1、背景介紹
1）整體介紹
隨著制造商、運營商與最終客戶對復雜裝備高效、可靠、安全運行要求不斷提升，以往計劃維修、事后維修等方式已不能滿足智能化、數字化的生產服務模式變革，對裝備持續的健康監控、精細化分析等需求日益增長。
故障預測與健康管理（PHM）技術利用先進的傳感器技術，獲取系統運行狀態信息，借助智能推理算法，實現對系統狀態分析與監控、診斷與預測評估，為智能化的運營服務、維修管理等提供決策支持。
健康管理云服務系統（C-PHM）是基于PHM技術，融合人工智能、大數據、云計算等技術，打造形成可復制、可推廣的PHM云平臺產品和解決方案，為航空、航天、軌道交通等領域提供運行管理、診斷、預測、評估、決策等應用服務，努力成為用戶提升運營表現和企業營收的支撐平臺，為用戶創造價值。
2、（分類）系統介紹
1）系統組成
主要包括：
● 通用健康管理系統
● 健康管理APP服務
● 機器學習與智能引擎
● 專業健康管理工具
● 健康大數據中心
● 知識模型庫
2）系統特點
3、重點產品
1）產品一
通用健康管理系統
結合典型行業需求，提供面向航天、航空、軌道交通等健康管理通用系統集成，提供行業整體解決方案與產品原型。
產品功能
機載設備
A-PHM機載設備，以固定方式安裝在裝備內部，與裝備測試接口對接，實現數據采集、數據處理、存儲記錄、自主診斷、故障報警，以滿足駕駛員、地面運營團隊實時健康管理需求。
針對運行過程中出現的問題，地面運營團隊可在裝備返回前，提前規劃檢測維修活動，并在裝備停機后將完整數據拷貝至地面的裝備健康管理云服務平臺，供事后詳細分析。
● 總線數據采集：提供1553B/ARINC 429/ARINC 664/CAN/FlexRay/RS422/RS485等多總線數據接口
● 傳感器采集：可集成溫度、振動、轉數等傳感器，滿足發動機、傳動系統等典型薄弱環節損傷檢測
● 數據解析：加載總線協議、解析、計算公式工程值
● 誤碼剔除：剔除因傳感器異常、連接異常產生的誤碼
● 特征值計算：提供均值、峰值、周期、頻率、幅值等計算以及FFT變換等
● 數據存儲：支持數據實時存儲，支持64GB及以上 MSATA固態硬盤與SD磁盤傳輸
● 冗余處理：定期自動刪除硬盤中歷史冗余數據
● 超限檢測：提供異常狀態、性能超限、計時與計次超限檢測功能
● 規則診斷：利用故障規則，實時診斷故障狀態、定位故障部位
● 故障報警：通過聲光報警，向駕駛員提示故障警告
● 數據發送：利用無線通信網絡，將實時數據轉發至地面系統
● 遠程升級：可接收遠程升級文件，進行內嵌解析協議與診斷規則升級
便攜終端
A-PHM便攜終端，可隨身配備給駕駛員、地面維修人員，實現現場數據采集、數據監控、交互式診斷、健康管理，并可通過無線網絡訪問裝備健康管理云服務平臺，獲取遠程支援。
● 總線數據采集：支持1553B/ARINC 429/ARINC 466/CAN/FlexRay/ RS422/
RS385等多種總線
● 離線采集：采集裝備維修中第三方設備檢測數據，供現場診斷與事后分析排故
● 實時監控：實時顯示總數據與異常狀態
● 數據回放：任意回放歷史檢測數據與故障記錄
● 異常報警：對監控與回放中出現超差數據進行報警提醒
● 故障診斷：提供故障樹、故障手冊、故障案例等交互式故障診斷功能，通過捕獲異常狀態，推理定位故障部位
● 可視化維修：提供問答方式的交互式排故指導，讓排故所見即所得
● 健康評估：評估整機、分系統、設備健康狀態，量化健康等級，提醒影響健康薄弱環節
● 維修管理：提供歷史健康查詢、維修記錄管理、維修保障提醒等功能；
● 支援接入：遠程接入上傳故障支援請求、交互故障狀態、預約維修保養
