• 中文
  • 注册
  • 德凯宜特
    固纬电子
    可靠性试验 可靠性试验 关注:1 内容:3237

    OSA-CBM体系结构的PHM系统

  • 查看作者
  • 打赏作者
  • 拉黑名单
    • 可靠性试验
    • PHM技术在航空航天、军事及工业领域的应用,形成了众多的PHM系统,如直升机健康与使用监测系统HUMS,航天器集成健康管理系统IVHMS,飞机状态监测系统ACMS,发动机监测系统EMS,海军综合状态评估系统ICAS等,虽应用目的、技术方法不同,但其基本思想是类似的,其中以视情维修的开放体系OSA-CBM最为典型。

      一、OSA-CBM体系结构

      OSA-CBM休系结构,是由美国波音公司牵头,来自工业、军事、传感器技术及科研院所等10多个机构联合制定的,该体系结构如图1所示。

      OSA-CBM体系结构的PHM系统

      图1

      OSA-CBM体系结构主要由数据采集和传输、数据处理、状态监测、健康评估、故障预测、自动推理决策及接口7个部门组成。

      1.数据采集和传输

      该部分利用各种无源和智能传感器采集装备系统的相关信息,做为数据基础,并具有数据转换和传输等功能。

      2.数据处理

      该部分接受来自传感器以其他处理模块的信号和数据,并将数据处理成后继状态监测、健康评估和故障预测等部分处理要求的格式。

      3.状态监测

      该部分接受来自传感器、数据处理的数据,然后将数据与预定的失效判据等进行比较来监测系统当前状态,并根据预定各种参数指标阈值进行故障报警。

      4.健康评估

      该部分接受状态监测模块的数据,进行系统的健康状态评估,形成故障诊断结果或故障发生的可能性。

      5.故障预测

      该部分综合利用前述各部分数据信息,对被监测系统进行预测其剩余寿命,未来的健康状态等。

      6.自动推理决策

      该部分接受来自状态监测、健康评估和故障预测部分的数据,通过推理决策产生更换、维修等活动的建议与措施。

      7.接口

      该部分主要包括人机接口和机机接口,人机接口包括状态监测模块的警告信息显示及健康评估,故障预测和决策支持模块的数据信息表示等,机机接口用于实现各模块之间以及PHM系统与其他系统之间的数据信息传递。

      二、PHM系统信息结构与功能

      OSA-CBM标准体系,从信息交换的角度,可将PHM系统分为7层,如图2所示。在PHM系统的功能分层结构中,自下而上是一个信息的获取,转换,分析,应用和展示的过程,自上而下是一个命令或配置信息下达的过程。

      OSA-CBM体系结构的PHM系统

      图2

      PHM系统应具备的主要功能:

      1.功能单元,部件,系统的状态监测功能。

      2.功能单元,部件,系统状态,性能数据的采集和传输功能。

      3.功能单元,部件,系统的增强故障诊断能力。

      4.功能单元,部件,系统的故障预测和剩余寿命的预计功能。一是早期检测部件或功能单元的故障征兆或初始故障状态;二是预计在部件初始故障状态向最终失效发展过程中的任一时间剩余使用寿命;三是积累装备限寿件的寿命消耗情况。

      5.功能单元,部件,系统状态管理功能。

      OSA-CBM体系结构的PHM系统

      三、关键技术

      从OSA-CBM体系,我们来看下PHM系统的关键技术。

      1.传感器应用技术

      获取直接表征系统故障/健康状态的参数指标或间接用于推理判断的参数信息,是PHM系统工作的基础,传感器技术的应用将直接影响系统的效果。

      传感器应用技术主要包含4个方面的内容

      1)是选择待监测的参数;

      2)是选用传感器的类型;

      3)是选择传感器安装位置;

      4)确定传感器的精度和带宽等。

      目前关于传感器应用技术的研究主要集中在3个方面,一是对传感器性能的优化,二是研究小型集成低功耗型传感器,三是传感器网络研究。

      2.数据处理技术

      PHM系统获取所需的各种数据后,需对数据进行相应的处理以得到有用的信息,为后续的状态评估和故障预测提供数据支持。数据处理技术主要包括数据预处理技术,特征提取技术和数据挖掘技术。

      数据预处理通常包括模数转换处理,数据去噪声处理,数据滤波处理,数据压缩处理和数据自相关处理。

      特征提取的目的是为了进行故障识别和故障隔离,其数据处理过程是:对初始模式向量进行维数压缩,去掉初始模式中的噪声和冗余信息,融合来自各个信道的故障信息,强化和提出故障特征形成待检模式等。特征提取主要涉及信息预处理,状态信息表征及特征向量的有效检验等。

      数据挖掘就是从数据库中抽取隐含的,具有潜在应用价值信息,并利用可视化和知识表达的过程。常用的数据挖掘方法包括粗糙集理论,遗传算法和支持向量机等。

      3.健康状态评估技术

      健康状态评估是指从多个传感器测量,虚拟测量,BIT测试以及其他信息中提取健康特征并进行融合处理,以实现对系统健康状态的分类或估计。健康状态评估是实施故障预测和维修决策的基础,主要解决两个问题,一是健康评估指标体系的建立及优化;二是如何快速有效地对系统的健康状态进行评估。

      健康评估的方法很多,有阈值判断法,也包括基于规则,案例和模型的推理算法等。

      4.故障预测技术

      故障预测是指综合利用各种数据信息加监测参数,使用状况,当前环境,工作条件,早先试验数据和历史经验等,并借助各种推理技术和数学模型,人工智能等评估部件或系统的剩余使用寿命,预计其未来的健康状态。

      故障预测技术的方法分类如下:

      1)按采集信息源不同分类有,基于故障状态信息的故障预测、基于异常现象信息的故障预测、基于使用环境信息的故障预测和基于损伤标尺的故障预测等。

      2)按采用数学方法有,基于概率分布的故障预测,基于信息融合的故障预测,基于模糊理论的故障预测,基于灰色理论的故障预测、基于神经网络的故障预测、基于专家系统的故障预测等。

      3)按采取的模型不同分为基于特征进化模型的故障预测,基于故障物理模型的故障预测和基于累积损伤模型的故障预测等。

      5.状态维修决策技术

      状态维修决策技术是指根据系统健康状态和维修条件,进行维修方式和维修类型等决策的技术。其主要包含状态维修行为决策、状态维修时机预测和维修间隔期决策等。常用的状态维修决策方法有模糊多属性决策法,比例风险模型法和实时可靠性评估法等。

      6.验证与评估技术

      为保证设计的PHM系统能够达到预期的目的,需要进行系统的验证与评估,常用的验证与评估方法有实际运行验证,加速试验验证,分析验证,建模与仿真验证,技术风险评估,使用效益评估等。本文转自: 可靠性杂坛

      请登录之后再进行评论

      登录
    • 发表内容
    • 实时动态
    • 偏好设置
    • 做任务
    • 返回顶部
    • 帖子间隔 侧栏位置: