故障预测与健康管理

故障预测与健康管理（精选11篇）

故障预测与健康管理 第1篇

1网络故障预测与健康管理综述

网络的故障预测和健康管理 (PHM) 技术是作为实现网络设备基于状态的维修、自主式保障、感知与响应后勤等新思想、新方案的关键技术, 也是一门新兴综合性交叉学科。故障预测和健康管理有两层含义:意识故障预测, 即预先诊断设备或系统完成各自功能时的状态, 确定设备正常工作的时间长度;另一方面是健康管理, 即根据诊断或预测到的设备信息、可用资源和使用需求对维修活动作出适当决策能力。而网络故障预测与健康管理技术在设计上将传统的基于传感器的诊断转向基于智能系统预测, 为准确而主动的维护网络正常运行提供了技术基础。

在网络的故障预测和健康管理技术中, 使用当前最新科技技术为基点, 结合现下网络健康程度、特征等历史数据, 收集与系统属性有关的各类设备运行参数, 将这些参数和系统健康做关联, 对系统进行检测、分析。对网络系统未来时刻的运行状态进行预测, 便于在故障发生之前, 能够采取有效措施保障网络的正常运行。为更直观地阐述网络故障预测与健康管理的关键技术。本文涉及网络设备的PHM系统, 同时采用模块化设计, 通过四个功能层次, 实现网络设备故障预测与健康管理。

2故障预测与健康管理系统的设计

2.1网络故障预测系统的设计要求

在设计故障预测与健康管理系统时, 系统需要实现以下要求:

(1) 在故障预测与健康管理系统中的诊断环节, 需要以网络管理系统所提供的警报信息为基础, 通过SNMP模块接收设备警告, 将来自网络系统中不同的运行设备放入警报信息转换为标准的、可识别的格式, 存储到警报信息数据库中, 对于故障警报信息将触发故障预测和诊断, 对于数据库中的历史数据进行重新梳理分析。一旦发现故障模式, 就会不断完善故障诊断信息库, 为诊断故障累积“经验”, 便于后期检测出同样故障时及时调出处理。

(2) 在系统中的诊断实施流程就是收集网络运行设备的性能的关键参数, 对于参数预处理后进行合理的健康评估, 再通过故障诊断方法对网络设备故障进行诊断和预测。系统中, 此技术将诊断经验学习、累积和诊断的实施相互结合, 互为补充, 从而提高网络系统故障预测的可靠性和准确性, 降低预测的误差。

2.2关键技术

网络故障预测与健康管理的关键技术从信息的收集、系统数据的处理、故障诊断与预测的技术、健康评估与管理等四个方面入手。详解如下:

2.2.1网络设备运行信息的收集

在故障预测与健康管理系统中, 利用系统的预测模型对收集到的网络设备运行状态信息进行分析和预测。故障预测和健康管理系统主要是将网络运行中的所有设备数据进行采集, 在此过程中, 为了减少通信的数量, 需要选择对网络设备运行转台影响较大的参数量。比如网络设备的运行时间、系统运行时的温度变化、计算机CPU的最大利用率、内存的存储量、通信端口等对设备的运行状态影响较大的数据。以上几组变量可以反映设备的健康状态, 因此在设计时, 选用其作为预测模型的参数量。

在设计之时, 经过团队研究, 提出五点研究假设:

(1) 网络设备的运行时间越趋近于或者超过发生故障的周期, 系统认为发生故障的可能性就越大。

(2) 网络系统的运行温度越高, 被认为发生故障的可能性就越高。

(3) 计算机CPU子运行时的利用率越高, 被认为发生故障的机率就越大。

(4) 在计算机运算时的内存存储量越大, 认为发生故障的可能性越大。

(5) 通信端口的丢包率、误码率越高, 认为发生故障的可能性越大。

提出五点假设后, 系统的主要研究过程就围绕以上五点操作。同时在系统运行过程中, 设备信息的收集时间间隔也比较重要。当收集的周期较短时, 可以迅速发现设备的异常, 更有利于维护网络的正常运行。但同时也存在缺陷, 即在频繁的信息收集所占用设备和系统的有效资源, 加重了系统运行的负担。当收集数据的周期较长时, 数据量会比较少, 对系统的负担小, 但是不能及时发现并解决故障问题, 对于网络系统中的突发状况不能及时作出响应。所以在实验系统的设计中, 将系统数据收集的间隔时间设置为5-6分钟。

2.2.2系统数据的处理

系统在进行运行数据的收集时有可能会出现差错, 这时就需要对差错数据进行过滤处理。首先需要去除超出系统取值范围的数据变化量, 然后结合数据关联分析的结果, 再去除不合理的运行数据, 如流入设备的网络计算流量和流出的网络计算流量要保持基本的平衡, 如果某一方流量特别大, 可能就是数据出现误差。同时, 系统还要对所收集到的数据进行同化处理, 比如在网络系统中的通信端口, 一般会将此环节流量转化为实际带宽占用比、端口误码率、丢包率等参数, 而内存的存储会转化为占用率等, 这样处理可以便于系统自动分析。最后再通过将所有收集的数据进行融合, 对不同途径收集的数据进行融合分析, 如通过对SNMP收集的数据与监控数据、系统日志等融合, 保证系统数据库内数据的质量, 去除错误的, 弥补系统不足之处。

2.2.3故障诊断与预测

系统中的故障诊断与预测是通过对网络设备在日常运行的状态、近期的健康运转程度、当前所收集到的参数量等, 通过对以上数据进行诊断和预测的计算出结果, 以此判断出网络系统在运行时是否存在故障现象或可能出现的问题。在诊断预测技术中采用了网络神经波动、灰色模型、向量机等机器的计算方法。其中网络神经波动的计算方式是风险最小的, 其需要足够大的样本数据, 在模型的推广能力上较差。而向量化是保证模型最大计算能力, 较好地解决了小样本、网络非线性和维数等实际操作问题, 但存在一定的限制, 比如在故障诊断时, 不能确定信息从而影响处理的效果。所以为保障故障预测技术的正常工作, 本次设计的系统采用的是累积和控制算法 (CUSUM) , 此计算方式是通过对检测到的统计平均值的变化, 从而判断出结果。累积和控制算法常被运用到工业声场的监控中, 因为此算法具有计算量小、检测迅速、操作简单等优点, 不需要故障的样本就可以进行诊断。

在基于累积和控制算法的诊断技术中, 当序列值超过定阈值时, 网络系统发生异常, 检测系统便会发出警报。而决定累积和控制算法的参数是信念值和门限值。门限值的取值和序列特征的取值上限有关, 系统应该在序列值达到上限之前就会发出警报, 或者在允许的上限运行时间内报警, 其也可以通过上限计算得到, 并保证正常的运行。在运行过程中, 上限值需要根据设备的状态及时进行调整, 当发生错误的报警时, 可以适当调节其值的变化, 以消除错误警报, 还能通过调整值变改变系统的敏感度。

在使用累积和控制算法的过程中, 还需要考虑到其特殊性, 因为在进行系统异常检测的过程中容易产生累积和效应问题, 系统从异常恢复到正常水平时, 常会因为累积数据值的高度出现误报。解决这种问题的有效方法是将不再增加超过门限值的累积数据, 等待恢复后降低其累积值, 以消除误报。

2.2.4健康评估和管理

设计的系统中健康管理板块是根据检测算法的结果进行判断网络的运行状态, 对于运行不佳的设备将安排专业技术人员进行检查。在故障期间, 系统将采取调整网络的基本配置、利用备份的设备, 重新构建新的网络运转系统, 以此保障网络的联通性, 避免瘫痪。同时, 系统通过对监控信息和系统日志记录的信息进行分析和判断, 健康评估检测版块, 对新故障及历史误报、漏报的样本进行重新梳理、判断, 以此修正和建立完善的诊断计算环节。

在设计完善后, 对所设计的网络故障预测与健康管理系统进行检验, 发现当网络系统中出现CPU使用率较高或者温度上升等情况时, CPU的使用率并没有达到警报的标准, 但是温度值却发生异常。所以实验结果是温度值的变化会造成系统异常, 温度变化可以作为检测网络异常的重要依据。

3结束语

在网络系统的故障预测和健康管理设计中, 首先要明确所诊断和预测的标准, 以及系统所实现的目标, 再据此制定合理的监管系统。

摘要：近几年, 随着科技的迅速发展, 人们不管在生活还是生产上都离不开网络。网络涉及到工业生产、国防、教育、生活等方面。所以网络的管理尤为重要。为保证网络的正常运行, 需要为其设置故障防御及管理系统。本文以网络故障预测与健康管理的系统设计为例, 详细阐述在设置时的关键技术。

关键词：网络故障,预测,健康管理,关键技术

参考文献

[1]彭宇, 刘大同, 彭喜元.故障预测与健康管理技术综述[J].电子测量与仪器学报, 2010 (01) :1-9.

[2]李瑞莹, 康锐.基于神经网络的故障率预测方法[J].航空学报, 2008 (02) :357-363.

[3]许丽佳, 王厚军, 龙兵.基于贝叶斯网络的复杂系统故障预测[J].系统工程与电子技术, 2008 (04) :780-784.

故障预测与健康管理 第2篇

无人机故障预测及健康管理系统结构设计

PHM是新一代武器系统故障检测、隔离和预测及状态管理技术.文章阐述了无人机故障预测及健康管理系统的概念和功能结构,根据无人机系统故障特点建立了系统设备拓扑结构,在此基础上构建了无人机PHM系统逻辑体系结构.

作 者：彭乐林 罗华 马飒飒 PENG Le-lin LUG Hua MA Sa-sa 作者单位：解放军炮兵学院,安徽,合肥,230031刊 名：桂林航天工业高等专科学校学报英文刊名：JOURNAL OF GUILIN COLLEGE OF AEROSPACE TECHNOLOGY年，卷(期)：14(1)分类号：V279关键词：无人机 故障预测及健康管理 体系结构

故障预测与健康管理 第3篇

关键词：KPCA;EDA;Fisher准则;EMD;信息识别;

中图分类号：TP                 文献标识码：A

Electronic System Based on EDA Algorithm improve the KPCA Condition Monitoring

and Fault Prediction Research

Kong Fan-sheng ， Wang Zhu-lin

（Ordnance Engineering College， Shi Jiazhuang ， Hebei， 050003）

Abstract： Condition monitoring based on electronic system as the research background， the traditional Kernel Principal Component Analysis （Kernel Principal Component Analysis， KPCA） do in the process of condition monitoring data feature dimension reduction process， makes the circuit state data at the same time of eliminating redundant information， as well as the corresponding calculation model algorithm greatly reduces computation steps， but KPCA method of dimension reduction data processing for the contribution rate of the data sample inadequacies in the ability to recognize， though achieved the purpose of dimension reduction， but information on the characteristics of the sample data retention capability shortcomings.This article USES the method of Empirical Mode Decomposition （Empirical Mode Decomposition， the EMD） was carried out on the output signal as sample data collection and processing， design based on Fisher criterion of state information recognition ability analysis， the Estimation of Distribution Algorithms （population algorithm， referred to as EDA） to improve the KPCA analysis research， through the data processing， maximum retention state master information， make the circuit system decrease experimental error in the process of condition monitoring， fault prediction to lay the foundation for the follow-up.