標準化服務產品
依據OSA-CBM+標準PHM體系架構，采用通用化、模塊化的設計思想，提供實時監控與判讀、故障診斷、故障診斷、故障預測、健康評估、決策支持等服務。
實時監控與判讀子系統
提供裝備實時狀態監控與歷史數據回放，采用智能判讀引擎，實時掌握裝備運行狀態，及時獲取異常及超限信息，為裝備診斷、排故、維修提供輸入。
● 全景監控：顯示不同區域，裝備分布、總體健康狀態統計信息
● 位置監控：實時顯示當前裝備地理位置信息
● 路徑跟蹤：跟蹤歷史運行軌跡，輔助任務路徑規劃
● 數據監控：以文字、儀表盤、曲線多種方式展現裝備運行狀態、性能指標
● 數據計算：實時計算峰值、功率、頻譜特性等特征數據
● 數據回放：按型號、時間、對象組合條件回放歷史數據
● 數據比對：提供單裝備自身比對與多裝備數據比對功能
● 異常報警：提供實時數據、歷史數據報警提醒功能
● 狀態判讀：提供狀態判讀功能，識別復雜工況條件；
● 數據判讀：采用數據門限與規則條件，判讀參數在特定工況下異常信息；
● 操作判讀：采用與駕駛操作相關參數進行組合判讀，捕獲異常駕駛行為與不良駕駛習慣；
● 事件判讀：綜合環境信息、狀態信息、參數信息，分析行駛顛簸、冰凍等特殊事件。
故障診斷子系統
采用專家經驗與人工智能等技術，提供案例/規則/故障樹全方位綜合診斷服務，依托平臺專業領域故障模型，提升機械、機電、電子等復雜系統故障診斷能力。
故障診斷
● 多級實時診斷：提供整機、分系統、設備多級故障診斷功能，滿足多級維修保障需求
● 故障樹遍歷：提供系統、分系統、設備多級故障樹推理，通過與狀態、參數、事件綁定，提升故障樹自動檢索能力
● 故障案例診斷：提供文字、圖像、音視頻等故障案例檢索功能，支持故障案例自動生成
● 面向信號診斷：支持時頻域轉換、噪聲提取、主成分分析，滿足發動機、機械、結構等薄弱環節故障檢測
● 故障模型診斷：提供基于定性、有向圖等模型診斷功能，提升故障診斷的準確性與定位深度
● 模糊度分析：針對多個診斷結果，提供模糊度、歷史排故統計等支持功能，將診斷結果進行排故，輔助排故人員優選；
● 電子手冊：提供故障隔離手冊、維修排故手冊、圖解零件目錄等診斷維修電子化資源，供維修排故參考；
● 故障記錄：根據單次排故情況，提供故障記錄表上報功能，將故障現象、排故情況等進行記錄，供后續維修對接與后續診斷參考；
● 故障報告：提供故障報告生成功能，供與排故、維修傳遞；
故障預測子系統
針對裝備主動性、預防性健康管理需求，提供數據驅動、失效物理等多種預測服務，實現短期異常預警、長期性能趨勢預測以及時壽件壽命預警。
● 參數短期預警：針對短期內出現異常數據，采用突變點檢測、峰峰擬合等方式，實現對短期實時數據異常捕獲，預測未來超限情況。
● 故障預測推理：根據多參數預測結果，采用故障規則推理多參數關聯關系，捕獲未來的故障隱患與影響機理。
● 針對結構裂紋損傷、供電系統容量衰降等典型性能退化部件，提取長期數據特征值，擬合性能衰退曲線，預測未來性能趨勢，為具有使用壽命的關鍵部件檢修、更換提供數據支持；
● 針對典型部件，構建失效物理模型，例如等效電路模型、溫度漂移模型、點電荷電場物理模型等，提供失效預測功能。通過影響因子、歷史數據，預估未來性能指標，進而估計未來剩余壽命。
● 針對剎車、油濾、繼電器等具有累計加電時間、行駛里程數、開關次數的設備，通過分析歷史使用頻度、性能退化趨勢，預計未來可繼續使用的剩余壽命，為裝備運營人員開展視情維修提供預警提醒功能。
健康評估子系統
