呂杰偉，徐啟圣，錢博文，王媛媛

（1.合肥學院能源材料與化工學院，安徽合肥 230601；2.合肥學院先進制造工程學院，安徽合肥 230601）

盾構機施工環(huán)境較為惡劣，在復雜地層中掘進距離一般只有10 km，且市場現(xiàn)存近1/3 盾構機將進入大修或報廢時段[1]。但是，進行盾構機設備定期檢查維修需要消耗大量資源，嚴重影響施工進度，其中僅刀具系統(tǒng)檢查維修耗時占施工總時間30%～40%[2]，維修費用超過整個盾構施工費用的l/3[3]，如廣州地鐵三號線某施工段累計耗時45 天，有效施工時間僅有20 天[4]。此外，盾構機維修難度大、危險性高，一旦發(fā)生故障可能造成嚴重后果，如2014 年10月南寧地鐵1號線進行土壓艙換刀時發(fā)生土體坍塌，造成1人死亡、2人失蹤。

隨著盾構機智能化水平的提高，傳統(tǒng)“事后維修”和“定期維修”等維修方式引起設備不必要拆卸安裝，且無法獲取全面故障信息，使盾構機常處于停機或半停機狀態(tài)，無法滿足對盾構機可靠性和經濟性的要求[5-6]。

基于此，將故障預測與健康管理（Prognostics Health Management，PHM）技術應用于盾構機故障維修和健康管理中，彌補“被動式維修”方式導致的計劃外停機與冗余維護，降低災難性事故和連帶損傷風險，提升整個系統(tǒng)的可靠性。

1 PHM理論研究內容

1.1 PHM系統(tǒng)的發(fā)展

1.1.1 PHM系統(tǒng)能力試驗驗證

近年來我國在PHM技術系統(tǒng)能力與現(xiàn)實需求的基礎上，開始從數(shù)據(jù)采集和處理、健康監(jiān)測、異常預警、故障診斷、運行維護等方面進行PHM體系架構的搭建[7]，同時進行指標評價體系和健康監(jiān)測驗證平臺建設，開發(fā)相應的智能傳感系統(tǒng)、嵌入式故障智能診斷系統(tǒng)、專家系統(tǒng)數(shù)據(jù)庫等[8]。

但是，在PHM系統(tǒng)能力驗證方面，除了需要積累海量數(shù)據(jù)資源、掌握大數(shù)據(jù)分析技術、完善集成驗證平臺和評價指標體系的建設，還需要結合行業(yè)知識和專家經驗實現(xiàn)PHM 綜合模型的建立與試驗驗證[9]。目前國內的研究更多停留在PHM 系統(tǒng)理論層面，對規(guī)則體系建設和驗證平臺搭建的相關研究較少，需要加大研發(fā)力度。

1.1.2 PHM系統(tǒng)健康診斷與預測

近年來，PHM 技術得到深度研究和快速推廣，各個國家已經把PHM系統(tǒng)健康診斷和預測技術應用于新一代航空、高鐵、風電機組、機床刀具等領域[10-11]，見表1。

表1 PHM 系統(tǒng)健康診斷與預測應用

隨著《中國制造2025》的深入推進，中國裝備制造業(yè)開始重視設備的診斷、預測、管理和服務一體化發(fā)展，并在故障診斷和健康預測方面取得突破[12]。但是，當前國內對PHM 系統(tǒng)研究和新型智能裝置研發(fā)投入較少，PHM 研究更多聚焦在狀態(tài)監(jiān)測與故障預測領域，真正能實現(xiàn)從狀態(tài)感知、診斷預測到運維管理整個閉環(huán)的方案則更少，在一定程度上限制PHM的發(fā)展和企業(yè)對PHM價值的認可。

1.1.3 PHM系統(tǒng)管理

PHM 技術是一種基于設備運行狀態(tài)的先導式維修管理方法，能實時監(jiān)測設備狀態(tài)的關鍵指標，并將實時采集信息與設備歷史數(shù)據(jù)進行對比分析，準確預測設備運行狀態(tài)和故障演變規(guī)律，對維修活動做出科學管理和決策，以此提升整個裝備系統(tǒng)的可靠性（風險降低50%），降低復雜系統(tǒng)運行過程中的意外風險[13-14]，見表2。

