李占山（海裝重慶局，重慶 404100）

基于PHM的橋式起重機(jī)管理系統(tǒng)設(shè)計(jì)

李占山
（海裝重慶局，重慶 404100）

本文以橋式起重機(jī)為例，結(jié)合PHM技術(shù)，搭建了橋式起重機(jī)故障預(yù)測與健康管理系統(tǒng)的總體框架，設(shè)計(jì)了橋式起重機(jī)機(jī)故障預(yù)測與健康管理系統(tǒng)模塊。建立的PHM系統(tǒng)能對橋式起重機(jī)重要部件、系統(tǒng)進(jìn)行全面的健康狀態(tài)監(jiān)控、故障檢測、分析判斷處理，得出保障決策方法。

PHM；橋式起重機(jī)；預(yù)測與健康管理；故障診斷與預(yù)測

1 PHM簡述

PHM（Prognostics and Health Management）即故障預(yù)測與健康管理。故障預(yù)測，即預(yù)計(jì)診斷部件或系統(tǒng)完成其功能的狀態(tài)，包括確定部件的殘余壽命或正常工作的時(shí)間。預(yù)測技術(shù)是在發(fā)生災(zāi)難性故障之前能夠及時(shí)預(yù)知，并采取措施預(yù)防，根據(jù)診斷/預(yù)測信息﹑可用資源和使用需求對維修活動(dòng)做出適當(dāng)決策。經(jīng)過30余年的發(fā)展，PHM技術(shù)在發(fā)動(dòng)機(jī)﹑齒輪箱﹑液壓系統(tǒng)﹑電子設(shè)備機(jī)上測試等諸多領(lǐng)域應(yīng)用廣泛，實(shí)現(xiàn)該技術(shù)可以有效降低維修保障成本，縮短維修保障時(shí)間，降低風(fēng)險(xiǎn)，提高保障效率。

PHM系統(tǒng)一般應(yīng)具備如下功能：故障檢測﹑故障隔離﹑故障診斷﹑故障預(yù)測﹑健康管理和壽命追蹤。對于復(fù)雜裝備和系統(tǒng)，PHM應(yīng)能實(shí)現(xiàn)不同層次﹑不同級(jí)別的綜合診斷﹑預(yù)測和健康管理。

圖1 PHM一般方法

2 橋式起重機(jī)PHM的關(guān)鍵技術(shù)

2.1數(shù)據(jù)采集和傳感器技術(shù)

確定可以表征設(shè)備狀態(tài)的參數(shù)信息（直接表征或間接推理），是設(shè)備進(jìn)行故障預(yù)測和健康管理的首要任務(wù)，也是PHM系統(tǒng)的數(shù)據(jù)基礎(chǔ)。

圖2 橋式起重機(jī)PHM系統(tǒng)

2.2通信技術(shù)

通信技術(shù)的目的主要是為了保證傳感器采集到的各種數(shù)據(jù)信息傳輸?shù)絇HM系統(tǒng)中的其它部分，以及確保PHM各個(gè)部分之間信息交流的正確﹑通暢﹑協(xié)調(diào)﹑安全，從而實(shí)現(xiàn)整個(gè)維修保障體系的信息化﹑網(wǎng)絡(luò)化﹑一體化。通常情況下，橋式起重機(jī)工作的環(huán)境都比較復(fù)雜，移動(dòng)性比較大，再加上需要監(jiān)測的點(diǎn)分布較散，因此采用無線通信較方便，安裝各種傳感器教容易。

2.3 數(shù)據(jù)預(yù)處理技術(shù)

數(shù)據(jù)預(yù)處理就是在數(shù)據(jù)主要處理以前的處理，由于不同的狀態(tài)監(jiān)測﹑健康評(píng)估和故障預(yù)測方法對數(shù)據(jù)類型的要求不同，因此需要對采集的原始數(shù)據(jù)信息進(jìn)行各種預(yù)處理，以使數(shù)據(jù)格式滿足后繼處理的要求，同時(shí)也便于傳輸和存儲(chǔ)。預(yù)處理包括模數(shù)轉(zhuǎn)換﹑去噪聲﹑高通濾波﹑壓縮﹑信號(hào)自相關(guān)等，數(shù)據(jù)處理方法包括數(shù)據(jù)清理﹑集成﹑變換﹑歸約等，數(shù)據(jù)預(yù)處理可以提高數(shù)據(jù)挖掘模式的效率。

