故障预测与健康管理_[美]道格拉斯?古德曼（Douglas Goodman）,[_9787118140897

本书是一本基于状态数据（CBD）来进行系统健康和寿命预测的综合指南。故障预测与健康管理为理解基于状态数据来监测和管理系统健康状态以提高系统可靠性的理论基础和方法提供了权威指南。该指南应用基于状态数据，生成特征后输入到预测算法，对健康和寿命进行故障预测。这种久经考验的方法使用从基于状态的电信号（包括代表物理组件的电信号）中提取的电子标签，并采用包括数据融合和转换、域转换、标准化、规范化和信号级别转换在内的处理方法，来支持故障预测。

本书主要为在关键流程行业工作的系统工程师以及汽车和航空航天设计师编写。

充分考虑故障模式、运行环境和工况的建模和数据处理方法，介绍了一种基于特征数据的方法，它是通过提取故障或状态指标的先导指标作为特征数据来形成基于状态数据（CBD）特征，这些特征可以归一化并转换为无量纲比值，称为功能失效预测（FFP）特征。FFP 特征构成特征曲线族，每个曲线族都基于导致退化的失效机制总体，并引起监测信号的变化。本书给出了一组退化特征模型，每个模型代表一种退化模式，并展示了如何使用这些模型将 FFP 特征转换为退化过程特征（DPS）数据，以及如何将其转换为功能失效特征（FFS）数据，该数据特别适用于预测算法。FFS 数据形成线性化的传递曲线，在没有发生退化的情况下，其值为 0 或更小；当被监测的部件、组件或系统（可预测的目标）达到或超过退化水平时，其值为 100 或更大，使预测目标不能够在规范范围内运行。当所有的噪声（即并非由退化引起的数据变化）从监测信号中去除时，FFP 特征可以转换为 DPS 数据，根据 DPS 数据形成线性直线传递曲线，根据设定的功能失效发生时间的阈值，可以将 DPS 数据转换为 FFS 数据。由于无法消除所有噪声，本书提出了一些实用的信号处理技术，以改善或减轻噪声的影响，包括但不限于以下内容：数据融合、数据转换、域转换、滤波、阈值宽裕度、数据平滑处理和数据趋势分析。本书用有噪声数据的案例对这些技术进行了阐述，其中包括表现信号变化以及由温度和反馈引起的曲线形状变化的数据。此外，本书还介绍了非线性退化速率和多种退化模式的影响，以及处理这些影响的方法和技术。提出了一种利用退化模型和数据处理的启发式方法。结果表明，即使幂函数类型退化的幂的确切值或指数函数类型退化的寿命值未知，或 CBD 特征使老化速度指数级变化的结果是否存在潜在的幂函数类型退化未知，但是 FFS 数据具有足够多的线性特征，从而提供非常准确的预测信息。预测信息的不准确（误差）是由传感系统的不足造成的，主要有两个因素：一是用于融合、转换、调节和处理数据的信号调节与数据处理的例行程序；二是系统采样和数据采样的不足（不精确建模）。在系统采样率和数据采样率足够高的情况下，预测信息的准确性接近系统的极限水平。系统对预测精度的限制主要是由测量的不确定性和误差造成的，例如数字化、量化误差、数学舍人、制造公差、温度和压力等环境影响的测量值变化，制造引起的数值的变化，等等。一个经常被忽视导致预测准确或不准确的因素是传感系统采用的取样方法：要求最小功能失效预测范围为 20 周，准确度在 10% 以内，失效时间精度为 ±1 周，此时使用每 2 周采样一个节点数据的传感系统没有意义。结果表明，尽管所有曲线存在诱发噪声的非线性效应，但 PHM 系统预测算法的设计和开发比较简单，并不复杂，而且很容易提供非常准确的预测信息，如估算剩余使用寿命（RUL）和健康状况（SoH）。为了说明这一点，作者使用了自适应剩余寿命估计器（ARULE）程序中的计算预测算法。传感系统应采用采样、滤波、掩蔽、融合、转换数据类型和域（如时间和频率）、平滑处理等方法和手段获取和控制 CBD，以充分改善和减轻所有噪声的影响。PHM 系统中使用传感系统的最终目标是成为将监测信号转换成具有足够线性的传递曲线，以支持形成准确的预测信息的传感器。预测信息至少应包含以下内容：

如果输入的振幅等于或低于退化阈值，则健康状况为 100%。
如果输入的振幅等于或高于失效阈值，则健康状况为 0。
故障预测目标发生退化：健康状况在 0~100%。
RUL 估计值：寿命终止（EOL）前的估计剩余时间。
预测范围（PH）估计值：当前时间加上 RUL 估计值。

本书给出了一个典型 PHM 系统稳健原型设计，包括一个框架架构和支持故障预测的控制 / 数据流，可启动六个组件（可在线更换单元）：两个开关模式电源和四个机电执行器。每个开关模式电源都能使用单个传感器对单个失效模式进行预测：滤波电容的损失。每个机电执行器都能使用一组相位电流传感器对三种不同的失效模式实现故障预测：执行器的 H 桥控制器中功率开关晶体管的导通电阻增大；执行器的无刷直流电机绕组中产生退化；以及直流电机轴上负载过高。该系统包括两个子系统，每个子系统有三个支持故障预测的单元：一个电源和两个机电执行器。本书提出了一种设计方案，以实现以下功能：第一，对控制单元的轮询和采样，以获取、调节和处理 CBD，进而生成预测信息；第二，支持检查点或重启，其中系统可以停止、暂停或结束，然后重新启动；第三，演示如何使用警报来支持事件触发维护。本书第 7 章是关于故障预测的作用选择、评估和其他考量。

致谢

作者想要对我们的家人，尤其是我们的妻子和我们的同事给予我们的理解、耐心和支持表示感谢。感谢对本书中的研究成果提供支持的众多政府机构和技术联络点：国防部 - 美国海军航空系统司令部（NAVAIR）、美国海军海上系统司令部（NAVSEA）、美国空军和陆军、美国航空航天局（NASA）和美国能源部。感谢威利出版公司的工作人员对我们的支持、理解和鼓励。最后，感谢本书编辑理查德?汤普森在后勤、编辑、协调和与威利出版公司工作人员联络等方面提供的支持和帮助。

我要评论