針對影響、表征復雜裝備健康水平的因素，包括系統功能、性能指標、壽命水平以及外部事件（例如，惡劣環境、人為操作因素），提供裝備健康狀態建模功能，利用門限評定、退化評估、層次評判等評估方法模型，實現裝備系統、分系統、設備多級評估功能，為裝備調度使用、檢修維修、安全監管提供數據依據。
評估建模
● 提供系統評估模型創建功能，覆蓋整機、分系統、設備。通過提供系統功能關聯、性能指標關聯、剩余壽命關聯以及特殊事件等定性、定量關聯，實現系統評估模型構建
● 利用裝備實時測試數據、故障診斷數據、預測預警結果，結合歷史維修記錄、評估結果，量化裝備功能、性能、壽命以及特殊事件對裝備歷史、當前及未來健康水平影響，輸出健康指數、劃分健康等級
● 結合裝備健康評估結果，詳細分析影響裝備健康水平的因素，從故障、性能、安全三個方面展現薄弱環節、評估數值、健康等級。針對評估結果不合格項，提出告警提醒
● 單裝健康管理：縱向比對可獲取裝備健康自身健康變化趨勢與短板、分析檢修、維修前后健康恢復情況。橫向比對可分析評價技術狀態相似裝備的健康的共性問題與差異
● 多裝健康管理：比對批次裝備健康狀態，分析多裝備健康分布，挖掘共性健康薄弱環節，為裝備優選排序、整修提供數據支撐。
決策支持子系統
針對駕駛員、機務人員、運行調度人員等不同人員對裝備安全監控、健康管理、維修保障等不同裝備業務需求，對各類數據、流程進行快速、高效整合，通過豐富的展示分析手段提供所需信息，靈活快速地響應裝備運營管理變化，為裝備運營企業搭建一套完善的PHM技術應用輔助決策分析體系。本系統集A-PHM系統多業務中心、分析中心、控制中心、挖掘中心于一體的全方位BI解決方案。同時，隨著裝備健康管理的快速發展，如智能便攜終端、物聯網、云計算等發展，提供了移動裝備健康管理、遠程技術支援和云平臺等更多的交互協同應用。
2）產品二
健康管理微服務系統
基于微服務的健康管理云服務系統，提供服務部署、服務查詢、服務調用、服務監控環境，滿足內部平臺應用與第三方系統服務調用需求與監控。
健康管理微服務子系統架構
健康管理微服務可視化
3）產品三
健康管理APP工具
結合復雜裝備健康管理需求，提供專業化的診斷、預測、評估工具產品族，為健康管理平臺云服務應用提供支撐，包括故障樹工具、評估建模工具等。
圖 1某典型故障樹APP
4）產品四
機器學習與智能引擎
通過數據挖掘、機器學習、深度機器學習算法包，利用可視化圖形建模工具，完成診斷、預測等算法建模，并形成典型案例支撐服務應用，建立健康管理建模工具，提供面向健康管理模型的機器學習在線訓練和學習引擎以及模型驗證測試工具。
5）產品五
復雜裝備大數據中心
為復雜裝備海量數據提供接入、存儲、計算、分析以及可視化的服務，提供了當前主流的分布式計算、存儲和分析框架，以實現高效的數據處理。在集成Hadoop、SAP等典型大數據產品與管理工具基礎上，圍繞典型行業，建立適合于健康管理應用服務的大數據數據模型，提供健康管理的大數據解決方案。配合數據接入子系統，基于定義的PHM數據模型，實現特定行業的數據接口適配，并提供底層數據挖掘服務。
6）產品六
暫無
4、解決方案
1）解決方案一
民用飛機PHM解決方案
需求概述
民用飛機制造業正在從“制造企業”轉向“制造服務業”，逐漸形成了市場和服務價值高于制造的理念。如何提供優質的客戶服務，已成為企業生存發展并在市場競爭中取勝的關鍵。在此轉型背景下，主制造商要致力于更好更快地提供運營監控、快速響應、維修排故、技術支援等服務。
近年來，多起民航事故，暴露了制造商、航空公司對飛機健康狀態監控、安全評估能力不足，如何提高飛機的安全性與經濟性、改善客服服務品質已經成為未來航空業持續發展和向“智能生產”轉變的關鍵。新興的飛機故障預測與健康管理技術（PHM）可望改變傳統的航空維修模式，使維修更具主動性，以提高飛機利用率，為客戶創造價值。
