PHM 技术代表了一种理念的转变，是配备治理从事后处理、被动保护，到定期检查、被动防护，再到当时预测、综合治理不断深入的后果，旨在实现从基于传感器的诊断向基于智能零碎的预测转变，从疏忽对象性能进化的管制调节向思考性能进化的管制调节转变，从动态工作布局向动静工作布局转变，从定期培修到视情培修转变，从被动保障到被动保障转变。
引自：《智能运维与衰弱治理》（作者：肖雷，张洁）。由清华大学出版社「智造苑」原创首发，经受权公布。
01PHM 技术的外延
从概念外延上讲，PHM 技术（prognostics and health management，故障预测与衰弱治理）从内部测试、机内测试、状态监测和故障诊断倒退而来，波及故障预测和衰弱治理两大方面的内容。故障预测即 PHM 中的 P（prognostics）局部，次要是指依据零碎历史和以后的监测数据诊断、预测其以后和未来的衰弱状态、性能消退和故障的产生；衰弱治理即 PHM 中的 HM（health management），次要是指依据诊断、评估、预测的后果，联合可用的培修资源和设施应用要求等常识，对工作、培修与保障等流动做出适当布局、决策、打算与协调的能力。
PHM 技术的次要性能
如图 1 所示，次要包含要害零碎 / 部件的实时状态监控（传感器监测参数与性能指标等参数的监测）、故障判断（故障检测与隔离）、衰弱预测（包含性能趋势、使用寿命及故障的预测）、辅助决策（包含培修与工作的辅助决策）和资源管理（包含备品备件、保障设施等培修保障资源管理）、信息应需传输（包含故障选择性报告、信息压缩传输等）与治理等方面。
图 1 PHM 技术次要性能
PHM 技术代表了一种理念的转变，是配备治理从事后处理、被动保护，到定期检查、被动防护，再到当时预测、综合治理不断深入的后果，旨在实现从基于传感器的诊断向基于智能零碎的预测转变，从疏忽对象性能进化的管制调节向思考性能进化的管制调节转变，从动态工作布局向动静工作布局转变，从定期培修到视情培修转变，从被动保障到被动保障转变。故障预测可向短期协调控制提供参数调整机会，向中期工作布局提供参考信息，向保护决策提供根据信息。故障预测是实现控制参数、工作布局和视情培修的前提，是进步配备六性（可靠性、安全性、维修性、测试性、保障性、环境适应性）和升高全寿命周期费用的外围。近年来，PHM 技术受到了学术界和工业界的高度重视，在机械、电子、航空、航天、船舶、汽车、石化、冶金和电力等多个行业畛域失去了宽泛的利用。
PHM 技术并不是实用于所有的对象，是否采取 PHM 技术对设施进行治理须要同时思考故障的频率和故障影响的大小，如图 2 所示。对于故障频率高、故障影响小的设施应筹备更多的备件。对于故障频率高、故障影响大的设施次要是零碎设计的问题，须要改良设计。对于故障频率低、故障影响小的设施采纳传统的保护形式即可。对于故障频率低、故障影响大的设施应采纳 PHM 技术对其进行治理。
图 2 保护形式的抉择
02 国外 PHM 技术倒退 随着零碎和设施复杂性的减少以及信息技术的倒退，国外的 PHM 技术倒退先后经验了内部测试、机内测试（built-in test，BIT）、智能 BIT、综合诊断、PHM 共 5 个阶段。与此同时，培修决策技术的倒退也经验了预先培修、周期性预防保护、状态保护等阶段。目前，PHM 技术曾经失去美英等军事强国的深度钻研与推广应用，并正在成为新一代飞机、舰船和车辆等武器装备研制阶段与应用阶段的重要组成。代表性的 PHM 相干零碎包含：F-35 飞机 PHM 零碎、直升机衰弱与应用监控零碎（HUMS）、波音公司的飞机状态管理系统（AHM）、NASA 飞行器综合衰弱治理（IVHM）、美国海军综合状态评估零碎（ICAS）以及预测加强诊断系统（PEDS）。其中 PHM 技术在 F -35 战斗机上的利用最为典型，图 3 为 F -35 战斗机 PHM 零碎工作流程。
图 3 F-35 战斗机 PHM 零碎工作流程依据美军的统计数据，F-35 战斗机采纳 PHM 技术后故障不可复现率升高 82%，培修人力缩小 20%~40%，后勤规模缩小 50%，出动架次率进步 25%，飞机的应用与保障费用比过来机种缩小 50%，使用寿命达 8000 航行小时。基于上述指标，艰深地了解原来有 100 架飞机，施行 PHM 后能够当成 125 架飞机来用。验证评估是确认 PHM 设计后果是否达到设计要求，从而对设计欠缺和改良提出反馈的重要伎俩，是 PHM 设计开发、成熟化部署利用的关键环节。国外曾经公开的 PHM 验证零碎如表 1 所示。
表 1 国外曾经公开的 PHM 相干验证零碎
03 国内 PHM 技术倒退
我国在 PHM 零碎设计与验证基础理论与办法钻研方面起步较晚，钻研基础薄弱。近年来，国内相干院所次要在航空航天配备畛域发展了一系列的 PHM 零碎设计根底钻研工作，并联合型号技术攻关，边钻研边验证、迭代欠缺、双线并行，获得了肯定的成绩。目前，已初步构建了一套典型机电、电子、构造类产品的衰弱表征、衰弱度量与演变法则开掘的办法体系，造成了相干的诊断与预测模型设计办法。此外，还发展了肯定的 PHM 系统验证与评估、试验验证零碎设计等技术办法钻研，并造成了相干演示零碎与辅助工具。