表2 傳統(tǒng)維修服務與PHM 智能管理服務的區(qū)別

復雜系統(tǒng)健康管理方面，國內裝備系統(tǒng)仍以周期性預防維護為主，對于PHM 技術的研究更多停留在故障預測和狀態(tài)監(jiān)測的簡單應用層面；裝備自愈研究起步較晚，自愈材料與智能結構研究以理論為主，尚未開展工程化應用[15-16]。

1.2 PHM總體框架

PHM 系統(tǒng)由數(shù)據(jù)采集系統(tǒng)、數(shù)據(jù)處理系統(tǒng)、故障診斷評估系統(tǒng)、預后評估系統(tǒng)和健康管理系統(tǒng)組成[17]，其系統(tǒng)框架如圖1。數(shù)據(jù)采集系統(tǒng)（Data Acquisition，DA），通過選擇適配的多傳感器網絡，對傳感器的布局進行優(yōu)化設計，實現(xiàn)關鍵設備狀態(tài)參數(shù)的全方位實時采集；數(shù)據(jù)處理系統(tǒng)（Data Processing，DP），對在線監(jiān)測的數(shù)據(jù)進行預處理，達到后續(xù)所需的標準化數(shù)據(jù)格式；故障診斷評估系統(tǒng)（Fault Diagnostic Assessment，F(xiàn)DA），建立在失效機理和故障預測模型的基礎上，利用監(jiān)測信息實現(xiàn)監(jiān)測對象的故障診斷、嚴重度判別、定位與隔離；預后評估系統(tǒng)（Prognostic Assessment，PA），通過評估設備健康狀態(tài)和剩余壽命預測，為設備的后勤保障和健康管理（Health Management，HM）提供依據(jù)，從而制定科學的維修策略，最大限度促進設備效能的發(fā)揮。

圖1 PHM系統(tǒng)框架

1.3 PHM技術的應用

隨著智能化水平的不斷提高，設備的復雜性和不確定性也在增加，對復雜機械裝備的故障預測和診斷方法，不同研究機構分類依據(jù)不盡相同。綜合來看主要分為三種：基于機理模型的預測方法、基于專家系統(tǒng)的預測方法、基于數(shù)據(jù)驅動的預測方法[18-20]，見表3。

就這一現(xiàn)象，董同龢先生認為，“像這樣粹而不雜的現(xiàn)象到底不夠普遍的，很難引出什么推論。其實從音理方面講，舌面音就說是塞音的話，總難免帶一些塞擦音的色彩。由這一層關系，ts′-系字可以較多與ts-系接觸不是很自然的嗎？”[5]

表3 三種故障預測方法比較

但是，單一預測方法難以實現(xiàn)故障的快速精準預測。因此，有許多學者提出將人工智能、大數(shù)據(jù)與多種故障預測方法相結合，充分發(fā)揮數(shù)據(jù)資源和智能算法優(yōu)勢，提高故障預測效率與精度。針對盾構機自身結構和服役性能特點，提出將PHM 技術應用到盾構機系統(tǒng)運維管理中。

2 盾構機PHM系統(tǒng)的研究內容

2.1 盾構機PHM綜合系統(tǒng)

為保證盾構機刀盤刀具、液壓系統(tǒng)、齒輪箱等關鍵設備的安全和健康要求?；贠SA-CBM 框架基礎[21-22]，提出盾構機PHM 綜合系統(tǒng)，該系統(tǒng)主要包括信息采集、數(shù)據(jù)處理、大數(shù)據(jù)診斷和健康管理，如圖2。

圖2 盾構機PHM系統(tǒng)結構

2.2 盾構機PHM系統(tǒng)關鍵技術

2.2.1 信息采集

盾構機施工環(huán)境復雜，掘進時刀具極易磨損，嚴重影響設備的使用壽命。在復雜地質條件下刀具失效類型主要有：正常磨損、偏磨、崩裂和移位脫落[23]。不同地區(qū)刀具承受不規(guī)則的載荷以及施工過程中掘進參數(shù)頻繁變化使盾構機關鍵設備使用壽命存在明顯差異。因此，需要建立足夠的監(jiān)測位點，獲取盾構設備和施工環(huán)境較為全面的監(jiān)測信息，準確反映盾構系統(tǒng)的運行狀態(tài)，實現(xiàn)設備的精確診斷。