Key word： KPCA; EDA; Fisher criterion; EMD;Information identification;

1 摘要

某型测角仪是装备训练的重要控制设备，主要对装备飞行过程中通过对误差信息的接收处理，及时输出调整信号到主控机，主控机输出控制指令，从而达到提高装备命中精度的功能。

基于对某型测角仪的状态监测与故障预测研究过程，选取一定的模型算法对设备的电子信号处理模块进行分析研究，通过对采集的数据进行提取降维等一系列算法处理，从而达到信息特征状态的提取分析，为下一步电子信号模块的状态监测与故障预测研究打下基础[1]。

2 研究内容

本文主要是针对某型测角仪TV4信号处理模块的状态监测与故障预测研究，采用HSMM为状态监测模型基础，通过EMD（经验模态分解）信号特征提取作为数据特征提取方法，应用KPCA做为数据特征降维处理，根据KPCA具有的局限性，采用EDA算法基于fisher准则进行改进处理，使得采用KPCA降维的同时最大限度保证数据主信息的完整性。

3 实验理论

3.1 KPCA分析法

故障预测与健康管理 第4篇

关键词：故障预测与健康管理,故障诊断,基于状态维修

在信息化技术的推动下,各种大型复杂系统的性能不断提高,电子设备不断向综合化、智能化发展。其中,电子器件成本已占到大型系统总成本30%以上,而电子系统的故障占到系统总故障40%以上,使用与保障费用已占到总费用70%以上。这些数据表明,系统的经济承受性已成为一个不可回避的问题,传统的事后维修和定期维护方式耗费资源且效率低,已不能满足复杂系统日益增长的维修保障需求,因此,对电子系统的故障诊断、预测以及维修保障方法急待改进[1]。

而故障预测与健康管理(PHM)正是基于上述需求提出的方法,它的目的不是消除故障,而是了解和预测故障何时发生[2]。它通过采用不同的故障预测方法,提前预知故障的发生时机,而不必等到故障真正发生之后再做出反应,最大限度减少维护次数,延长维护周期,通过及时维修保持系统可用性;降低检查成本、缩短停用时间,减少备件库存,降低设备的生命周期成本。

目前,故障预测与健康管理领域研究受到越来越多的关注,已成为国内外科学研究热点,是提高电子系统故障预测能力,完善健康管理的重要研究方向。

1 故障预测与健康管理的形成与发展

故障预测与健康管理的起源可追溯到20世纪50年代,由于部分电子系统极端恶劣工作环境和使用条件,促使最初的可靠性理论、环境试验和系统试验以及质量方法的诞生。20世纪70年代,随着系统复杂性增加,由于设计不充分、制造误差、维修差错和非计划事件等各种原因导致故障的机率不断增加,由此产生了新的诊断故障源和故障原因方法用于监视系统状态,预防异常事件。20世纪80年代后期提出的全面质量管理是一种基于过程的可靠性改进方法,用于检测和测试系统的设计缺陷。20世纪90年代初期,NASA研究机构提出了“飞行器健康监控(VHM)”概念,通过适当选择和使用传感器和软件来监测空间飞行目标的“健康”。

20世纪90年代末,美国研发的JSF项目为故障预测与健康管理技术诞生带来了契机,故障预测与健康管理是JSF项目实现经济承受性、保障性和生存性目标的一个关键所在[3]。进入21世纪以来,在需求牵引和技术推动下,故障预测和健康管理以前所未有的势头得到了迅速的发展,在机械、电子、航空航天、船舶、汽车、石化、电力等多个行业领域得到了广泛的应用。在美国由波音公司牵头,来自工业部门、科研院所等10多个组织机构制定了视情维修的开放体系结构(open system architecture for condition-based maintenance,OSA-CBM)。确定了各类故障预测和健康管理系统共同的设计思想以及应用技术和方法,用于指导实际工作应用于机械和电子等领域。国外对相关预测技术和方法进行了大量的研究,同时也进行了大量的工程实践。其中,电子产品PHM研究领域的权威机构是美国马里兰大学CALCE电子产品和系统中心,其水平处于世界领先地位[4]。2002年11月,美国推出了“增强型基于状态维护(CBM+)”战略性保障策略,旨在将传统的计划外修复性维修,转变为可预测的预防性维修,从而根据实际需要安排维修工作。2005年,美国针对11项CBM计划开展了调查指出:“电子系统预测”是当前最必要的维修特性或应用之一,应当不计成本地实施[5]。

故障预测与健康管理是在传统的状态监控和故障诊断技术基础上发展起来的,其演变过程是人们认识和利用自然规律过程的一个典范,是随着系统和设备性能复杂性增加以及信息技术的发展而发展的。故障预测与健康管理技术的发展经历了从外部测试、机内测试、综合诊断到预测与健康管理系统的形成等演变过程;从对故障和异常事件的被动反应,到主动预防,再到预测和综合规划管理。在应用产品层次上,从过去的部件和分系统发展到现在的系统集成级,并最终形成完善的故障诊断、预测与健康管理体系。

2 故障预测与健康管理的原理及分析

2.1 基本概念和原理

故障预测与健康管理的主导思想是利用各种先进的传感器采集系统状态数据,并采用各种算法进行特征提取,预先诊断部件或系统完成功能的状态,获取系统的健康状态特征,评估电子系统与预期正常状态相比的偏离或降级程度,同时根据系统以前、现在运行情况,预测未来健康状态进程,从而实现对系统健康状态的监控、预测和管理。

电子系统的健康状态是指其各子系统及部件的整体状态,是其子系统及部件在执行其规定功能时所表现出的能力。健康状态可以划分为正常、错误、异常、故障、性能下降、功能失效等几种状态。随着电子系统投入运行时间的增加,在使用过程中,辐射和各种应力的作用会造成电子元器件退化、失效,电缆也会逐渐老化,这些都要经历一个从量变到质变的过程,其健康状态表现为从正常到性能下降直至功能失效,这个进程为系统健康退化进程。例如,某一系统由某单一故障模式引起的故障,系统的健康采用健康指数度量,工作正常健康指数为1,其健康指数退化进程如图1所示。一般系统的健康退化都是由多种故障模式引起的,其健康退化进程曲线分别对应不同的曲线。

正是由于存在着电子系统健康退化进程,因此开展健康管理是非常必要的。健康管理是指与其健康状态直接相关的管理活动,既要了解系统状态,同时在出现功能失灵时能将其恢复到正常状态,在系统故障时将安全风险和对任务的影响降到最小。系统健康状态评估过程就是健康预警的过程。当监测数据超过健康警戒线时,会发出健康预警。当监测数据在警戒线以外且在极限环境下超出容限时,则表明设备已处于亚健康状态,应安排维修,排除隐患,避免事故的发生。健康警戒值是基于设备功能性能指标和安全要求进行计算,通过适当的试验验证确定,并根据使用中反馈的数据加以修正。

故障预测与健康管理正是在传统机内测试和状态监控能力基础上进一步发展。这种发展的核心要素是从状态监控向健康管理的转变,是从被动反应在确定时间对准确部件进行准确维修的主动式活动的转变[6],这种转变引入了故障预测技术,借助于故障预测完成故障识别、维修规划和供应保障。主要目的是降低使用与保障费用、提高系统安全性和任务成功性,实现基于状态维修和自主式保障。

基于状态维修不同于事后维修和周期维修,是面向设备实际工作状态和发展趋势的。它的基本思想是根据对设备当前和将来状态的正确可靠预测来安排维修活动。因此,设备当前状态描述,以及对下一时段状态和故障预测是实现维修的根本,这也正是故障预测技术要着力解决的问题,同时也是健康管理的难点所在。故障预测技术使得设备维护人员可以预知故障的发生,从而采取一系列维修或预防措施,而不必等到故障真正发生之后再做出反应[7]。

2.2 工作内容和实施流程

故障预测与健康管理要监测和评估整个电子系统的健康状况,必须具有测试能力、数据采集能力、信息融合能力、检测故障或失效状态的能力、预测即将发生故障的能力和预估剩余寿命的能力。各部件、子系统的状态信息通过各种通信网络集中到健康管理系统,通过与知识库、数据库相关数据进行对比和分析,检测和预报故障的部件或子系统,隔离故障,并给出测试报告和维修决策。

为确保系统具有上述功能,故障预测与健康管理系统组成中就要包含实现相应功能的模块。系统主要由数据预处理程序、分析和推理程序、标准知识库、系统健康数据库、诊断与预测程序、故障预测与故障报告程序组成[8]。各部分的主要内容如下所述。

(1)数据预处理程序负责对来自各子系统的实时监测数据作预处理,包括取样、滤波、综合、重组和分类。

(2)分析和推理程序是为了获得最优结果,根据不同对象的损伤机理和数据分析要求,设立的不同策略的推理方法。主要分析与推理方法有基于规则和案例的方法、基于故障树的方法、基于神经网络的方法和基于相关性统计分析的方法。

(3)标准知识库内存放的是系统健康监测和诊断所需的工程技术资料,包括正常、异常数据、容限、曲线、参数、警戒线、原因、危害、相关因素、判据、案例、处理预案等内容,主要用来支撑推理和分析,可根据监测数据对系统当前健康状况做出正确的认定。

(4)健康数据库存放所有与系统使用、维护、维修有关的技术数据和历史记录,全面反映系统的累计使用情况、历次维修情况、当前健康状况、损伤残留、待查隐患、任务能力评估以及预定的维修安排等内容,以用来支撑推理和分析,以根据监测数据对系统、子系统和部件当前健康状况的变化做出正确的认定。

(5)诊断与预测程序将分析和推理的各路输出结果进行综合,对系统健康状况做出最后的诊断和预测。

(6)故障预测与故障报告程序将诊断和预测结果按要求生成报告,提供给使用者,实现自主保障。

故障预测和健康管理的实施流程主要由数据收集、故障检测、故障诊断、确定故障影响和预测健康状态发展进程等5个阶段组成。数据收集是通过数据总线或相关监测信号获取系统状态数据。故障检测是采用不同策略分析系统是否存在不正常状态,检测故障征兆。故障诊断是对故障的根本原因进行诊断,包括故障隔离和故障认定,故障隔离是确定系统发生故障的位置,故障认定是确定故障发生的主要原因和故障模式。确定故障影响是分析故障对系统导致的不良后果。预测健康状态发展进程是确定系统失效将发生的时间及系统、子系统或组件的剩余使用寿命。其中,制约故障诊断结果有2个主要条件,一是支持决策的传感器数据信息是否足够做出明确判断;二是这些数据是否适合用于确定系统的健康状态。系统故障预测和健康管理实施流程如图2所示。

2.3 典型故障预测与健康管理技术

电子系统故障预测是实现健康管理的一个非常重要的环节,故障预测方法的选择直接影响了预测结果,是健康管理的工作重点和难点,需要根据实际情况选择不同的方法予以实现。根据当前的研究进展,故障预测方法的分类尚不统一,主要有基于参数、基于趋势、基于数据驱动和基于模型等分类方法,其内容随着研究和工程应用也在不断完善。以下对典型的基于传感器系统的故障预测与健康管理技术进行详述。

基于传感器系统的故障预测与健康管理技术通过使用传感器进行状态监测,获取产品生命周期的所有阶段的运行状态信息和性能参数变化,包括环境和系统各部件的运行参数,如幅度、变化、峰值水平以及变化速率等,通过设计更先进的数据分析技术,结合标准或经验值进行诊断,给出电子系统故障预测信息和健康状况信息[9]。

传感器系统通常由传感器、A/D转换器、存贮器、内嵌式处理功能模块、数据传输以及电源组成。传感器系统的选择要综合考虑以下5个因素。

(1)在分析应用时考虑传感器系统的性能需求。主要包括:准确性、灵敏度、精确度、分辨率、测量范围、响应时间和稳定时间等。准确性指测量值与所测参数真实值之间的相符度。灵敏度是输出差异与特定输入差异之间的比较结果。精确度以确保被测物理量能够可靠地进行测量。分辨率确保可测量的输出变化。响应时间是对特定输入做出反应的时间,稳定时间是指针对某一稳定输入达到稳定输出的时间。这些属性直接影响测量结果,易导致故障预测认定偏差[10]。

(2)传感器系统的物理属性包括尺寸、质量、形状、封装以及安装到应用环境的方法。在应用中,传感器的尺寸可能是最重要的选择标准,这是因为连接传感器的可用空间有限,或是由于传感器位置不可接近。此外,传感器的质量在一些应用中也必须考虑到,例如某些存在移动位移或使用加速计的震动测量应用中,有可能会因为质量的增加而改变系统响应,因此,应用时首先应确定环境可承受的尺寸和质量,然后考虑传感器系统的整体尺寸和质量。某些应用中还必须考虑传感器的形状,如圆形、矩形或扁平形状。某些应用根据需要感应的参数,还对传感器的封装材料有要求,如金属或塑料材质。另外,还应该考虑连接或安装传感器的方法,如何固定更有助于节省空间和提高性能。

(3)考虑传感器系统的电力和功能属性。主要包括功率和功率管理能力、内存和内存管理能力、可编程采样速度和模式、数据传输速率、距离和安全性以及数据处理能力。例如,对于无线和移动系统来说,功耗管理尤为重要,可确定系统在不连接电源情况下可工作多长时间。内存可用于存储收集数据和其他附属信息,内存管理支持用户配置、分配、监控和优化内存使用。高速采样速率和数据传输速率可减少系统反应时间,使用户能尽快得到数据,做出故障诊断和维修决策。

(4)传感器系统还应具备可靠性。通过传感器自诊断、自校验和传感器融合这些方法来评估传感器系统完整性,对其进行适当的调节或修正。另一个提高传感器系统可靠性的策略是使用冗余设计,多台传感器来监控同一个系统,降低由于传感器系统故障所导致的数据丢失风险。虽然传感器系统的可靠性很重要,但传感器系统对其将要监控的产品可靠性所产生的影响同样重要,一定质量的传感器系统附加到产品表面一段时间后,会降低测试系统的可靠性,此外,如果附加材料与产品材料性质冲突,例如,焊接、粘贴或螺栓等方式,这种附加方法也会降低产品的可靠性。

(5)选择适当的传感器系统还必须考虑成本和可用性。成本评估包括传感器系统的采购、维护以及更换。例如,某系统购买15个月后,发现其传感器仅平均工作了12个月,且每年都需要更换一次,暂不说采购成本多少,仅维修和更换成本的无谓增加,也是得不偿失的。可用性主要考虑是否成熟,是否已发展至批产阶段及来源是否稳定。

采用传感器系统用于故障预测过程中,需要对以上5个因素进行优先级别划分,进行必要的权衡和取舍,从而为特定应用选择最佳的传感器系统。

3 需注意的问题

故障预测与健康管理是一门涉及传感器技术、数据采集技术、数据处理技术、故障诊断技术、健康状态评估、寿命预测及建模等多专业学科,其方法和技术正不断进步,虽然该技术的很多领域已经取得了一定成绩,但远远未成熟,仍有一些方法和技术上的问题需要解决。由于电子系统自身的特殊性,各种失效因素的组合对不同电子器件的影响要复杂得多,健康管理的每个生命周期阶段也会面临不同的挑战,因此,在技术发展中要充分利用现有资源,重点关注以下几个方面,一是选择可行的预测方法、二是重点选择表征系统健康状况的监控参数,三是要考虑电子器件质量差异,以及要合理应用数据融合技术,开发出全面、完善的健康管理系统,提高健康管理的有效性。

(1)选择可行的预测方法

用于预测的方法种类较多,但对于不同电子产品和故障模式而言,预测方法也不尽相同,要根据实际设备情况,选择可行的预测方法,预测方法是影响健康管理系统实用性或效率的主要因素。例如,数据驱动方法基于机械学习技术和统计模式识别,采用监督性学习方法,而学习所用的训练数据需要进行适当的预处理,方法中又引入了优化和搜索机制,直接影响计算的复杂性[11]。基于性能参数的预测方法适用于主要性能指标具有连续变化范围的电子设备,例如一些模拟电子设备。基于工作状态的预测可用于部分器件的健康评估和故障预测。例如,电子系统中常用的VLSI电路,当器件老化或器件局部电路受损时,其静态电流将明显增大,出现这种情况后,器件很快就会因工作时发热过度而损坏。因此可以用VLSI电路静态电流的变化预测器件和设备的故障。对于像电池、连接器、继电器、指示灯等器件,采用基于寿命的预测方法,在其产品指标中有明确的寿命限制或动作次数限制,对这些电子器件,可将其使用寿命参数与设计中的降额系数、使用中的环境参数引入的损耗结合起来建立预测模型,在器件使用到寿命后期时及时做出故障预报。

(2)重点选择表征系统健康状况的监控参数

要对一个复杂系统对象进行健康管理,首先要确定可以直接表征其健康状态的参数指标,或可通过间接推理判断系统健康状态所需要的参数信息。这些信息是健康管理的数据基础,建议重点选择与以下功能关联密切的参数,这此功能包括:对安全性至关重要的功能、很可能预示灾难性故障的功能、对于完成任务至关重要的功能和会造成长时间停机的功能。此外,也可根据过去对重要参数的了解、类似产品的现场故障数据来选择参数。

由于电子系统故障原因的多样性,系统中往往需要对多种参数进行监测,如振动、冲击、温度、湿度等环境参数和电压、功率、热散失等工作应力参数。如果每种参数都用一种传感器,那么传感器的数量将非常庞大,这在工程实践中是不现实的。因此,健康管理对传感器体积的小型化和功能的多样化提出了更高的要求。另外,对于还有一些参数如静电损伤等并不常见,需要研发可探测这些参数的新型传感器。

(3)要考虑电子器件存在的质量差异

经过几十年的发展,电子元器件的质量已经有了很大的提高。但由于电子元器件的质量不易评估,很难保证电子系统中所有电子元器件的使用寿命的一致性。同一厂家生产的同一类型芯片的使用寿命难以保证全部相同,不同厂家因技术水平不同,即使生产同一类型芯片,其使用寿命也会有所区别。电子元器件的质量影响着电子系统的质量,因此,在电子系统健康系统中要考虑电子元器件质量的差异,以提高故障预测的精度。

(4)合理应用数据融合技术

融合是对不同渠道的来源信息进行综合处理,从而得到更为准确、可靠的结论。从健康管理的角度看,系统进行信息融合的目的是为了提高检测精度和系统可靠性,提高异常检测、故障诊断和预测技术的整体效能,最终目标是将测量系统和融合算法与相应的健康管理体系结构进行组合优化,提高检测、预测的置信水平。融合的应用主要有3个方面:数据融合、特征融合和信息融合。要在适当阶段合理应用不同的融合方法,通过确认传感器信号的合理性并抽取特征,对特征进行智能综合,获得可信诊断信息,最后综合经验信息和测量信息,提高电子系统预测精度。

4 结束语

电子系统故障预测和健康管理是压缩维修保障费用的重要手段,通过减少备件、保障设备、维修人力等保障资源需求,降低维修保障费用;通过减少维修,特别是计划外维修次数,缩短维修时间,提高系统完好率;通过健康感知,减少工作过程中故障引起的风险,提高任务成功率[12]。故障预测与健康管理可以满足人们监控电子系统持续健康状态、预测剩余寿命、降级使用水平以及任务成功可能性的要求,满足后勤保障管理日益增长的需求。

故障预测与健康管理是测试性技术发展的最高阶段,但离不开测试性技术的支持,是建立在状态感知、信息融合基础上。建议扎扎实实做好测试性设计相关技术理论和技术研究工作,将测试性设计技术与健康管理相结合,使系统获取更多的故障和预测信息[13]。

故障预测与健康管理 第5篇

发布单位：湖南省人民政府发布时间：1994-6-

21（１９９４年６月２１日湖南省人民政府发布根据１９９８年５月４日湖南省人民政府令117号《关于修改〈湖南省公路养路费征收管理办法〉的决定》修正根据２００２年３月７日发布的《湖南省人民政府关于修改２００１年底以前发布的部分规章的决定》进行第二次修正）

