一、引言
故障预测与健康管理（Prognostics and Health Management，PHM）技术是提高复杂系统可靠性、维修性、综合保障性，降低维护费用的一项前景广阔的军民两用技术，PHM技术通过监测系统部件的状况，诊断系统故障，并根据部件的损伤退化规律和当前状态确定部件的剩余使用寿命，从而对维修保障活动做出管理和决策[1]。
机电系统作为一个核心系统，是保障飞机航空电子、飞行控制等系统的正常运行和乘员安全的必要条件，其健康状态与飞机安全密切相关。因此，整个机电系统必须要具备高可靠性、高安全性和高可维修性。为防止飞机因机电系统部件故障引发飞机整体故障进而造成灾难性事故，对机电系统部件进行状态监测、快速故障诊断与定位、准确预测故障和评估剩余寿命，具有非常重要的意义。
随着PHM技术的快速发展，大量科研机构、学校、工程单位等均开展了PHM技术的研究和应用，智能传感器、诊断和预测、健康评估等关键技术也取得一系列的科研成果，在此背景下，借鉴航空航天、国防军事等科研领域中取得的装备健康管理的成功经验，用于设计并实现机电系统健康管理系统，可以为目前在机电系统状态评估和维修工作中所面临的难题提供系统级解决方案。
二、机电系统PHM技术架构
典型的机电系统包括电源、第二动力、燃油、液压、机轮刹车、环境控制、防护救生和生活设施等子系统。
机电系统因其机、电相结合的特点，最易发生故障的性能薄弱环节预计故障模式包括电气控制部分、机电结合部分以及机械类故障三个部分。电气控制部分，由温湿度环境、元器件寿命、老化、疲劳、辐射、气压导致的检测与传感装置、控制与信息处理部分的器件损坏、模块故障等故障；机电结合部分，长期使用、外力导致的连接故障、接触不良、断开、指令错误、异常干扰等故障；机械类故障，如长期使用、环境、强振动或冲击导致的驱动装置或执行机构疲劳、裂纹、断裂、磨损、缺陷、擦伤、润滑不良、静电、腐蚀、电解、老热化、溶化、热击穿、冻裂等故障[2]。PHM技术就是利用采集到的各种故障模式下的传感器数据，通过各种智能推理算法来诊断和预测系统或部件故障，评估其自身的健康状态和寿命，并与故障发生前结合各种可利用的资源信息提供一系列的视情维修和健康管理决策，从而保障系统或部件可靠运行。PHM技术的系统框架如图1所示。
图1 PHM系统框架
传感器为PHM系统提供基础数据，经处理后为可识别、可直接调用的数据格式，提取含有故障分量的特征参数，供状态检测模块识别、判断、报警；对于有参数退化现象的数据，通过健康评估软件评估当前健康程度，由故障预测程序确定故障发生的可能性以及发生时间，进而判断该部件或部位的剩余寿命，该结论与维修业务相关联，实现与业务相结合的维修决策，产生指导维修操作的动作、行为建议。上述各个模块均具有人机接口，以实现良好的人机交互。
三、PHM技术现状及研究方向
PHM技术依据获取的传感器数据，借助智能推理机来评估系统或部件的状态，其核心是故障诊断与故障预测技术。在故障诊断技术方面，其发展历程大致经历了三个阶段，分别是基于解析模型的方法、基于信号处理的方法和基于数据驱动的方法。
基于模型的方法以精确的解析模型为基础，适合在信息充足和工艺模型相对确定的条件下应用。基于信号处理的故障诊断方法从过程变量不同时刻的采样值组成的信号中获取信息，利用信号分析技术提取信息，根据信号的分析方法差异，可分为以时域信号为主的分析方法、以频域信号为主的分析方法和以时频域信号为主的分析方法。基于数据驱动的方法包含基于统计分析的方法和基于知识的方法，基于统计分析的诊断方法是对过程数据统计量进行分析，通过观测该统计量的变化反应设备的健康状况,基于知识的诊断方法早期以专家系统为主，需要根据经验知识建立庞大的知识规则库，基于非量化的特征如状态和属性进行推断。
故障预测是PHM的核心，其关键是估计在故障出现之前设备的剩余使用寿命。故障预测方法常分为基于模型的预测方法和数据驱动的预测方法。以数据驱动的故障预测技术为例，可分为基于统计可靠性的方法、基于时间序列的方法、基于状态信息的方法、组合预测的方法。基于统计可靠性的方法，是从统计特性的角度分析历史数据，实际上是一种基于概率的故障预测技术；基于时间序列的预测技术根据序列所反映的发展趋势、方向等进行类推或者延伸，进而预测该序列下一个时间段所处的状态，经过多步预测或递归预测等方法直至到达规定的阈值，据此估计对象的剩余使用寿命；基于状态信息的方法适用于故障数据少而表征对象状态的状态特征数据多的情况；组合预测是考虑多种方法的优缺点，集合每个方法的特点进行预测的方法，避免了单一预测模型的不足[3]。
基于PHM技术发展现状，其后续研究方向包括数据采集和传感器技术改进、大数据分析和人工智能算法优化、故障预测和预警技术提高、自适应维护策略和优化算法发展，以及云平台和远程监测技术的提升。数据采集和传感器技术会基于高质量的传感器和数据采集设备，以实现更准确、可靠的数据采集和传输；大数据分析和人工智能技术将研究更强大的数据分析算法、深度学习模型和机器学习模型，以提高故障预测的准确性和效率；故障预测和预警技术会向更先进的故障预测模型、故障特征提取算法和实时监测技术发展，以实现更早的故障识别和预警；自适应维护策略和优化技术基于预测结果的自适应维护策略和优化算法，以最大程度的延长设备寿命、降低维护成本；云平台和远程监测技术依托于更安全、可靠的云平台和远程监测技术，以提高PHM系统的可用性和便捷性。
四、结束语
PHM技术不仅具有各种故障诊断、预测、及监测等功能,而且其还能结合智能信息技术,实现飞机的自主综合保障，从而可以有效地减少机电系统运行和工作过程中的各类意外风险，为系统的状态预知、缺陷规避和解决提供支撑。目前国内在PHM技术方面发展迅猛，然而在实际工程中的应用还远未达到普及的程度。从机电系统的性能评估业务、故障识别以及维修方案的制定等业务上，应用故障诊断与健康管理技术,可显著提高飞机的架次出动率，极大提升飞机的使用效能和完成既定任务的能力，减少地面维护和修理的停机时间，节约维修费用。因此，深入研究PHM技术在机电系统中的应用方法，具有非常重要的经济效益和社会价值。
五、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,2010,24(1):1-9.
[2] 王景霖，林泽力，郑国，何泳.飞机机电系统PHM技术方案研究[J].计算机测量与控制，2016,24(5):163-166.
[3] 张辉斌.基于机器学习的机电系统部件级PHM技术研究[D].南京航空航天大学.2019.