盾構機運行過程中健康狀態(tài)會不斷發(fā)生變化，要實現(xiàn)盾構機運行狀態(tài)實時在線監(jiān)測和智能診斷，需要建立一個完備的前端智能數(shù)據(jù)采集系統(tǒng)。Lan等[24]提出基于渦流傳感器在線監(jiān)測系統(tǒng)，實時監(jiān)測盾構機刀具磨損情況，為不同施工條件下掘進參數(shù)調整與盾構機零部件的維修、更換提供參考；在此基礎上，Wu[25]等提出結合盾構機隧道施工監(jiān)測數(shù)據(jù)、原位滲透試驗數(shù)據(jù)和工程地質條件，實時預測刀具和主齒輪磨損情況。通過實時信息收集，有效反映盾構系統(tǒng)關鍵設備故障演變趨勢和性能衰退過程，及時進行故障診斷和預警，降低事故停機率和維護成本。

2.2.2 數(shù)據(jù)處理

傳感器與監(jiān)測系統(tǒng)獲取的海量原始數(shù)據(jù)以一種隱藏的模式出現(xiàn)，且原始數(shù)據(jù)通常存在噪聲、錯誤和冗余，不能準確反映盾構機的健康狀況。若以原始數(shù)據(jù)集構建健康預測模型，會對設備健康狀態(tài)進行誤判，制定出錯誤的維修策略。因此，需要對原始數(shù)據(jù)進行處理[26-27]。

通過對原始數(shù)據(jù)進行降維處理，減少數(shù)據(jù)集變量數(shù)量，構建完備的數(shù)據(jù)存儲系統(tǒng)和共享平臺，實現(xiàn)數(shù)據(jù)的標準化和模塊化建設[28]，如圖3。但是，隨著數(shù)據(jù)量的激增，傳統(tǒng)的數(shù)據(jù)處理方法無法滿足數(shù)據(jù)質量增強和丟失數(shù)據(jù)填充的要求。鑒于此，Hu[29]等將傳統(tǒng)數(shù)據(jù)處理技術和智能仿真技術相結合，開發(fā)一種新的數(shù)據(jù)分析方法，并把分析結果通過界面前端顯示，提高數(shù)據(jù)質量和決策的可訪問性，使數(shù)據(jù)資源效益最大化。

圖3 數(shù)據(jù)標準化建設

大數(shù)據(jù)診斷是基于人工智能技術、專家系統(tǒng)理論和已有故障案例基礎上，進行故障特征提取、模型訓練和診斷評估，最終形成能夠進行計算的數(shù)據(jù)模型。大數(shù)據(jù)背景下的故障診斷技術，相較于傳統(tǒng)技術而言，在數(shù)據(jù)采集、特征提取和診斷決策等方面，具有識別精度高、自適應能力強、誤報和漏報率低等優(yōu)點[30]，見表4。

表4 傳統(tǒng)故障診斷與基于大數(shù)據(jù)故障診斷的比較

在工業(yè)大數(shù)據(jù)時代，基于大數(shù)據(jù)的診斷方法通常將不同傳感器和監(jiān)測系統(tǒng)的信息進行融合，以獲得決策診斷依據(jù)。Wang等[31]提出了一種基于多源信息融合與分形維數(shù)的液壓系統(tǒng)故障診斷方法，解決了復雜非線性系統(tǒng)中數(shù)據(jù)樣本量單一和診斷效率不足等問題，但對故障預測精度和決策診斷的實時性無法提供有效保障；Yang 等[32]在此基礎上，利用多傳感器信息采集系統(tǒng)，收集振動和噪聲信號，融合多源時空信息，提高故障預測的可靠性；Xu等[33]引入設備心電圖（DEKG），將融合后的多源信息以一種可視化的圖像呈現(xiàn)，根據(jù)DEKG 的變化趨勢實時監(jiān)控設備運行狀態(tài)，分析故障演化機制，預測停機時間實現(xiàn)提前預警。

大數(shù)據(jù)故障診斷通過對設備信息的收集和深入分析，掌握盾構機服役性能在不同時間尺度上的衰退規(guī)律，實現(xiàn)對故障特征和失效類型的快速診斷和精準預測[34]。