第一章 总则

第一条 为了加强公路养路费的征收管理，根据国家有关公路养路费征收管理规定，结合我省实际情况，制定本办法。

第二条 公路养路费（以下简称养路费），是国家征收用于公路养护、维修、技术改造、设施改善、公路管理的专项事业费。

第三条 凡我省境内有机动车辆（以下简称车辆）的单位和个人，必须按照本办法的规定，向交通部门缴纳养路费。

第四条 县级以上人民政府交通行政管理部门按照管理权限，负责本辖区内的养路费征收管理工作，养路费征收具体工作由交通规费征收稽查机构（以下简称征稽机构）负责。

公安交通管理机关应当支持和配合交通部门做好养路费征收工作。

第五条 车辆上路行驶必须具有征稽机构核发的交通规费专用标志，携带养路费有效缴（免）讫凭证，并接受征稽机构的检查。车属单位和个人不得拒绝或者阻挠。

第二章 征稽机构

第六条 县（市、区）以上征稽机构对养路费征收管理的主要职责是：

（一）宣传和执行国家与本省养路费征收的法规、政策，依法征收养路费；

（二）负责养路费费源、专用标志、票证、车辆台帐和收入、存储、上解的管理以及报停车辆的凭证保管；

（三）依法对行驶的车辆或者对车属单位、个人以及停车场、车站、作业区等场所内的车辆养路费缴纳情况进行抽查；

（四）对违反本办法规定的单位和个人依法进行处理；

（五）掌握车辆新增、转籍、过户、报废等异动情况，对养路费票证及其缴费情况进行核验。

第七条 经省人民政府批准，交通行政管理部门可以在必要的公路路口、桥头、隧道口、渡口设立公路征费稽查站。

第八条 征稽人员执行职务应当着装整齐，佩戴《中国公路征费》胸章，持指挥牌（灯）和省人民政府统一印制的行政执法证件。

公路征费稽查专用车辆，应当装有白底蓝字的“中国公路征费”标牌、公路路徽标志和标志灯饰。

第三章 养路费的征收和免征、减征范围

第九条 除本办法另有规定外，下列单位和个人的车辆应当缴纳养路费：

（一）党政机关、人民团体、企业事业单位、个体工商户、城乡居民的车辆；

（二）军队、武警、公安系统参加地方营运、承包地方民用工程或者提供有偿服务以及包租给

地方单位和个人的车辆；

（三）国外境外组织及其驻湘办事机构的车辆；

（四）外国公民使用的车辆；

（五）临时入境的各种外籍车辆；

（六）按规定其他应当缴纳养路费的车辆。

前款所指车辆包括：领有牌证（含临时、试车）的各种类型客货汽车、拖带平板车、挂车、专用车、特种车、牵引车、胶轮工程机械车、轮式拖拉机和摩托车等。

前款所指企业包括：军队、武警、公安系统内企业；外商独资企业、中外合资企业、中外合作企业；香港、澳门、台湾同胞在湘举办的独资、合资、合作企业。

第十条 下列单位车辆暂定免征养路费：

（一）县、市（区）以上党政机关、人民团体和学校，按国家正式定编标准配备，由国家财政预算内经费直接开支的，５人座以下（含５人座，下同）自用的小客车；

（二）外国领事馆自用的车辆；

（三）只在由城市建设部门修建和养护管理的市区道路固定线路上行驶的公共汽车、电车（不包括任何出租车）；

（四）经省交通部门核定，设有固定装置的城市环境卫生部门的清洁车、粪便车、洒水车，医疗卫生部门的救护车、采血车、防疫车；环境保护部门的环境监测车；公安、检察、法院、司法行政部门的警车、囚车、消防车；防汛部门的防汛指挥车；铁路、交通、邮电部门的战备专用微波通讯车；民政部门的殡葬车和省、地、州、市农机部门的农机监理车；

（五）国家财政预算内国防费开支的军事装备车辆；

（六）公路、城市道路和林区道路养护管理部门的养路专用车辆；

（七）完全从事农田作业的拖拉机；

（八）矿山内行驶的采矿自卸车、油田设有固定装置的专用生产车、林场的集材车；

（九）民政部门的荣军院、敬老院、福利院、麻风病院、精神病院、盲聋哑学校定编配备的专用车辆；

（十）经省人民政府确定免征养路费的其他车辆。

第十一条 下列单位车辆暂定减征养路费：

（一）县、市（区）以上党政机关、人民团体和学校按国家正式定编标准配备，并由国家预算内经费直接开支的生活自用货车和超过５人座的客车减半征收；

（二）老干部休养所和军队离退休干部休养所的生活自用车减半征收；

（三）计划生育部门的计划生育专用车减半征收；

（四）本办法第十条 第（三）项规定的城市公共汽车、电车跨行公路１０公里以下的，减征２／３；１０公里以上２０公里以下的减半征收；２０公里以上的，按全额征收；

（五）厂矿、林场、农场、牧场、油田等单位有自建自养专用公路（不包括生产作业道路），其车辆跨行公路的，按专用公路单线里程２０公里以上３０公里以下的，减征２０％；３０公里以上的，每增加１０公里再减征１０％，但最高不超过６０％；２０公里以下的，按全额征收；

（六）林业部门的车辆，除生活车、交通车全额征收外，其他车辆按总吨位减征６０％。

（七）经省人民政府确定减征的其他车辆。

第十二条 凡符合本办法第十条、十一条 规定，属于免征或者减征范围的车属单位，应当向车籍所在地征稽机构提出免征或者减征养路费的申请，经省交通部门批准，并办理有关手续后，方可免征或者减征养路费。

经批准免征或者减征养路费的车辆，改变使用性质、超出使用范围或者变更使用单位的，应当从改变之日起全额缴纳养路费。

第四章 养路费的征收方式与标准

第十三条 养路费征收分为按费率计征和按费额计征两种。

具有健全的运输计划、行车记录、统计资料和财务管理制度，能准确反映营运收入总额，并实行独立经济核算的专业公路运输企业所有的营运车辆，按营运收入总额和规定的费率计征养路费。

除前款规定按费率计征养路费的车辆以外，其余车辆均按核定载重吨位和规定的费额计征养路费。

对专业公路运输企业非营运车辆以及企业实行承包、租赁等形式后，难以掌握营运收入的营运车辆，按费额计征。

按费率计征养路费的，其实征额低于按费额计征养路费７５％的，应当按费额计征的７５％计征或者改按费额计征。

第十四条 养路费征收标准，由省交通部门根据国家规定的征收额度和本省公路技术发展状况以及应征车辆数量等提出意见，经省物价、财政部门审核，报省人民政府批准后执行。第十五条 按费额计征的车辆，其征费吨位核定方法如下：

（一）载货汽车按车辆底盘标记的载重吨位核定；无载重吨位标记的，按实际载重吨位核定；

（二）客车比照同类型货车底盘标记载重吨位核定；无载重吨位标记的，按每１０人座折合１吨位核定；

（三）客货两用汽车，按载货吨位与载客座位折合吨位合并核定；

（四）未核定载重吨位的挂车，按每只承重轮胎折合１吨位核定；

（五）不能载客或者载货的特种车和专用机械车，按其车总重吨位核定；

（六）拖拉机有吨位标记的，按吨位标记核定；无吨位标记的，按发动机每２０匹马力折合１吨位核定；手扶拖拉机按半吨核定。

两轮、侧三轮摩托车，按台核定。

第十六条 下列车辆折算征收养路费：

（一）汽车拖带的挂车，按其核定吨位７折计征；

（二）特种车和专用机械车，按其核定吨位折半计征；

（三）大型平板车，载重吨位在２０吨以下（含２０吨）的全额计征，超出２０吨的部分折半计征。

承包国家重点建设工程的单位的车辆，可以按车辆吨位总和７折计征，如符合本条 前款规定的车辆，依照前款的规定计征。

运输兼农田作业的拖拉机，全年按５个月计征养路费；经国务院、省人民政府认定的贫困县的拖拉机，全年按４个月计征养路费。

第十七条 按吨位（含折合吨位）计征的车辆，不足半吨的，按半吨计征；超过半吨不足１吨的，按１吨计征。

第十八条 下列车辆按次吨征收养路费：

（一）持有临时牌证的车辆；

（二）停驶期间送修和年检的车辆；

（三）试车的车辆。

前款规定的次吨征收养路费，按核定载重吨位和规定的费额的１／６计征，每出车１次有效期为连续５天。

第十九条 按费额计征养路费的，征稽机构可以与车属单位或者个人签订包干缴费协议。凡包干缴费协议规定的车辆，不得调换、顶替或者报停。

第五章 养路费的征收管理

第二十条 养路费的缴费时间，按下列规定办理：

（一）按费率计征的车辆，车属单位应当于每月１５日前缴清上月的养路费；

（二）按费额计征的车辆，车属单位和个人，应当于每月月底缴清次月的养路费。其中按次吨计征的车辆，应当于运行前日缴清养路费。

第二十一条 在同一城市范围内收取养路费，可以通过银行按照托收无承付或者委托收款的办法结算；不具备通过银行结算条件的单位和个人，可以采用支票、信用卡、汇款或者现金结算。收取外国籍和香港、澳门、台湾的车辆养路费，可以收取外币现钞。

第二十二条 州、市、县征稽机构应当及时将所收养路费全部计息存入在当地银行开立的“养路费收入专户”，并按省交通部门规定的时间和报解办法，及时足额上解省征稽机构的养路费收入专户存储。任何单位和个人不准坐支、截留或者挪用。

养路费全额上解省后，由省交通部门按一定的比例返还地、州、市、县。

第二十三条 养路费票证是车属单位和个人的缴费行车凭证，在有效期内通行全国。养路费票证必须随车携带，以备查验。如有遗失，应当重新办理手续。

任何单位和个人不得伪造、买卖、转借、涂改养路费票证。

养路费票证，按交通部规定的样式，经省财政部门监制后，由省交通部门印发。

第二十四条 购入的新车，其车主在领取车辆牌照后５日内，持行驶证和提运途中缴纳的养路费凭证，到当地征稽机构办理养路费注册登记和缴费手续。

第二十五条 因车辆转籍、过户、改装、报废等原因，发生养路费征收情况变化的，车主应当自情况变化之日起１个月内按下列规定办理养路费变更手续；

（一）车辆转籍，单位的车辆须持单位证明（个人的车辆须持本人居民身份证）和原征稽机构开具的车辆缴费单，以及车辆管理机关的转籍过户凭证，到原征稽机构办理转出手续；转入地征稽机构凭转出的有关凭证，办理养路费征收或者减征、免征手续；

（二）车籍所在地的车辆过户，车主应当持该车行驶证和有效的养路费票证，到当地征稽机构办理变更手续；

（三）车辆改装、报废，车主应当持车辆管理机关的车辆改装、报废的凭证，到当地征稽机构办理养路费变更或者停征手续。

未按前款规定办理车辆转籍、过户、改装、报废手续的，其应缴养路费由原车主负责。第二十六条 跨行、调驻的车辆，按下列规定办理养路费变更手续：

（一）跨省、自治区、直辖市行驶的车辆，由车籍所在地征稽机构征收养路费。车辆跨行，不得超过养路费票证有效期３日；

（二）调驻省外的车辆，车主应当向车籍所在地征稽机构办理调驻手续，并从调驻的第３个月起向驻地征稽机构按当地标准缴纳养路费。调驻车辆从省外返回后，凭省外缴费凭证衔接缴纳养路费。车辆调驻不足３个月的，按正常跨行车辆处理；

（三）省外调驻我省的车辆，车主凭省外的缴费凭证，从第３个月起，按我省养路费征收标准，向驻地征稽机构缴纳养路费。

第二十七条 新客货汽车从落籍月份起１年内不得报停；减征车辆不得报停；其他车辆年累计报停时间一般不得超过３个月。因特殊情况确需延长的，须经车籍所在地的征稽机构批准，但最多不得超过６个月。