系統組成
大型客機實時監控與健康管理系統由地面運營中心、集成開發平臺、便攜終端三部分組成，為航空公司、制造商、民航管理部門提供機上健康數據采集、地面實時監控、預測分析、健康管理等PHM應用。
系統功能
實時監控：
? 航班與航行動態監控：實時掌握飛機的運行和技術狀態
? 故障與事件監控：實時掌握故障報告、維修信息、超限事件、異常事件等
? 狀態參數監控：實時掌握關鍵的飛行參數
? 勤務信息監控：實時掌握燃油、發動機滑油、APU滑油等預警信息
? 手冊與案例診斷：針對實時下行故障信息，鏈接到交互式電子化技術手冊資源進行排故，包括故障隔離手冊、飛機維修手冊等
? 專家故障診斷：分析監控信息的數據特征，利用豐富的歷史案例經驗，統計出可能的故障原因及排故措施，隨著C919的運營，案例庫將得到極大的豐富
? 智能故障診斷：針對航后數據建立智能分析平臺，對歷史故障信息進行關聯性分析和大數據挖掘
? 趨勢預測：長期分析海量飛行數據，實現對飛機性能衰減規律的趨勢預測
? 故障預警：對預測結果、勤務類信息、飛機健康狀態進行預警；
? 故障預測：及時了解飛機性能衰減的變化規律，預測典型系統及其關鍵部件可能發生故障隱患的時間；
? 壽命預測：評估飛機關鍵時壽件的剩余壽命。
? 健康評估：綜合處理飛機健康狀態的預測和評估信息，管理機隊、單機和部件的健康狀態，實現科學合理的調度；
? 健康管理：對飛機歷史健康狀態信息進行統計分析，形成相關的分析報告，為航材預測、維修計劃修訂等提供數據輸入；
? 決策支持：提供飛行品質分析、安全風險分析、機隊健康分析等，為飛機簽派、安全管控、機務維修決策提供支持。
系統特點
? 實現對飛機液壓、燃油、飛控、起落架、發動機等關鍵設備健康管理
? 支持ARINC429/ARINC664等航空標準數據
? 支持飛機降落后通過地面通信網絡傳輸完整、連續的飛行數據
? 故障診斷可鏈接到交互式電子化技術手冊資源進行排故，支持故障隔離手冊、飛機維修手冊等
? 具備與制造商、航空公司內外部相關系統接口和機務維護管理系統交聯的能力
? 提供集中訪問門戶，向航空公司、制造商提供網絡式信息交互服務
? 為機務工程師、快速響應工程師及航材管理工程師等提供主動技術支持
典型案例
? 國產大飛機實時監控與健康管理系統
? 國產支線飛機實時監控與健康管理系統
? 航空公司引進型飛機實時監控與健康管理系統
2）解決方案二
航天器PHM解決方案
需求概述
高密度發射、民用航天等產業發展與持續可靠性、安全性提升，進一步提高對航天器運管智能化水平、精細化水平的要求。同航空裝備相比，航天器具有工況復雜多變、在軌檢修困難、突發異常易造成系統失效報廢等特點，航天器健康管理對數據分析的智能化水平、精確性、實時性、主動性要求更高。
航天器實時預警與健康管理系統，定位在軌過程，以天地通信網絡為基礎，全面獲取狀態信息、參數信息、異常報警信息，實現實時診斷、數據趨勢預測、健康狀態評估，為地面運管策略提供決策支持，達到提高航天器可靠性、延長在軌壽命的目的。
系統組成
航天器實時預警與健康管理系統系統由星載健康監控設備、地面運營中心、集成開發平臺三部分組成，為航天器運管單位提供地面實時監控、故障診斷、故障預測、健康管理等PHM應用。
系統功能
星載健康監控：
? 星載健康采集：利用1553B總線，實時采集分系統關鍵設備參數
? 自主判讀診斷：實時判讀健康數據，推理故障模式
? 自主健康管理：自主切換工作模式、備份單機，自主恢復健康狀態
? 狀態監控：監控在軌位置、對日對地位置、設備工作模式；
