IEEE.？[35]&？[36]？■[37]Roemer,.;Kacprzynski,.;Orsagh,.;Assessmentofdataandknowledgefusionstrategiesforprognosticsandhealthmanagement,AerospaceConference,2001,IEEE6.？[43]？[43]？Mcclintic,.,Featurepredictionandtrackingformonitoringtheconditionofcomplexmechanicalsystems,inAcoustics,UniversityPark,PA:ThePennsylvaniaStateUniversity,1998.？Byington.,etc,Fusiontechniquesforvibrationandoildebris