车辆停驶１年以上的，应当办理封存手续，停征养路费。

第二十八条 车辆因故停驶，车主应当按规定的日期办理报停手续；并将养路费缴讫证及有关凭证交车籍所在地征稽机构，从次月起停征养路费。

停驶车辆启用时，须办理复驶手续，方可行驶。上旬复驶的，按全月计征；中旬复驶的，按全月２／３计征；下旬复驶的，按全月的１／３计征。

第二十九条 车辆因故被行政管理机关或者司法机关依法扣押、查封、没收的，车主凭上述机关的法律文书，到车籍所在地征稽机构办理养路费结算手续，并按本办法规定办理报停或者转籍、过户手续。

第三十条 征稽机构应当在每年年底前对养路费征缴情况进行审验。

第三十一条 车辆管理机关应当向交通部门提供车辆新增、异动情况及有关资料。在车辆异动和检验时，应当协助征稽机构做好养路费征收工作。凡没有养路费缴纳凭证的，不予办理上户、转籍、过户手续；未办理有关手续的车辆，由征稽机构责令限期补办。

第六章 奖励与处罚

第三十二条 有下列情形之一者，由交通部门或者人民政府给予表彰、奖励：

（一）积极缴纳养路费表现突出的；

（二）检举、揭发违反本办法行为有功的；

（三）协助查收逃缴养路费成效显著的；

（四）征收、稽查养路费贡献较大的。

第三十三条 违反本办法规定，拖欠养路费的，由检查发现地征稽机构责令其补缴，并从规定的缴费截止日期起，每逾１日，收取应缴费额１％的滞纳金；逾期不补缴连续拖欠养路费３个月以上６个月以下的，由交通行政管理部门处应缴养路费３０－５０％的罚款；连续拖欠养路费在６个月（含６个月）以上的，由交通行政管理部门处应缴养路费５０％－１００％的罚款。第三十四条 对减征、免征车辆擅自改变使用性质，超出使用范围逃缴养路费的，由征稽机构责令限期从改变之日起全额补缴养路费，交通行政管理部门可以处应缴养路费３０％－１００％的罚款。

对符合本办法规定减征、免征的车辆，未按规定期限办理减征、免征手续的，按全额缴纳养路费。

第三十五条 对隐瞒车辆数量、少报载重吨位、瞒报营运收入逃缴养路费的，由征稽机构责令限期补缴，并从瞒报、少报之日起，每逾１日，收取应缴养路费１％的滞纳金。逾期不补缴的，由交通行政管理部门处以应缴养路费总额３０％－５０％的罚款。对直接责任人和单位负责人，由其所在单位或者上级主管部门给予行政处分。

第三十六条 对报停后行驶的车辆或者逃缴养路费的，由检查发现地的征稽机构责令从报停或者应缴之日起补缴养路费，每逾１日，收取应缴养路费１％的滞纳金，交通行政管理部门可以处以应缴养路费５０％－１００％的罚款。

第三十七条 违反本办法规定，涂改或者转借养路费票证的，由征稽机构责令补缴应缴费款；由交通行政管理部门没收涂改或者转借的养路费票证。

违反本办法规定，伪造、买卖养路费票证的，由交通行政管理部门会同财政、物价行政管理部

门没收非法票证和违法所得，可以处违法所得１倍以上３倍以下的罚款；构成犯罪的，由司法机关依法追究刑事责任。

第三十八条 对使用无效养路费缴（免）讫凭证上路行驶的车辆逃缴养路费的，由检查发现地的征稽机构责令当场补缴该车应缴的养路费和收取相当于该车应缴养路费的滞纳金。

对无养路费票证或者票证过期的省外车辆，按我省养路费征收标准，收取相当于该车１个月应缴养路费的滞纳金。

第三十九条 违反本办法规定，擅自征收养路费的，按《湖南省行政事业性收费管理条件》处理。擅自决定停征、免征、减征养路费的，其决定无效。

第四十条 按本办法规定收取的滞纳金均作为养路费收入，罚款全额上缴财政。

第四十一条 对拒绝接受征稽人员检查，妨碍征稽人员执行职务的，给予批评教育；违反治安管理规定的，由公安机关按《中华人民共和国治安管理处罚条件》处理。

第四十二条 行驶的车辆拖欠、逃缴养路费，不能当场补缴的，由检查发现地的征稽机构责令限期补缴，可以暂扣其交通规费证件；没有交通规费证件的，可以出具省交通行政管理部门统一制发的凭证暂扣车辆。逾期不补缴的，应当依法及时处理。

第四十三条 违反本办法规定，情节严重，构成犯罪的，依法追究刑事责任。

第四十四条 征稽人员违反本办法规定，滥用职权、徇私舞弊、玩忽职守的，由其所在单位或者上级主管部门给予行政处分；构成犯罪的，依法追究刑事责任。

第四十五条 当事人对交通行政管理部门及其征稽机构作出的具体行政行为不服的，可以依法申请行政复议或者提起行政诉讼。

第七章 附则

第四十六条 本办法在实施过程中的具体问题，由省交通厅负责解释。

故障预测与健康管理 第6篇

【关键词】变电一次设备;故障预测;检测方法

由超负荷、超电压，以及设备质量不合格及老化等原因引起的变电一次设备出现故障，在高压电网的运行中屡见不鲜。各种原因都可能引起变电一次设备出现各样的缺陷和故障，进而严重影响电力网络的运行安全性和稳定性。特别是近年来，人们物质生活水平随着科技的日新月异而不断的提升，各种智能电器的出现，使得用电户对供电企业的要求不断提高，对电力的需求量也不断的加大，因此变电设备必然要趋向于大容量化，并且可以承载更高的电压的同时，具有更高的安全性和稳定性。而人们对电能的依赖，也这同样导致了变电站的停电作业受到限制。因此对于变电一次设备的运行和维护需要一种退出运行也不需要解体设备的故障检测方法，以保证电网的安全、稳定运行。

一、变电一次设备安全性的预测和检测方法

目前存在的电力检测方法很多，如利用带电测量及在线监测装置来检查判断变电一次设备是否出现故障;或是利用现有的检测仪器对变电一次设备进行定期的、预防性的试验，从而达到排除故障的目的;还有就是应用先进技术，即红外诊断技术来判断设备是否出现故障，这种方法往往能快速、准确的测量出变电一次设备中是否存在接触不良等各种类型的故障。目前变电一次设备中也具有很多的辅助的仪表，如密度继电器、压力表、油温表等，但仅仅依靠这些仪表所得的数据，还不能满足我们对设备运行状况的预测，及对设备存在的缺陷故障进行准确的判断。因此，当前常用的检测方法还是定期试验、带电测量及在线监测等。

二、主要变电一次设备的安全性预测和检测方法

（一）变压器

变压器是变电站最主要的变电一次设备，其产生故障通常分为两种类型，一种是变压器油箱内发生的各种故障，如绕组的线匝之间发生的匝间短路、各相绕组之间发生的相间短路、绕组或引出线发生的接地故障等，称为内部故障[1];另一种是变压器油箱的外部绝缘套管，或是由其引出线所产生的故障，如引出线之间发生相间绝缘套管破碎引起的接地短路等，称为外部故障[2]。而在故障的性质上，我们又可将其划分为电故障和热故障两大类。无论那种故障，都会对变电器造成严重干扰，影响设备的正常使用。

其故障预测和诊断方法通常分为：人的感观判断，如嗅觉、触觉等;试验仪器，如气体色谱分析判断;电气试验方法来判断;检测变压器绕组是否发生不可逆的变化;监测变压器绝缘强度;变压器局部放电监测技术等[3]。

（二）断路器

断路器是在电网运行过程中，根据实际需求支配电力设备或线路投入或退出运行的部件，或可通过将出现故障的线路或设备从电网中快速切除，来保护电网运行和控制稳定的设备。因此，也是正常运行电力系统中最重要的保护和控制设备，断路器的工作好坏直接关系到电力系统的安全、稳定运行。断路器出现的问题的原因主要有其绝缘材料的问题，如材料选择不当，使用一段时间后发生的老化现象，内部发生的回路或系统故障等。

针对断路器发生故障的原因，我们主要采取的预测检测方法有：开展局部放电监测;定期测量开关部位电磁铁或接触器端子上的最低动作电压;测试主回路导电电阻;对真空断路器进行分合闸耐压试验;检测各部位是否存在接触不良现象等。

（三）金属氧化物避雷器

金属氧化物避雷器在电力系统中存在巨大作用，其主要作用就是通过限制由线路传导的雷电过电压，或因为操作引起的内部过电压，来保护电力设备的安全。因此，金属氧化避雷器是电力系统安全运行的重要保护设备，在电力系统中得到了广泛应用。但是，也正是由于避雷器的重要性，使得人们对其的要求也更加苛刻。所以，纵然其与碳化硅避雷器相比，具有更好的性能和特点，但也同样存在许多缺点，如易被腐蚀而发生损坏;阀片老化等原因使避雷器在工作过程中被热击穿甚至出现爆炸;绝缘性能不良引起泄漏电流，引起绝缘击穿或爆炸;天气变化引起的避雷器内外电位分布不同，引起避金属氧化雷器径向局部出现不正常放电现象，导致避雷器损坏。

针对这些故障原因，其重要的防治方法有：检查阀片是否发生老化;检查其阀片是否受潮;定期进行绝缘电阻测试，避免内部受潮;及通过在线监测装置，对避雷器进行检测，保证金属氧化物避雷器的正常运行。

三、红外检测技术

变电器的一次变电设备的故障排查是十分重要的，因此，我们需要一种安全有效的检查方法。由此发展出了红外检测，它是一种非接触性的检测技术，并且具有检测准确、安全性强、操作简便等特点，因此受到了电力企业的推崇，被广泛应用在变电一次设备的故障诊断和状态监测上。并且，通过红外线检测技术，为开展变电一次设备状态检修创造了条件，对一次设备运行的可靠性提供了保障。

电气设备的热故障主要有：内部介质损耗增大;绝缘材料受潮或老化;导体连接或接触不良;电压分布不均匀或泄漏电流过大;磁回路不正常等等。在运用红外检测法检测变电一次设备时，必须满足以下几点要求，首先在户外或室内操作时，要避免太阳或其他可见光射入仪器镜头;其次由于被检设备是带电运行设备，为保证安全应尽量避开视线中出现封闭遮挡物;温度、湿度等要适宜，且避免恶劣天气实行检查;被检测设备周围应具有均衡的背景辐射，应避免热辐射源对检查过程的干扰，确保检测的准确性;在对电流致热型设备进行检测时，最好在其处于高峰负荷状态下进行;并且根据所测设备在整个电力系统中的角色和重要性来确定检测周期长短[4-5]。

四、结语

通过以上对变电一次设备故障产生的类型及原因的分析，并对红外检测技术的阐述，我们得出变电一次设备的检测方法，主要是依靠常规预防性试验，和在实践中长期累积的经验来判断的。红外检测具有检测准确、安全性强、操作简便等优势，为开展变电一次设备状态检修创造了条件，对一次设备运行的可靠性提供了保障。并且，随着信息科技和传感技术的发展，电力设备在监测装置的研发应用上也在不断的推陈出新，从而对变电器的故障预测及检测更加先进化和准确化，从而保证了用电户的安全，及电网的安全、可靠运行。

参考文献

[1]陈冬梅.变电站一次设备检修与试验方法研究[J].中国高新技术企业，2012（12）.