? 數據監控：實現海量數據實時超限監控；
? 數據判讀：實時判讀航天器狀態、數據、故障字等關聯關系，挖掘潛在的異常狀態；
? 綜合狀態分析：結合歷史數據，分析多工況下航天器自身與相似產品異常區別，推理多參數關聯模型，挖掘狀態與數據異常
? 故障樹診斷：利用故障樹模型，實時推理引起異常的故障部位
? 基于模型診斷：利用地面故障模型，實時推理系統異常數據，定位故障部位；
? 趨勢預測：預測母線電壓、蓄電池組放電終壓、動量輪轉數等具有數據退化趨勢；
? 故障預警：預測太陽電池陣、蓄電池、陀螺儀、動量輪等薄弱環節故障狀態與時間范圍；
? 壽命預測：預測供配電系統功率、容量等壽命短板剩余使用時間；
? 健康評估：評估分系統、整星健康狀態，輸出健康指數與健康等級；
? 健康管理：多維度比對衛星健康狀態及長期健康變化趨勢，挖掘系統健康薄弱環節；
? 決策支持：輔助地面運管遙控指令發送，實現遠程檢修、降級使用等策略支持。星座健康評估，決策衛星變軌等機動應用。
3）解決方案三
軌道交通裝備PHM解決方案
需求概述
隨著我國高速鐵路、地鐵等運營總里程和高速列車上線數量的逐年穩步增加，如何確保高鐵、動車組、城市軌道交通等裝備運行的安全性和提高運維過程中經濟性已成為未來重要方向。軌道交通裝備故障預測與健康管理系統通過車載監測系統獲取車輛的狀態數據，并結合地面監測系統驗證評估車輛系統或部件的健康狀態；地面數據中心通過車地通訊系統接收車輛狀態特征數據，并基于大數據分析和故障預測與健康管理（PHM）方法進行故障診斷、趨勢分析、壽命預測，同時進行信息可視化，為用戶提供信息服務和決策支持，最終提高運行安全性和運維經濟性。
系統組成
軌道交通裝備故障預測與健康管理系統系統由星載健康監控設備、地面運營中心、集成開發平臺三部分組成，為航天器運管單位提供地面實時監控、故障診斷、故障預測、健康管理等PHM應用。
系統功能
車載信息采集終端
? 采集通道配置
? 數據采集服務
? 數據實時顯示（振動、轉速等數據）
? 數據存儲回放
? 協議配置管理
? 部件信息管理
? 故障信息提取
? 故障特征頻率計算
? 波形信號特征值提取
? 故障隔離定位分析
? 分析結果顯示
故障診斷與健康管理服務平臺
? 底層采集與數據存儲
? 綜合管理
? 數據分析
? 故障預測與趨勢分析
? 健康評估
4）解決方案四
直升機PHM解決方案
需求概述
傳統的直升機設備測試方式、定期檢測體制，不能保證在第一時間獲知故障預發生概率，嚴重影響了設備的可用性，降低了其使用效率。在直升機復雜應用環境（如山區、海上及沙漠）下，設備關鍵部件壽命會受到環境條件的嚴重影響，其狀態或壽命會嚴重偏離常態下的正常值。同時，現有直升機設備由于受測試信息、測試手段、評估方法等因素的限制，在使用周期內，其過程壽命或剩余壽命難以預估，導致不能根據其壽命情況進行有效準確的修理和維修決策。
系統組成
A-HUMS（先進直升機健康狀態與使用管理系統）由機載系統（含機載采集處理單元及機載顯示單元）、地面站系統以及開發平臺系統組成，為直升機使用/維護/設計單位提供增強的、空地一體化的健康管理工具。
系統功能
A-HUMS機載系統
? 旋翼系統、傳動系統、發動機信號實時獲取
? 自適應數據預處理與特征提取功能
? 飛行狀況實時報警
? 發動機功率檢查
? 操作及使用監控
? 64GB/128GB可選SSD大數據實時存儲
? 230Kbps空地無線鏈路的實時通信
? 1553B/ARINC 429航電總線接入
? 802.11無線WIFI通信
? 支持慣導MEMS/GPS擴展
? 體小質輕的整體設計，4.3英寸800*600高分辨率
? 顯示屏