2.4數(shù)據(jù)融合技術(shù)

數(shù)據(jù)融合就是利用計(jì)算機(jī)對各種信息源進(jìn)行處理﹑控制和決策的一體化過程。數(shù)據(jù)融合技術(shù)將各種信息源的有用信息進(jìn)行采集﹑傳輸﹑綜合﹑過濾及相關(guān)合成后輔助以驗(yàn)證﹑判斷，獲得的準(zhǔn)確的推論結(jié)果，可以提高狀態(tài)監(jiān)測﹑健康評(píng)估和故障預(yù)測推理的準(zhǔn)確性，并能確定推理結(jié)果的置信度。

2.5狀態(tài)監(jiān)測﹑健康評(píng)估和故障預(yù)測技術(shù)

狀態(tài)監(jiān)測﹑健康評(píng)估和故障預(yù)測是PHM系統(tǒng)的核心部分，在某種意義上它們都是一種推理過程，在實(shí)際構(gòu)建PHM系統(tǒng)時(shí)往往要根據(jù)系統(tǒng)的實(shí)際情況采用一種或多種技術(shù)和方法，包括基于規(guī)則﹑案例和模型等的推理算法，能夠?qū)蚴狡鹬貦C(jī)狀態(tài)﹑故障狀況﹑維修能力等相關(guān)信息適時(shí)傳送至維修保障系統(tǒng)，并接受和執(zhí)行維修保障系統(tǒng)的控制調(diào)度。

2.6接口技術(shù)

考慮到PHM系統(tǒng)日后的更新或加入新的模塊以及與其它系統(tǒng)進(jìn)行信息交換和集成的能力，其接口采用具有“即插即用”能力的接口。其接口技術(shù)主要從以下幾個(gè)方面加以考慮：PHM系統(tǒng)各模塊之間，各模塊同PHM系統(tǒng)之間，部件級(jí)PHM同系統(tǒng)級(jí)PHM之間，人-機(jī)接口，PHM系統(tǒng)同其它決策支持﹑計(jì)劃﹑庫存﹑自動(dòng)化以及維修系統(tǒng)的接口。

3 橋式起重機(jī)PHM系統(tǒng)設(shè)計(jì)

橋式起重機(jī)的PHM系統(tǒng)可以分為兩部分：橋式起重機(jī)機(jī)上管理系統(tǒng)和地面控制室管理系統(tǒng)。橋式起重機(jī)在工作的過程中，機(jī)上部分將傳感器數(shù)據(jù)通過數(shù)據(jù)鏈傳到駕駛室與地面控制室，駕駛室主要是在起重機(jī)監(jiān)控到故障時(shí)對起重機(jī)做出相應(yīng)的反應(yīng)，如停車。而地面監(jiān)控室除了對故障做出反應(yīng)外，另一個(gè)任務(wù)就是判斷橋式起重機(jī)各部件以及系統(tǒng)的狀態(tài)發(fā)展趨勢，進(jìn)行狀態(tài)的預(yù)測﹑故障的檢測和隔離，并把得出的結(jié)果反饋到駕駛室。建立的PHM系統(tǒng)應(yīng)具有數(shù)據(jù)采集和傳輸﹑數(shù)據(jù)處理﹑狀態(tài)監(jiān)測﹑故障檢測﹑故障隔離﹑故障預(yù)測﹑剩余壽命預(yù)測﹑部件壽命跟蹤﹑性能降級(jí)趨勢分析和維修計(jì)劃等功能。根據(jù)上述分析，橋式起重機(jī)PHM系統(tǒng)可設(shè)計(jì)為如圖2所示的框架圖。