2.2.4 健康管理

為保持設備健康狀態(tài)的持久性和穩(wěn)定性，需要借助設備運行、維護、管理等監(jiān)測信息，對涉及設備健康的因素進行全過程把控[35]。在功能性故障發(fā)生之前，采取過程監(jiān)控和早期預警的措施，及時識別和預測盾構機系統(tǒng)中故障隱患，將其消滅在萌芽階段；若功能性故障已經發(fā)生，則通過快速識別故障元件、準確定位故障部位，及時排除故障隱患，減少潛在損失，確保盾構系統(tǒng)在“亞健康”和緊急情況下穩(wěn)定工作，如圖4。

盾構系統(tǒng)由多個零部件耦合的統(tǒng)一整體，單個零部件的性能退化勢必“傳染”其他零部件，進而影響整個盾構機的健康運行。因此，通過構建健康指標、劃分健康等級、建立健康預測模型，實現(xiàn)由子系統(tǒng)到系統(tǒng)集合的健康管理。Jin 等[36]通過深度學習平臺TensorFlow，構建和訓練健康評估模型，實現(xiàn)設備運行狀態(tài)監(jiān)測和健康等級劃分，確保盾構設備的健康狀態(tài)始終處于可控范圍，有效降低設備全生命周期維修成本。

此外，根據(jù)評估結果建立一個系統(tǒng)運行和備件管理集成系統(tǒng)，為盾構機健康管理提供動態(tài)應急策略?？紤]到健康管理在時間和空間上的多尺度效應，建立多因素（時間、成本、修復能力、可靠性與便利性）、多尺度時空聯(lián)合決策模型，為結構、性能各異的盾構機系統(tǒng)提供定制化的健康管理方案，提高盾構機健康管理的實效性[37]。

3 盾構機PHM技術面臨的挑戰(zhàn)

隨著盾構機性能的提高和功能的完善，盾構機系統(tǒng)組成愈趨復雜，故障演化和機理分析也變得更加困難。根據(jù)當前盾構機系統(tǒng)維修的現(xiàn)實需求，發(fā)現(xiàn)盾構機PHM技術仍存在以下問題：

（1）數(shù)據(jù)采集系統(tǒng)。盾構機在軟土地面施工時，壓力室充滿淤泥，導致無線信號傳輸不穩(wěn)定，長期連續(xù)監(jiān)測會導致數(shù)據(jù)傳輸和用電困難；各種監(jiān)測、傳輸設備來自不同的生產廠家，設備通信接口與協(xié)議各不相同，不易實現(xiàn)連接；智能化傳感器的開發(fā)、監(jiān)測位點的優(yōu)化布設，遠程智能化控制技術距離實際工程應用仍有很大距離。

（2）數(shù)據(jù)處理和標準化建設。盾構機系統(tǒng)所處施工環(huán)境比較復雜，在數(shù)據(jù)采集過程中容易受到地層結構、噪聲和傳感誤差等外部因素的干擾，采集到的數(shù)據(jù)常表現(xiàn)為背景噪聲大、數(shù)據(jù)來源不統(tǒng)一、多變量時間序列和不完整、不確定的“碎片化”數(shù)據(jù)，導致故障診斷效率和準確率較低。同時對數(shù)據(jù)預處理時缺乏統(tǒng)一的分類、存儲和評判標準，造成系統(tǒng)數(shù)據(jù)處理出現(xiàn)較多重復性工作。

（3）故障失效類型和演化機理分析。隨著數(shù)據(jù)的擴大和豐富，傳統(tǒng)的故障診斷方法出現(xiàn)診斷速度過慢、結果不完整或不準確，甚至無法產生結果，加之盾構機種類繁多，集成系統(tǒng)復雜，不同零部件故障演變機理和失效模型存在很大差異，很難對盾構機故障演變規(guī)律進和性能衰退趨勢進行準確把握和劃分。目前故障預測和診斷方法多為模型化分析和靜態(tài)診斷為主，沒有根據(jù)系統(tǒng)狀態(tài)和環(huán)境變化開發(fā)有效的性能預測和故障診斷模型，無法準確描述故障隨時間變化的動態(tài)趨勢。