A-HUMS地面站系統
提供網絡版（B/S版）及單機版（C/S）兩種應用模式，滿足網絡化綜合分析與健康管理的需求以及單機化、便攜式維修診斷與健康監測需求。
? 數據繪制與回放分析
? 基于規則、案例和故障樹的高級專家診斷功能
? 機械振動分析與診斷
? 參數趨勢預測分析
? 發動機功率檢查
? 旋翼椎體與動平衡
? 飛行狀態識別
? 動部件疲勞壽命分析及剩余壽命預測
? 操作使用監測
? 部件級/分系統級/整機級健康評估與管理
? 基于空地無線數據鏈路的機隊遠程實時監控
? （網絡版）
? 基于GIS的機隊航行動態監控（網絡版）
? 機隊綜合健康管理（網絡版）
A-HUMS開發平臺
? 傳感器網絡優化建模工具
? 方法模型集成開發工具
? 仿真運行與調試驗證工具
系統特點
? 空地一體化的直升機健康管理工具
? 豐富多樣的應用入口，支持單機/Web/移動訪問
? 基于載荷實測的旋翼關鍵部件壽命預測
? 多模式多信息源融合的旋翼關鍵部件故障診斷
? 覆蓋旋翼、傳動系統的PHM應用，支持整機模型擴展
典型案例
? 國產無人直升機尾桁狀態監控與診斷
? 國產無人直升機遠程監控與健康管理
? 國產直升機健康與使用管理
5）解決方案五
風洞自主式保障系統解決方案
需求概述
近年來，隨科研任務的增加，風洞試驗任務也日趨繁重。設備長期處于超負荷運行狀態，故障率逐年上升；目前普遍采取的定期維修和事后維修兩種檢修方式，已難以滿足長期安全運行的需要，“試修”矛盾日益明顯。
大型風洞試驗裝備自主式維修保障系統利用健康管理技術，綜合運用多傳感器數據融合、在線監測、特性分析、故障診斷、狀態評估和壽命預測、裝備維修管理等多種技術，及時發現故障隱患并預測故障發展趨勢,實現智能輔助決策，并利用信息化手段構建裝備管理軟件平臺，達到風洞裝備的科學化決策、精細化管理和精確化保障的目的。
系統組成
結合風洞自身特點，風洞自主式維修保障系統由四個層次組成，即狀態采集層、數據層、業務層和表示層。
系統功能
| 狀態監控 |
-
技術狀態監控：采用振動、應變、聲發射、溫度、壓力、流量以及電參量等傳感器，實時采集風洞裝備性能狀態，并進行分析評價；
-
試驗狀態監控：實時接收各個試驗分系統的信息，顯示試驗運行狀態并檢測異常事件；
-
性能預測及維修決策結論：根據多次試驗過程中的綜合信息，判斷各個重點部件、部位的性能變化趨勢，繪制分析曲線。
|
| 故障診斷 |
-
基于專家系統的診斷：支持多種規則的描述方式，實時推理，及時發現故障；
-
基于故障樹的診斷：建立風洞試驗裝備的故障樹模型，快速推理并定位故障部位；
-
基于案例的診斷：通過案例庫的加載與維護，自動匹配特征并生成診斷結論；
|
| 故障預測 |
|
|
| 維修決策 |
|
|
| 裝備管理 |
-
日常管理：對試驗裝備的采購、入庫、使用、維修、計量、報廢、綜合統計等業務流程進行信息化管理，動態監控所有裝備的信息。
-
合同管理：實現裝備的采購、生產加工、備品備件庫存的動態管理；
-
電子檔案及法律法規：以臺賬為基礎、保存了設備整個使用壽命周期內的各類信息，以及現行的規章制度和法規。
|
系統特點
? 實現對風洞裝備中機械類、機電類、結構類和電子類設備的健康管理；
? 層次化結構設計，兼容多種類型傳感器及數據采集設備，擴展能力強；
? 提供多種故障診斷推理機制，能夠全方面滿足各種類型故障的診斷需求；
? 實現對風洞重點部位的性能分析和趨勢預測，輔助開展智能維修決策；
? 支持裝備信息的快速流轉，以信息化促進裝備管理工作的科學化和智能化；
典型案例
? 某型低速風洞自主式維修保障系統；
? 某型跨聲速風洞自主式維修保障系統。
|