3.1狀態(tài)監(jiān)測模塊

狀態(tài)監(jiān)測模塊的任務(wù)主要是完成數(shù)據(jù)的采集及初步的預(yù)處理，為系統(tǒng)提供可靠可用的監(jiān)測數(shù)據(jù)。在對起重機(jī)進(jìn)行監(jiān)控時(shí)，主要對動(dòng)力系統(tǒng)﹑液壓系統(tǒng)﹑電氣系統(tǒng)﹑機(jī)械強(qiáng)度以及工況指標(biāo)進(jìn)行數(shù)據(jù)采集，各部分采集的信息主要見表1。

表1 起重機(jī)數(shù)據(jù)采集信息

狀態(tài)監(jiān)測得到數(shù)據(jù)的可靠性很大一部分取決于選用傳感器的好壞。在建立橋式起重機(jī)的PHM系統(tǒng)時(shí)，由于傳感器面臨的工作環(huán)境比較惡劣，所以必須選用耐腐蝕﹑耐高溫高濕﹑耐沖擊﹑耐油霧的傳感器，另外也必須有較強(qiáng)的電磁抗干擾性能。針對起重機(jī)需要監(jiān)控的對象，以及監(jiān)控對象需要采集的參數(shù)，得到相應(yīng)物理特征所對應(yīng)的傳感器類型，見表2。

狀態(tài)監(jiān)測模塊工作流程：如圖1所示，在接收起重機(jī)上傳感器現(xiàn)場監(jiān)測的數(shù)據(jù)前，必須對傳感器進(jìn)行驗(yàn)證，以保證傳感器是正常的，在系統(tǒng)中用傳感器驗(yàn)證子模塊來驗(yàn)證傳感器工作狀態(tài)是否正常，如傳感器有故障則啟用冗余傳感器更換或維修并不接受相關(guān)數(shù)據(jù)，防止因傳感器而造成的虛警。在驗(yàn)證完成后，傳感器傳來的原始數(shù)據(jù)不可能完全滿足后續(xù)工作的要求，所以的對采集的數(shù)據(jù)進(jìn)行預(yù)處理，并通過數(shù)據(jù)融合技術(shù)對數(shù)據(jù)進(jìn)行特征提取，得到隱含的﹑潛在的有用信息，最后為預(yù)測﹑診斷模塊提供可靠可用的數(shù)據(jù)。

表2 橋式起重機(jī)在線監(jiān)控所需傳感器

3.2預(yù)測﹑診斷模塊

在進(jìn)行故障診斷和預(yù)測技術(shù)上，橋式起重機(jī)PHM系統(tǒng)采用基于異?，F(xiàn)象信息的故障診斷與故障預(yù)測方法，觀測或偵測非正常工作狀態(tài)下所表現(xiàn)出來的異?，F(xiàn)象，如振動(dòng)﹑噪聲﹑溫度﹑磨損﹑電磁場等，進(jìn)行趨勢分析及故障預(yù)測，大部分機(jī)械產(chǎn)品多采用這種故障診斷與預(yù)測方式。基于異?，F(xiàn)象信息進(jìn)行故障診斷與故障預(yù)測的任務(wù)是：統(tǒng)計(jì)歷史數(shù)據(jù)﹑注入獲得的故障數(shù)據(jù)等信息，針對發(fā)現(xiàn)的異常現(xiàn)象特征，自動(dòng)進(jìn)行故障程度判斷及預(yù)測。在建立異?，F(xiàn)象與故障損傷關(guān)系模型時(shí)采用人工神經(jīng)網(wǎng)絡(luò)。

神經(jīng)網(wǎng)絡(luò)是利用ANN的非線性轉(zhuǎn)化特征以及智能學(xué)習(xí)機(jī)制，建立已監(jiān)測到的故障現(xiàn)象與故障損傷狀態(tài)之間的非對稱性聯(lián)系。利用已知的特性與損傷或通過故障注入建立與特征分析結(jié)果關(guān)聯(lián)的退化軌跡，對ANN模型進(jìn)行“訓(xùn)練或?qū)W習(xí)”并對產(chǎn)品的故障損傷狀態(tài)進(jìn)行判斷。因?yàn)锳NN具有自適應(yīng)特征，因此，可以利用非顯式特征信息來進(jìn)行“訓(xùn)練或?qū)W習(xí)”及故障損傷判斷。