联合配备应用和培修保障状况，我国在航空、航天、船舶、兵器等畛域正逐渐发展相干工程技术钻研。在 PHM 零碎能力与需要剖析根底上，从物理构造、综合诊断、信息处理以及性能构造等方面进行了 PHM 体系架构与集成的初步钻研；与此同时，也发展了 PHM 零碎参数指标体系、标准规范等钻研。在上述钻研根底之上，开发了相应的构造衰弱监测智能传感器、构造衰弱监测集成验证平台、机电 PHM 原型零碎与案例库、零碎测试性设计剖析工具、嵌入式智能诊断原型零碎，以辅助发展 PHM 零碎设计。
PHM 技术在国内的钻研起步较晚。尽管发展了大量的工作，并获得了显著的研究成果，但后期次要是跟踪国外工程利用，在相应基础理论与技术、零碎综合集成等方面的钻研还较少。作为 PHM 中的最为外围的技术之一——预测性保护，我国也与国外有着较大的差距。寰球物联网出名钻研机构 IoT Analytics 曾在 2016 年对寰球 110 家从事预测性保护的技术性公司进行了调研和排名，具体排名状况如图 4 所示。
图 4 波及预测性保护技术的公司排行榜纵观整个 PHM 的框架，我国与国外的差距具体表现在：
（1）在 PHM 系统集成与使能技术方面。国外曾经发展了大量的相干钻研和利用工作，初期国内仅是跟踪国外的工程利用，设计方面绝对落后，PHM 系统集成与使能工具设计相干钻研较少，工程利用亟待进一步深入研究。
（2）在简单零碎衰弱治理方面，国外已发展了大量的基于 PHM 的培修决策钻研工作和利用；同时，国外已在自愈资料、智能构造方面发展了大量的钻研，局部技术已有利用。国内配备仍以周期性预防保护为主，基于 PHM 的配备工作布局与培修决策钻研工作较少；我国在配备自愈钻研方面发展较晚，自愈资料与智能构造钻研方面以力实践钻研为主，而利用钻研较少。
（3）在简单零碎衰弱诊断与预测方面，国内外在此方面钻研差距不大，某些方向已达到国内先进程度。在办法钻研上，国内外均发展基于物理故障、数据驱动、模型、专家常识的诊断与预测技术钻研。然而，在技术成熟度上与利用广度上，国外当先国内。尤其在利用与 PHM 的新型智能传感器技术及安装研发上，国外已远当先于国内。
（4）在 PHM 能力试验验证方面，国外已发展了大量钻研，国内在 PHM 设计验证方面，也发展了初步的钻研工作，但目前还没有成熟的 PHM 体系综合建模、试验验证与能力评估技术办法体系，相干验证辅助工具与平台成绩还较少。国内外的 PHM 技术相干钻研倒退蓬勃，已造成不少的规范，近十年来与 PHM 相干的规范如表 2 所示。
表 2 PHM 相干规范
具体到开发 PHM 零碎设计，其流程共分为以下 7 步。
第 1 步：需要定义。需要定义其实就是判断是否须要做 PHM。在设计 PHM 零碎时首先要厘清问题的现状，做好问题的定义和问题的拆解。次要包含：在设施保护治理方面企业目前面临的挑战有哪些，如运维、品质、能效等；整个企业的预测性保护价值是多少；哪些设施或零部件能够确定为要害资产；是否有一些要害资产能够从预测性保护试点中收益；资产须要的牢靠度和可用性的指标是什么。
第 2 步：监控档次定义。确定监控档次次要是确定监控的对象，是产线、机器还是组件、部件。要抉择哪些要害的组件、部件进行建模，以及须要关怀哪些特定的故障模式等。在确定监控档次时需明确一点：并不是所有的设施或零部件都须要进行检测，只须要对故障产生频率不高，但故障产生后影响较大的设施或零部件进行监控。
第 3 步：模型抉择。依据监测的数量以及数据的品质，进行模型抉择。模型次要包含数据驱动的模型、机理式模型以及混合模型。混合式的模型能够时不同的数据驱动式的模型混合，也能够是不同的机理式的模型混合，也能够是数据驱动的模型和机理式的模型的混合。在建模时要思考是强数据弱机理还是弱数据强机理，抑或数据和机理都强。如果机理较强而数据量较少则须要借鉴畛域常识，应尽量采取机理式的模型。如果数据量较大而对机理不清晰，则实用于数据驱动的模型。
第 4 步：要害参数抉择。抉择要害参数与第 1 步和第 2 步密切相关，这一步次要是定义到底须要采集哪些数据。如果设施本身没有监测这些数据，则须要外加传感器。在应用传感器对设施进行状态监测时，须要思考传感器的类型、数量、传感器的布局、传感器的大小、分量、老本、灵敏度、为有线传输还是无线传输、数据传输速率和其余个性。
第 5 步：部署策略和实验设计。在此步骤开始采集一些可能进行可行性剖析的数据，这些数据要可能尽量反映残缺的工况，并且可能尽量笼罩不同的生效模式，要尽量可能撑持不同建模需要。最佳状态是能够采集设施或要害零部件的全寿命周期数据。所采集的数据具备典型的工业大数据 3B 个性，即品质差（bad quality）、碎片化（broken）和背景性（background）。
第 6 步：技术和经济性可行性研究。验证整个零碎从硬件到软件再到算法是否可能有机几何，算法是否闭环用户需要并理论传递给用户一些可执行的信息，同时对投资回报率等经济性的角度进行剖析，判断上述形式是否在老本可控范畴内最小水平定制化地推广。第 7 步：技术开发与上线利用。在确定技术和经济可行性之后，进行技术上线，并平行开展规模化的利用。