[2]马明明.变电站一次设备的介绍与研究[J].企业技术开发，2011（13）.

[3]李毅.浅析变电站一次设备的状态检修[J].中国高新技术企业，2011（28）.

[4]邱剑锋.浅谈变电站一次设备在线监测方法和配置[J].广东科技，2009（10）.

[5]唐凯.基于变电一次设备故障检测的思考[M].中华民居，2012（19）.

故障预测与健康管理 第7篇

1 PHM技术概述

PHM是传统监控与故障诊断技术的一种发展形态, 它将机内测试功能和状态监控能力予以拓展, 并旨在通过预测能力将技术要素转变为系统或设备的健康管理, 由此实现及时预测故障发生, 及时进行维修, 以最大限度保障系统装备功能性和安全性。因此, PHM技术包含两方面内容。其一为预测, 是一种结合系统历史性能资料数据, 分析系统当前工作状态, 并以此为依据诊断系统未来工作性能的一种识别能力;其二为健康管理, 即根据预测信息作出是否维修决策的一种能力。可见, PHM技术实质上是一种测试方法的转变, 由传统的外部测试发展成为机内测试, 经由传感器诊断转变为智能系统预测。而随着智能技术的发展, 综合诊断理念的运用, PHM技术体系也愈加完善。

2 航空装备领域中PHM技术的应用现状分析

(1) 简析PHM技术实现故障预测健康管理的方法。就目前而言, 在我国航空装备检测技术中, PHM技术显然已经成为了核心技术。当前, 这同航空机电产品安全性保障的重要性及PHM技术的智能性区分不开。PHM技术发展至现阶段, 机电系统故障预测的主要实现方法主要包含以下几种:①监测特征参数:该种方法的实现途径为通过检测可反映航空设备电子系统性能的特征参数而获取实用数据, 继而以数据信息为依据采取预测法对机电工作状态进行评估。但是, 因为不同的电子系统其功能性和结构性特点均存在差异, 因而, 选取特征参数的方式及数据处理的方法也会据此而发生改变。②利用预警电路:该种方法之所以可以实现故障预测在于运用了预警电路故障发生时间遭遇正常电路。③建立累积损伤模型:运用该种方法实现故障预测的关键在于建立能够反映不同荷载对电子系统可造成损伤程度的模型, 如此即可根据系统所承受的荷载评估其损伤程度, 计算其剩余使用寿命。④融合多种方法:即选择上述方法中的两种将其融合进行故障预测。

(2) 浅论PHM技术应用于航空机电产品检测存在的问题。毋庸置疑, 上述几种常用的方法拓展了PHM技术的应用范围, 提升了其使用性能。但是不可否认的是PHM技术在我国航空装备领域中的应用仍然存在一些不足之处。细述而言, 主要包含:①诊断范围小, 局限具航空电子检测;②故障检测率低, 且虚警率高。如:参数漂移故障便难以检测, 检测电路出现故障也不能有效检测;③故障检测过于依赖地面设备, 会增加后勤负担。④对于航空电子系统故障的预测主要依赖于既往故障统计资料, 但是事实是基于故障履历档案资料而分析的故障趋势并不能作为系统未来状况的主要评断标准, 因此也不能视为系统实施维修活动的依据。⑤对航空装备进行健康管理这一项功能并未完全实现, 实质上只是进行一般的统计信息管理。究其原因还在于目前飞机信息管理方式仍然采用传统的地面计算机信息管理, 信息均由人工收集和整理, 这便意味着航空装备信息管理措施的实施同其指向者——飞机, 存在物理上的隔离, 加之目前数据采集系统也仅仅收集飞机飞行状态参数和既往故障检测结果, 因此这种管理方式存在着非实时及管理隔离的弊病。

3 关于PHM技术在航空装备领域中应用的相关建议的探讨

如上所言, 现阶段在航空装备领域中应用PHM技术仍然存在一些技术上的局限性, 远未成熟, 为了更大限度的实现PHM技术的智能化和应用效果, 解决上述问题实为必行举措。下文主要从四个方面出发, 就开展航空装备PHM技术应用的建议。第一, 从系统故障预测及飞机运行状态监控方面出发。可以针对单个机电系统研发与之相对应的PHM技术, 如某某飞机PHM技术。这种管理系统的优势在于可以探测飞机所有系统及部件的异常情况, 并将数据整理后传输至地面, 由此为飞机返回基地进行为此书提供了准备时间。当然, 也可针对多个系统研制PHM技术, 如飞机电力系统PHM技术。但是应当注意的是进行PHM技术设计时, 需要考量到诊断功能及状态管理功能的增强。第二, 应用便携式维修辅助设备 (PMA) 。PMA可为飞机部件、机电系统于保证系统之间建立通信链, 由此便可简化后期工作, 实现机内测试与维修活动监控, 以及飞行数据下载等功能。第三, 加强前线测试成套设备的研究, 显然目前以更换或维修故障单元的方式会造成特殊系统保障资源的浪费, 因此可通过开展维修级别分析、完善测试功能、合理分配和确定保障资源等方法补充PHM技术的诊断能力和在线监控性能。第四, 提升在线近实时数据的可靠性和维修性, 为实现这一点, 可研发维修保障信息数据分析系统来跟踪、处理及报告航空装备的分析数据。

4 结束语

综上所述, PHM技术因其智能化、综合性而成为了国内航空装备系统中状态监测、故障预测及健康管理的核心技术。虽然目前尚未成熟, 日后也会随着航天系统的发展而暴露出一些问题, 但是只要业内人士共同研讨, 不断求索, 其发展前景仍值得期望。

摘要：故障预测与健康管理 (PHM) 技术旨在于维护和保障航空机电产品及其系统的安全性、可靠性和经济性能, 目前在航空装备领域中得到了广泛运用。基于此研究背景, 本文主要阐述了PHM技术的基本内涵, 细述了PHM技术实现故障预测健康管理的方法, 并结合当前PHM技术在我国航空装备领域中的应用现状分析其存在的不足之处, 就解决方案进行了探讨, 以供业内人士交流探讨之用。

关键词：航空装备,故障预测,健康管理,诊断

参考文献

[1]邱立军.故障预测与健康管理技术在航空装备领域的应用[J].四川兵工学报, 2012 (03) .

故障预测与健康管理 第8篇

航空电子系统的发展经历了分立式、联合式、综合式和先进综合式4个阶段的演变，综合模块化航电系统是目前机载航电系统发展的最高阶段。故障预测与健康管理（PHM）技术是保护航电系统乃至整个飞机安全性、维护性等多种因素的重要技术之一[1,2,3]。目前，PHM已成为航空电子系统可靠性和可维护性发展的必然趋势，通过研究将模块化的航电系统特征与PHM系统有机的结合起来，意义重大[4,5,6,7,8,9,10]。

以美国的联合攻击战斗机（Joint Strike Fighter,JSF）航电系统为典型代表，综合模块化航电系统主要特征是采用开放式的系统结构，射频与广电孔径综合及传感器预处理综合，统一的航电网络（Unified Avionics Network,UAN）互连，商用货架（Commercial Off TheShelf,COTS）产品与创新技术[11]。飞机平台通过航空电子系统成为现代战争信息网络系统中的一个节点，综合航空电子系统在不断地提高智能化程度，将飞行员从操纵飞机、系统监控、信息判读、态势掌握、武器投放等繁重工作中解脱出来，便于集中精力于高层次的战术决策。因而，随着航空信息综合能力的增强，对航空电子系统的可靠性要求也越来越高。

在造成飞机故障的因素中，电子系统产生的故障已经占据了总比重的40%以上，并且对电子系统进行维修所消耗的时间占据总飞机维修时间的1 3。由此可见，航空电子系统的重要地位，也就逐渐凸显出了航空电子故障预测与健康管理技术的重要性。同以往的航空电子故障诊断技术相比较而言，故障预测与健康管理技术是一种更加先进和高效的技术，逐渐成为航空电子系统中主流故障诊断技术。

PHM技术能够对整个电子系统进行全方位的监督和预测，是一种更加智能化的动态监测系统，不仅能够在很大程度上减少对电子系统进行监测的时间，减少人力物力的投入，同时还能大幅度地降低维修费用，提高经济效益。另外，对于提升战备的完好率和任务的完成率也发挥出了重要的作用。

1 航电系统功能分配结构分析

飞机航电系统的功能需求与其任务使命是密切相关的，通过研究航电系统功能与结构之间的关系，归纳其共性问题与知识，可用来指导健康管理体系架构设计。

美军为JSF所提出的开放式先进航空电子系统如图1所示。它有如下特点[1]:

(1）航空电子统一网络（UAN）由于光纤具有频带宽、质量小和抗电磁干扰等优点，采用以民用标准为基础的统一的光纤传输网络，以较少的费用实现系统宽带信息传输的需求。

(2）综合核心处理（Integrated Core Processor,ICP）。将数字信号处理、数据处理以及其他计算性要求的任务处理等集中到共享的、容错的和高性能的综合核心处理区内完成。

(3）座舱人机接口。采用高分辨率彩色液晶显示器和头盔显示器，以大图像方式提供态势信息，提高飞行员感知范围和能力。

(4）综合射频和综合电光系统以模块化方式构建综合探测系统，前端充分利用不断发展的软件无线电及开放光电系统方法，采用规范的部件接口，降低费用，实现开放目标。

如图2所示，可以将航电系统按功能划分为层次化的结构。按照需求分解原则（如模块化），将顶层功能进一步分解成任务管理、功能管理等分系统，其中任务管理分系统又细分为CNI（通信、导航、识别）、探测、电子战等子功能。依次类推，将每个功能分解到可在物理实体上实现的独立功能模块为止。