預(yù)測﹑診斷模塊工作流程：如圖1所示，狀態(tài)監(jiān)測模塊傳來的數(shù)據(jù)通過基于ANN趨勢分析模型建立起來的“訓(xùn)練或?qū)W習(xí)”故障診斷和故障預(yù)測模塊，與歷史的監(jiān)測數(shù)據(jù)﹑橋式起重機(jī)的原始參數(shù)以及歷史統(tǒng)計(jì)數(shù)據(jù)作比較，確定橋式起重機(jī)相應(yīng)部件﹑系統(tǒng)的健康狀態(tài)。

3.3分析決策模塊

分析決策模塊作為橋式起重機(jī)PHM系統(tǒng)職能最終體現(xiàn)部分，PHM系統(tǒng)建立是否成功，主要從這部分體現(xiàn)出來，它主要包含綜合分析﹑保障決策﹑人機(jī)接口模塊三部分。

分析決策模塊的功能主要是：如圖1所示，綜合分析模塊和保障決策模塊把前面分析的結(jié)果進(jìn)一步綜合分析，做出與實(shí)際情況相符的決策；人機(jī)接口模塊把系統(tǒng)的決策信息顯示出來提供給使用維護(hù)人員，使用維護(hù)人員根據(jù)決策信息做出相應(yīng)的維修維護(hù)計(jì)劃，盡量做到視情維修。

3.4數(shù)據(jù)儲(chǔ)存模塊

數(shù)據(jù)儲(chǔ)存模塊主要是對PHM各部分產(chǎn)生的數(shù)據(jù)進(jìn)行儲(chǔ)存，豐富系統(tǒng)的數(shù)據(jù)庫，進(jìn)一步增加系統(tǒng)的工作的可靠性。如圖1所示，主要有三部分的數(shù)據(jù)需要存儲(chǔ)，即上述的三個(gè)模塊的數(shù)據(jù)。

4 預(yù)期效果

一是提高設(shè)備的安全可靠性。起重機(jī)作為特種設(shè)備的一種，一旦發(fā)生事故將是非常致命的，所以安全可靠顯得異常的重要。在橋式起重機(jī)上安裝PHM后，可以實(shí)時(shí)得到橋式起重機(jī)的運(yùn)行狀態(tài)和各部件變化趨勢，從而掌握整個(gè)變化過程，目前一些重要軍工行業(yè)應(yīng)用PHM的橋式起重機(jī)管理系統(tǒng)后保障效果顯著提升，設(shè)備故障率明顯降低。

二是降低設(shè)備的維修費(fèi)用﹑提高保障效率。利用PHM系統(tǒng)維修人員僅需按照維修方案完成規(guī)定的維修工作，從而最大程度地減少了錯(cuò)誤的維修動(dòng)作，確保起重機(jī)在最快的時(shí)間內(nèi)恢復(fù)完好狀態(tài)。從根本上降低了保障響應(yīng)時(shí)間，提高了維修效能。

[1]木志高， 胡海峰， 胡蔦慶． 武器裝備故障預(yù)測及健康管理系統(tǒng)設(shè)計(jì)[J]． 兵工自動(dòng)化， 2006 （02）：23-25．

[2]彭宇，劉大同，彭喜元．故障預(yù)測與健康管理技術(shù)綜述[J]．電子測量與儀器學(xué)報(bào)，2010，24（01）：1-7．

[3]Ronald R Yager ．A framework for multisource data fusion[J]．Information Sciences, 2004 （163）：175-200．

[4]Byington C S, Roemer M J, Galie T．[A]．Aerospace Conference Proceedings 2002 IEEE[C]．Oct．2002 Page：818-841．

[5]Hall D L, McMullen S A H． Mathematical techniques in multisensor data fusion[M]．Boston：Artech House, 2004．

[6]Williams J H, Davies Drake A P R ．Condition-based maintenance and machine diagnostics[M]．Chapman &Hall, 1994．

TP27

A