故障预测与健康管理(prognostics and health management，PHM)技术是指利用尽可能少的传感器采集系统的各种数据信息，借助各种智能推理算法(如物理模型、神经网络、数据融合、模糊逻辑、专家系统等)来评估系统自身的健康状态，在系统故障发生前对其故障进行预测，并结合各种可利用的资源信息提供一系列的维修保障措施以实现系统的视情维修^[1-4]。随着PHM技术在军事和民用领域的广泛应用，世界各国对PHM技术的兴趣日渐浓厚。PHM已成为国外新一代装备研制和实现自主式保障的一项核心技术，是21世纪提高复杂系统可靠性、维修性、测试性、保障性、安全性和降低寿命周期费用的一项非常有前途的军民两用技术，是研制复杂装备必须掌握的关键技术之一^[5-7]。对电机故障监测与诊断的研究是当前电机界研究的热点之一。从研究的种类上来说，目前电机故障监测与诊断技术研究的比较多且取得较好效果的是大型发电机和鼠笼式异步电机，对中、小型电机的故障监测与诊断的研究还比较少^[8-10]。

某型变频机组属于中、小型电机系统，由1台三相异步电动机和1台中频同步发电机组成，主要用来将三相50 Hz、380 V工频电源变换为三相400 Hz、220 V中频电源，为武器系统提供可靠电源。其工作可靠与否，直接关系武器系统整体作战效能的发挥。文中设计了1套以计算机为平台的变频机组故障预测与健康管理系统，期望实现对机组的状态监测、故障诊断和寿命预测，从而有效降低武器装备的故障率，节省维修费用。

1 变频机组PHM体系结构设计 1.1 变频机组PHM系统总体结构

变频机组故障预测与健康管理系统组成框图如图 1所示。

整个系统由调压电源、变频机组、负载、故障预测与健康管理系统等部分组成。其中，故障预测与健康管理系统包括状态监测系统、故障诊断系统及健康管理系统。

电源负责为待测变频机组提供50 Hz工频电源，负载用于模拟实际负载，测试不同功率输出情况下变频机组的工作情况。变频机组PHM系统中，状态检测系统主要完成监控功能，可以根据需要向待测变频机组发出起动、转并联、送电等状态控制信号，更重要的是可以检测变频机组的各种电能参数，便于监控和故障诊断；故障预测系统依据变频机组参数建立机组状态模型，然后对提取到的变频机组重要参数进行辨识，形成对故障信号的预先判断；健康管理系统综合利用各种数据信息如监测的参数、使用状况、当前的环境和工作条件、前期的试验数据、经验等，并借助各种推理技术如数学物理模型、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。

1.2 变频机组PHM系统结构设计

由于变频机组结构功能划分明确，其PHM系统逻辑结构采用集中式结构。信息处理核心是以工控机为基础的中央管理控制器，负责收集、解释用于评估的所有信号。对应健康管理行为的需要，PHM体系结构具体划分为5个模块。

1) 信号采集与处理模块。完成PHM系统所需基础数据的采集与处理。信号采集部分利用各型传感器完成对变频机组实时监测信息的采集，数据处理单元根据故障预测需要随采集数据进行滤波、特征提取，以利于故障预测。

2) 状态监测模块。接受来自信号采集与处理模块的数据，结合其他模块数据及自身状态设置，完成对变频机组各独立模块的状态分析，如综合分析判断电动机、调压系统、励磁回路等各模块状态结果。

3) 健康评估与预测模块。接受各状态监测模块数据，结合健康模块相关结论算法，形成评估模型，评估子系统健康状态及整个变频机组大系统的健康状态信息，并完成机组未来状态的健康估计，包括剩余寿命等参数估计。

4) 自动推理决策模块。接受来自状态监测、健康评估和故障预测部分的数据，根据系统未来运行剖面和当前健康状态，根据推理决策产生更换、维修活动等建议决策。

5) 接口表达模块。PHM系统的交互接口，包括状态监测模块的警告信息显示及健康评估、预测和决策支持模块的数据信息表示等，也包括系统中各模块之间的通信联系。

2 变频机组状态监测系统设计

变频机组监测系统主要实现信号采集及处理功能。为了提高检测的可靠性和准确性，文中以工控机为硬件基础、以虚拟仪器技术为软件基础构建监测系统。采用较为先进的分布式微机测控技术和计算机网络技术实现多任务、多进程实时并发处理，满足不同层次操作要求及测试要求。系统从硬件结构上可以分为：以工控机为基础的控制决策核心；以多功能卡、串口扩展卡、信号调理板、继电器输出板等为基础的信号处理与监测部分；以综合电量监测仪(50 Hz、400 Hz)、红外测温装置、绝缘电阻测试仪、直流电参数测量表等为基础的传感器信息采集部分；以及交流负载等外围辅助设备。