由此可见，层次化结构、开放式特征等在一定程度上降低了综合航电系统的复杂性。航空电子系统通过层次化划分，将系统分成功能相对集中的功能模块。

2 综合模块化航空电子系统的健康管理系统设计

模块化航空电子系统是指通过一系列标准化通用功能模块的组合，通过加载与硬件无关的软件，完成航空电子各个设备功能的系统。

模块化航空电子系统的典型结构如图3所示[3]。模块化航空电子系统由核心处理系统和非核心处理系统组成，核心系统包含了若干个机柜，而每个机柜上装载了一定数量的通用功能模块（Common Function Module,CFM）。非核心设备包括信号采集设备，传感器设备等[12,13,14,15,16]。图4为一个包含两个机柜的系统，在其中创建了两个综合区域（Integration Areas,IA），这两个综合区域通过一些共享资源（如信号处理模块SPM、网络支持模块NSM、数据处理模块DPM、电源转换模块PPM、大容量存储模块MMM、图形处理模块GPM等）排列在一起。

对于综合模块化的航空电子系统，其健康管理系统设计要对应其模块化特征。

2.1 PHM系统架构

结合综合模块化航电系统的开放式结构特征，PHM系统也采用开放式结构，分为机上PHM系统、地面支持决策系统、机下机上系统接口三个部分，如图5所示。

机上PHM系统采用分层的管理体系结构，分为三个层次：最底层为模块/组件级管理器，分布在飞机各分系统部件中的软、硬件监控程序，包括传感器或机内测试（BIT）设备，将有关信息直接提交给中间层的分系统级管理器；中间层为分系统级，具有信号处理、区域推理机功能；顶层为飞机系统级，通过对所有系统的故障信息相互关联，确认并隔离故障，评估整个航电系统的健康状态，最终形成维修信息和供飞行员使用的知识信息，传给地面支援中心系统。

综合模块化航空电子系统采用机载和地面两级维护策略。机载在线测试和维护操作时，不应该干扰系统功能的执行。在执行测试和维护时，需要记录所有故障，故障条目应当包含时间，环境等信息。同时航电设备应该提供地面测试接口，验证在线检测的结论。

2.2 健康状态监控

健康状态监控主要包括监控系统健康状况和检测系统错误，还包括系统错误筛选和确定错误报告，如图6所示，其中主要包括以下几方面功能：

(1）故障检测机制。通过主动或被动方式完成硬件、软件的故障检测。

(2）操作系统健康监控服务。用来捕获故障检测机制传递来的故障和错误信息，经过综合处理后向通用系统管理中的健康监控器服务报告，并传递诊断信息。

(3）通用系统管理健康监控器。收集从操作系统健康监控服务传来的故障信息，根据严重程度和性质进行筛选，做出相应的处理操作。

2.3 故障处理

故障处理包括掩盖、定位、限制等机制，从而使系统能够在错误存在的情况下继续运行一段时间。故障处理的行为与具体的由健康监控器报告的事件有关，故障管理器根据事件信息采取进一步的故障处理措施，如图7所示。

图7中，健康监控器需要向故障管理器报告所有确认的故障。故障管理器支持各种故障的处理机制，对故障响应将按一系列处理序列进行，一般包括故障关联、识别和定位，向配置管理器请求重配置已实现故障掩盖，请求应用程序错误处理函数，向上层健康监控器报告等。配置管理器将处理由故障管理器发来的重新配置请求，配置完后配置管理器将通知故障管理器。

3 结论

航空电子系统是现代飞机的“中枢神经”，承载着大部分任务功能。通过开展综合模块化航电系统的PHM系统设计，可知PHM系统体系结构应具备的共性特征包括：系统分层次的体系结构；分布式、跨平台系统特点，作为未来全球自主保障支撑技术的PHM系统，必然是存在多个对象系统之间的分布协作关系；开放性、模块化的设计实现方法；实时性要求，能实时监测系统状态并做出决策。

本文设计的综合航电PHM系统采用开放性、分布式、模块化的系统结构，模块化便于系统的集成和新技术及方法的导入；开放性系统结构便于系统的更新，便于与飞机其他系统集成构成更高层次的PHM系统，便于与自主式保障系统交联提高整体保障效能。

摘要：航空电子系统是保障现代飞机性能的非常关键因素之一,对其开展故障预测及健康管理技术的研究是保证飞机安全性的重要课题。针对航空电子系统综合模块化的发展趋势,研究了一种面向其开放式与模块化架构的故障预测与健康管理系统。通过对综合模块化航空电子系统的分层结构分析,结合关键子系统展开设计,包含了飞机PHM系统的体系结构设计及相关环节的技术实现。结果表明该体系结构可满足航空电子系统标准化、层次化、模块化、开放性的要求。

故障预测与健康管理 第9篇

数控设备故障预测和健康管理的维修保障系统是国外装备维修保障的先进技术,具有较好的维修保障效果,对设备的使用情况、设备磨损、未来寿命都具有较好的预测功能,并能够检测系统的健康状态。因此,研究数控设备故障预测和健康管理的维修保障系统的技术、功能、组成、结构以及工作流程等内容具有重要价值。

1 数控设备故障预测和健康管理的维修保障技术

数控设备故障检测和健康管理维修系统简称为PHM系统,是美国军方提出的一种有效的技术,具备设备健康管理以及故障检测的功能与作用。目前,在国外尤其是美国具有广泛应用,主要应用于军事装备,具有较好的效果[1]。它不仅可以作为健康管理与使用的监控系统,还可以用来预测与评估管理系统自身的健康状态。它的重要作用主要表现为以下几个方面。第一,预测系统以及零件的功能状态,如部件的使用寿命、部件的正常工作时间长度、资源的可用性等问题。通过预测这些问题,了解系统的健康状态,为系统的维修管理提供科学的依据。第二,提升对维修活动的决策能力。通过借助各种智能算法预测系统的状态,能够准确了解系统的运行情况,为系统的维修提供参考依据,提升对维修活动的决策能力。当前,数控设备故障检测和健康管理维修系统在我国也具有科学研究。我国对PHM系统的方法、技术以及应用方面都具有较早研究,但在数控设备故障检测和健康管理技术方面的研究还比较片面,无法满足企业生产的需求,无法实现工业的推广。因此,分析PHM系统结构的特点,研究数控设备故障预测和健康管理的维修保障技术具有重要意义,故障预测与健康管理技术具有较大的发展前景,在军事装备、企业生产方面都具有重要作用。

2 数控设备故障预测和健康管理的维修保障系统(PHM)的体系结构

PHM系统主要功能是对设备运行状态进行全面分析,包括分析机械的性能与寿命、性能的退化状况、机械的磨损状况以及部件的受力情况等内容。通过分析预测设备的健康状态,为维修部门提供维修依据,促进维修活动的顺利实施。PHM体系结构主要由七部分构成,下面针对这七部分内容进行简要概述。

第一,采集传输数据。通过各传感器收集数据信息,为PHM系统提供最基本数据信息,保证数据信息的有效性,为下面的数据处理奠定基础,并通过信息传输将数据传输到下一功能模块。

第二,数据处理。数据处理是PHM系统结构的重要内容,通过处理来自传感器以及其他模块的数据信息,将数据处理结果进行分析整合,形成健康管理以及故障预测所需要的内容,为健康管理以及故障预测提供参考依据,从而使PHM系统具有预测故障的功能。

第三,状态监测。状态监测是指对数据收集、传输、处理而获得的数据信息与原数据信息进行分析对比,是判断当前设备的健康状态的一种结构内容。它的主要功能是通过分析原数据所提供的阈限值,以预测故障,在可能出现故障的情况下提供警报。

第四,健康评估。健康评估是指根据各模块收集的信息,对系统的健康状态进行评估的结构内容。健康评估在PHM系统结构中具有重要作用,不仅能够分析故障发生的机率,记录故障诊断数据,还能够记录维修历史数据、工作状态以及以前检测的健康状态,具有重要的作用。

第五,故障预测。对上述数据信息进行分析整合,评估系统的健康状态、使用寿命以及机械磨损程度等内容,依据评估的结果对系统是否存在故障进行预测。故障预测是数控设备故障预测和健康管理的维修保障系统的显著特征[2]。

第六,自动决策推理。自动决策推理是数控设备故障预测和健康管理的维修保障系统的另一显著特征。实现自动决策管理能够提高PHM系统的管理能力,其主要功能是通过分析故障预测以及健康评估方面的数据,自动推理生成维修的建议措施,为维修活动的实施提供决策。

第七,接口。接口主要包括两大方面内容,分别是机机接口以及人机接口,其功能分别如下,机机接口能够将PHM系统中的数据信息与其他系统中的数据信息进行传递交流,促进资源共享。人机接口能够显示故障预测,警示信息,健康评估状态以及维修建议等多种信息,通过信息的显示体现出PHM系统的功能,具有重要的作用。

3 PHM的功能与组成

PHM的功能主要有以下几种,具有重要的应用价值与较好的发展前景。第一,监测功能。PHM系统能够监测数据设备的润滑系统、主轴系统、数控系统等各子系统。第二,信号采集功能。通过温度传感器、压力传感器等多种传感器收集信息信号,为PHM数据处理提供准确的数据。第三,故障预测功能。通过对收集数据进行合理分析,能够有效判断系统出现故障的可能性,做出准确预测。第四,健康评估。PHM的主要功能是对系统的状态进行评估,分析系统的运行情况,并在系统存在隐患时生成具有针对性的建议措施。由此可见,PHM具有重要的功能。PHM主要由十大部分组成,分别为信号采集系统、监测对象、退化模型、预测模型、故障预测预报系统、专家数据库、子系统健康评估、管理用户层、管理服务器、数据服务器等十部分内容,缺一不可,密不可分[3]。

4 PHM的工作流程

PHM的工作流程主要分为两大部分:一是信息采集故障预测流程,二是维修管理流程。此两大流程能够总结为四个阶段。一是对设备运行状态的监控以及信息采集阶段。此阶段是实施PHM系统管理的基础,通过信息收集以及状态监控,获得系统运行的准确信息,充分了解系统准确情况,为后面的数据处理、故障预测等环节提供准确信息,保证PHM系统顺利工作。二是对运行设备以及系统进行故障分析,在收集信息后,会通过专门的数据处理模块对数据信息进行准确处理,获得一份准确的数据分析结果,显示出所得数据与原预留数据的不同,以此为依据实施故障诊断。一旦数据信息超出预留数据的参考阈限值,则表明出现故障的可能性较大,可以依此做出并输出故障诊断。如果诊断结果为存在故障,则发出警报,输出故障信息,并进入第四阶段——维修管理阶段;如果未检测出故障,则进入第三阶段——故障预测阶段。三是故障预测阶段。PHM系统在数据分析中也可能存在失误,故障预测阶段就是进行重复检测的阶段。在前面的判定中,虽然故障诊断结果表现为未发生故障,但依旧存在发生故障的可能性,因而不能完全定论不会发生故障。通过第三阶段故障预测能够准确分析出发生故障可能性的大小,做出进一步是否需要维修的判断。经过测验后,能够给予较为准确结果;若需要维修,进入阶段四;若不需要维修,返回阶段一。四是维修管理。维修管理较为简单,就是对判定为存在故障需要维修的内容进行维修,生成有效的维修建议。

5 总结

综上所述,研究数控设备故障预测和健康管理的维修保障系统的相关内容十分重要,通过研究PHM系统的技术、结构、组成功能以及工作流程等内容,能够加深对PHM系统的了解,为研究PHM系统提供依据,推进PHM系统的发展以及应用。

摘要：数控设备故障预测和健康管理的维修保障系统能够提升数控设备的使用寿命。该系统不仅对数控设备中可能出现的故障具有较好的诊断能力,还能够生成具有针对性的维修建议,具有重要作用。因此,研究数控设备故障预测和健康管理的维修保障系统至关重要。

关键词：数控设备,故障预测,健康管理,维修保障

参考文献

[1]赵中敏,张圣文.大型数控设备故障预测与健康管理自主式保障系统[J].机床电器,2012,39(3):52-55.