（4）盾構機健康評估和維修管理技術。盾構機在復雜工況條件下施工具有高度的不確定性，各系統(tǒng)健康狀態(tài)難以準確把握，傳統(tǒng)維修技術不能滿足部分子系統(tǒng)僅適用“無創(chuàng)”治療方法的特殊需要。因此，需要有比預防性維護更先進的解決方案來優(yōu)化資源配置，提高運維效率。

4 盾構機PHM技術展望

在盾構機制造業(yè)高速發(fā)展和自動化程度顯著提高的大背景下，單一類別數(shù)據(jù)源和故障診斷技術已經無法滿足現(xiàn)有故障診斷的需求，需要設計預測精度更高、診斷效果更好的健康管理系統(tǒng)，從而推動故障診斷技術向著模塊化、數(shù)字化、自動化、智能化的方向邁進。

（1）先進的傳感器技術和完善的狀態(tài)監(jiān)測體系。以智能傳感器為技術支撐，依托微型化先進傳感器解決各系統(tǒng)組件適配及優(yōu)化布設問題，建立可靠的傳感區(qū)域網格模型，并對這些網格分配不同的權重，實現(xiàn)對盾構機關鍵設備的全狀態(tài)、全過程、實時智能監(jiān)測；通過收集盾構機關鍵設備正常、衰退、病態(tài)期間的監(jiān)測數(shù)據(jù)，逐步實現(xiàn)壽命周期內原始數(shù)據(jù)的累積，為盾構機PHM 技術的發(fā)展提供準確可靠的數(shù)據(jù)支持。

（2）完善數(shù)據(jù)處理技術和標準化建設。針對目前盾構機信息不完備、樣本獲取困難、單一場景下樣本空間有限等問題，充分利用設備運行狀態(tài)監(jiān)測數(shù)據(jù)，挖掘數(shù)據(jù)隱含信息，同時通過虛擬仿真技術獲取與原始樣本特征信息一致的樣本，結合深度遷移學習和數(shù)字孿生技術，實現(xiàn)數(shù)據(jù)庫的多樣性提升和樣本量的增加，有效解決盾構機故障數(shù)據(jù)不足，提升有限樣本集合和信息不完備情況下盾構機故障預測和診斷模型的魯棒性和泛化能力。

（3）發(fā)展基于大數(shù)據(jù)背景下的智能診斷和維修決策技術。在工業(yè)大數(shù)據(jù)環(huán)境中，利用海量實驗數(shù)據(jù)和數(shù)據(jù)共享平臺，挖掘多源信息的相關性和因果關系，揭示人機環(huán)境之間的不可見因素，對施工過程中的不確定性信息進行量化，明確盾構機關鍵設備與零部件之間故障演變過程，準確預測盾構系統(tǒng)性能退化趨勢，提高系統(tǒng)決策能力。

（4）研發(fā)設備的自愈調控和自我免疫。自愈調控技術能提前預測盾構機關鍵設備是否處于“亞健康”狀態(tài)，并通過開展三維可視化仿真技術研究刀具、軸承在不同工況條件下故障演變趨勢，綜合分析效率變化、資金投入、能源消耗等關鍵因素，為運維管理和維修決策提供科學支持，實現(xiàn)在不受外部干擾的情況下恢復系統(tǒng)的功能，最終實現(xiàn)盾構機自主保障、自助修復和自動管理。

5 結論

（1）通過綜述國內外PHM系統(tǒng)的研究進展，揭示了現(xiàn)有盾構機故障診斷理論與方法存在的問題與挑戰(zhàn)。

（2）提出盾構機PHM 綜合系統(tǒng)。通過傳感器網絡收集多源異構信號以全面反映設備狀態(tài)，分析挖掘數(shù)據(jù)隱含信息，建立標準化數(shù)據(jù)存儲系統(tǒng)和數(shù)據(jù)共享平臺，實現(xiàn)了信息資源共享和多源信息融合，為復雜多變的施工條件下實現(xiàn)盾構機故障預測與健康管理提供技術支撐。

（3）進一步研發(fā)設備自體免疫和自愈調控技術。在盾構機運行過程中，實時監(jiān)測盾構機刀具、軸承等關鍵設備所處的健康等級，根據(jù)健康等級采用智能管理和主動控制方法，實現(xiàn)了設備的自我決策和自我維修，確保盾構機正常運行。