[2]曾声奎,Michael G.Pecht,吴际.故障预测与健康管理(PHM)技术的现状与发展[J].航空学报,2005,(5):626-632.

故障预测与健康管理 第10篇

关键词：ATC系统,泊松分布,故障频率,预测

目前国内大多数开通地铁的城市, 包括正在筹备建设中的城市, 地铁信号系统一般都采用列车自动控制ATC系统。为了保证其能高效、连续、有序地运营, 需要进一步研究ATC系统故障并进行故障频率预测, 以便最大程度地保证列车运行安全, 提高运输效率。下文以上海地铁2012年各线路故障日志为基础, 筛选出ATC系统故障记录, 并进行数据整理及统计分析, 能对ATC故障频率进行科学预测, 给特殊情况下的运行方案提供参考。

1 地铁故障日志处理

由于地铁故障日志是以时间为单位记录地铁运营时发生的故障, 不仅数据庞大, 而且门类众多, 这里需要筛选出ATC系统故障事件, 并按一定规则处理以便进行模型分析。1) 时间处理。地铁故障日志的数据一般按照早高峰、平峰、晚高峰分别记录。考虑到周末及节假日等大客流的问题, 本文将节假日与周末视为平峰运营时段。平峰记为1、晚高峰为2、早高峰为3。2) 气候处理。本文将上海的月份进行了分组, 春季为2月、3月、4月、5月;夏季为6月、7月、8月、9月;秋季为10月、11月;冬季为12月与1月。考虑到气候对地铁正常运营影响巨大, 比照平均气温后, 本文将春秋两季看作一组数据进行分析, 而上海地铁最主要的运营气候应是高温, 夏季是最需要关注的也是地铁列车接受高温考验的时候。同样地春秋记为1, 冬季记为2, 夏季记为3。

将月份按照季度分组之后, 对照2012年上海地铁日平均客流量, 将季度的平均值写入到数据中并进行操作。利用EXCEL绘制数据透视表如表1所示。

2 泊松回归模型建立

泊松回归模型可以拟合一段时间内某一随机事件发生频率的概率分布, 比如设备故障次数, 服务中心呼叫次数等。

若以Y记为某一随机事件的发生频率, y记为随机变量Y发生的概率, 并且服从均值为μ的概率分布, 那么该分布的密度函数为:

μ>0, 并且它是单变量泊松分布的唯一参数, 如果允许每次记录不同的变量值则可以扩展为多变量泊松分布模型。一般情况下, 泊松分布可表示某个随机事件i的发生频率yi服从均值为μi的概率分布, 该分布密度函数为:

泊松分布的一个重要特征是均值和方差相等, 这也是泊松回归中非常重要的假设条件, 称为离散假定。方差大于或小于均值, 均会违背泊松分布的离散假定, 造成过离散或欠离散。该函数表达式, 通常称为乘法模型或加法模型。

3 ATC系统故障频率分析

将表1中数据导入Stata并执行相关语句来进行泊松分布处理。如果有:

1) P>|z|值大于0.05时, 表示该变量对故障频率影响不够显著, 可以对应看到[95%Conf.Interval]列中, 系数包括0, 所以该变量的系数coef不在公式中体现。

2) 对于P>|z|值小于0.05时, 说明该因素在置信度95%下对f有显著影响, 系数coef为正说明该因素越大, 发生故障的概率就越大。其中, time对应时段, season对应季节、温度、环境严酷程度。

由于大部分数据都取自上海地铁平峰运营时段, 考虑到事故发生概率的均衡性, 有必要对不同实际和季节的故障频率按照时段比例做出调整。

首先, 上海地铁早高峰为上午7:00~9:00, 晚高峰为下午17:00~19:00, 为便于数据处理默认上海地铁各线运营时长均为18 h, 故早高峰、晚高峰、平峰时间跨度比例为2∶2∶14, 为了便于比较, 统计度量模型中将平峰时段的故障频率除以7。

上文气候影响因素中, 将春季为2月、3月、4月、5月, 夏季为6月、7月、8月、9月, 秋季为10月、11月, 冬季为12月与1月。那么, 春秋两季、冬季、夏季时间比例6∶2∶4, 同样为了便于比较, 统一度量, 将春秋两季、冬季、夏季故障频率分别除以6, 2, 4, 随后便可进行故障频率分析。

同时考虑2012年上海地铁各线平均客流及各线开通的年限对于ATC系统故障频率的影响, 最后结果如表2所示。

通过翻阅故障日志, 可以发现其故障频率与运营时长, 温度, 使用寿命等因素密切相关, 因此本模型主要考虑运营时段, 季节, 客流量及线路开通的时间, 分别对应表2中的t, m, p, ot。

从表2可以看出由于客流量的增加, 车载ATC系统工作量较大, 出现事故的概率也会相应的有所增大。随着气温的上升, 车辆本身的工作负荷加大也会导致ATC系统故障。早晚高峰时期也会加大系统的工作负荷导致事故频发, 这里又体现出了随着气温的升高而导致事故的频发。那么信号系统中都有了这样的结果, 可以推断出在环境不断严酷的情况下, 信号系统的事故率会不断提高。

4 ATC系统故障频率的预测

总结分析2012年上海地铁ATC系统故障频率之后, 需要对泊松回归模型的准确性和适用性做出合理分析。这里将2011年上海地铁故障日志的数据和2012年对应数据进行比对。

在ATC系统中, 有如下公式:

结合上述分析结果与整理的2011年数据就可以得出表3。

据表3可以计算出平均误差为13.11%, 该误差在可以接受的范围内, 那么就说明本文所采用的泊松分布模型对于ATC系统的预测基本准确。

5 结语

随着各地城市化的进程深入, 城市框架不断拉大, 越来越多的人口涌入城市, 地铁对于缓解交通出行压力扮演着十分重要的作用。但是在地铁建设与运营时, 却还存在着不小的安全隐患。

本文以2012年上海地铁事故日志为基础, 筛选ATC系统故障, 结合泊松分布及Stata软件, 整理相关数据, 并再次加工, 能对ATC系统故障频率预警做出合理的预测和分析结果。运营方可以利用本文的预测结果, 在实际运营时提前采取必要的安全措施, 提升ATC系统的可靠性, 避免发生运营事故, 从而使地铁运输的“安全性、准时性、可靠性”得以保证。

参考文献

[1]曾德容.地铁供电系统可靠性和安全性分析方法研究[D].成都:西南交通大学硕士学位论文, 2008.

[2]赵婕.地铁事故分析及预防对策[J].都市警讯, 2004 (5) :6-7.

[3]詹坤生.城市轨道交通乘客伤害事故分析与对策[J].铁道运输与经济, 2012 (10) :59-61.

[4]湛耀斌.造成地铁车辆故障救援事件的原因分析及应对措施[J].现代城市交通, 2013 (1) :34-37.

[5]贺阳.北京地铁运营的安全评价及其信号系统评定分析[D].北京:北京化工大学硕士学位论文, 2006.

故障预测与健康管理 第11篇

通常情况下, 地铁故障日志是以时间为单位来记录地铁运营故障的, 具备数据庞大、门类众多的特点, 可以从这里筛选出ATC系统的故障事件, 并能按照相应的规则进行处理, 以便接下来的模型分析。一、时间处理:按照早高峰、平峰、晚高峰来记录数据, 平峰为1、晚高峰为2、早高峰为3;二、气候处理:将南京的月份进行分组, 春季为2-5 月, 夏季为6-9 月, 秋季为10、11 月, 冬季为12、1 月, 根据南京气候的实际情况现将春秋两季、冬夏两季分别作为一组数据进行分析, 春秋为1、冬夏季为2。待所有数据进行分组之后, 根据2015 年南京地铁日平均客流量, 将季度平均值写入数据中再进行操作, 如表1。

2 ATC系统故障频率分析

将表1 中的数据导入Stata再来执行相关语句, 其中若有以下:

P > |z| 值大于0.05 时, 表示此变量对于故障频率的影响不明显, 可以在 (95%conf.interval) 中看到系数包括了0, 因此此系数coef并没有体现在公式之中。

P > |z| 值小于0.05 时, 表示此变量在置信度95% 下对于f有着明显的影响, 系数coef为正数说明因素越大, 故障发生概率也越大, 其中time对应时段, season对应季节等因素。

表中大部分数据都取自南京地铁平峰运营时段, 因此考虑事故发生几率的均衡性, 需要对实际情况和季节问题进行适当的比例调整。通常情况下, 南京地铁早高峰时间为上午7:00 ~ 9:00, 晚高峰时间为下午17:00 ~ 19:00, 为更好处理数据暂将其运营时长定为18h, 因此几个时间段的跨度比例为2:2:14。在上文气候影响因素中, 春季为2 ~ 5 月, 夏季为6 ~ 9 月, 秋季为10、11 月, 冬季为12、1 月, 那么可将其季节时间比例分为6:6, 以下是ATC系统故障频率分析结果, 见表2。

根据故障日志的记录可以得知, 故障发生频率与运营时长、温度、使用寿命等有着密切的联系, 从表2 中看出因客流量的不断增加, 车载ATC系统工作量也逐渐增大, 事故发生几率也相对有所上升。同时伴随着气温的上升, 地铁列车本身的工作负荷也会相对加大, 使得整个ATC系统出现故障, 早晚高峰时期也会因为加大系统的工作符合而导致事故多发, 因此可以得知, 在环境过于严酷的情况下, 信号系统的事故发生率会逐渐提高。

3 ATC系统故障频率预测

分析2015 年南京地铁ATC系统故障频率之后, 可以将2014 年南京地铁故障日志数据与2015 年进行比较, 如表3。

根据表3 可以得知平均误差为13.65%, 此误差在可以接受的范围之内, 因此ATC系统的故障频率预测基本正确。

4 结束语

综上所述, 本文就地铁列车ATC系统故障频率分析与预测进行了详细的分析, 将2015 年南京地铁事故日志作为研究基础, 结合stata软件来整理相关的数据信息, 并对其进行适当的加工和整理, 可以对ATC系统故障频率进行合理的分析和预测。