2.1 系统硬件设计

系统硬件框图如图 2所示。监控对象包括电源模块、变频机组和负载。在PHM系统硬件电路设计中，数据采集和信号调理是整个检测系统的关键环节。信号采集系统完成对系统不同输入和输出情况下关键特征参数的采集，包括变频机组关键部分的电动机、发电机、励磁回路、调压器等部分电压、电流、温度等。由综合电量监测仪、红外测温装置、绝缘电阻测试仪、霍尔型电流互感器等传感器变换来的电信号输入仪器的信号调理电路，经信号调理电路进行放大、滤波，然后再经数据采集卡存入内存，整个过程由软件控制。研究选用研华公司的PCI1710多功能数据采集卡保证数据及时准确传输，其采样数率可达100 kHz，采样通道的增益可编程，具有4K采样FIFO缓冲器，有可编程触发器/定时器。用DMA方式进行多通道高速数据采集，把采集到的数据存储到内存数组中，然后从该数组提取出每个参数的采集数据，直接对这些数据进行分析和处理。

信号调理电路的基本作用就是放大和预滤波，抑制干扰噪声信号的高频分量，将频带压缩以降低采样频率，避免产生混淆。电路采用的调理方式包括放大、隔离、滤波、线性化、防止电磁干扰等。状态监测部分除完成基本的对参数的超限判断，更要针对不同组成部分，利用已有故障预测算法进行分析、做出故障判断与预测。健康管理部分除完成操作监控、数据存储等基本功能，主要结合整个系统不同运行状态下的状态，分析判断变频机组最终运行状态。

2.2 系统软件设计

变频机组监测系统测试的主要参数包括电动机三相电源参数、发电机三相电源参数、变频机组温度、励磁电压和励磁电流等。为了便于实时监控机组的运行，软件增加了电动机参数曲线和发电机参数曲线的实时波形显示，相应波形可通过虚拟示波器显示出来，同时将波形保存在指定的数据库中。根据软件的设计思想，数据流图以主控计算机为核心，组成实时测试系统、数据库系统和故障预测系统。实时测试系统包括人机界面、信号采集和输出报警。数据库系统可进行测试数据的管理、记录、查询和报表打印，构成数据分析系统，具体结构如图 3所示。系统采用了Data控件和数据访问对象这2种与Jet数据库引擎接口的方法，用DAO创建数据库，用Data控件来绑定访问数据库。系统测试界面如图 4所示。

3 故障预测及健康管理系统设计

健康评估和故障诊断是PHM系统的核心部分，健康评估是指综合利用各种数据信息如监测的参数、使用状况、当前的环境和工作条件、前期的试验数据、经验等，并借助各种推理技术如数学物理模型、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。

3.1 电机系统故障预测技术

目前，应用于故障预测的方法根据系统复杂程度、预测能力和使用范围大致可分为3类：基于统计分布的方法、数据驱动的方法和基于模型的方法^[11-12]。由于系统的研究对象是确定的，从而可以根据变频机组各种已知参数分别建立异步电动机和同步发电机的物理模型，再对实时测试的数据进行分析处理，结合模型进行故障判断及预测，具体工作工程如图 5所示。测试过程中，利用神经网络理论，设计先进的特征提取技术和具有良好性能的分类器应用于电机系统故障预测与诊断。

以异步电动机气隙偏心故障为例，设计了基于经验模态分解的异步电机定子短路故障和轴承故障诊断方法。例如，在异步电机s=0.015，f₁=50 Hz，p=2情况下，检测到定子A相故障电流及其Hilbert模量如图 6所示，其电流信号拟合为

$ \begin{array}{l} {i_{{\rm{Af}}}}\left( t \right) = 10\cos \left( {2{\rm{ \mathsf{ π} }}{\mathit{f}_{\rm{1}}}t} \right) + 0.2\cos [\left( {{f_1}-{f_{\rm{r}}}} \right)2{\rm{ \mathsf{ π} }}\mathit{t}] + \\ \;\;\;\;\;\;\;\;\;\;\;\;\;0.2\cos[\left( {{f_1} + {f_{\rm{r}}}} \right)2{\rm{ \mathsf{ π} }}\mathit{t}], \end{array} $

式中f_r=(1-s)f₁/p。

根据设计算法，先对故障电流进行Hilbert变换，滤去Hilbert模信号中的直流分量，然后进行EMD分解。仿真结果如图 6(c)~(f)所示，可以得到4个IMF分量，IMF1即为需要提取的f_r分量。选取0~1 s作为分析对象来研究，可见，f_r分量可以通过EMD分解得到准确的分离，其频率为24.62 Hz，幅值为8，与理论模型计算值比较，分离出的IMF1分量即可作为故障的判据。仿真结果还表明：该方法精度高，即使在异步电动机发生轻微断条故障时，也能够成功提取故障特征分量，可作为有效的故障预测方法。

3.2 健康管理系统设计

健康管理系统主要是基于电机系统的故障诊断技术，结合寿命可靠性预测方法建立系统的健康管理系统。在分析寿命数据及失效过程模型化问题中，常用到一些参数模型，它们在相当广泛的范围内具有实用性。这些分布主要有指数分布、威布尔分布、对数正态分布^[12-14]。指数分布简单，在电子设备中应用很广，预测难度较大；威布尔分布也许是世界上使用最广泛的寿命分布，它是美国军标指定的适合于机电设备失效模型为寿命分布，可进行寿命预测；对数正态分布尽管有t值较大时危险函数递减这样不好的特性，但仍被应用到很多描述寿命分布的场合。变频发电机组作为典型的机电设备，因此建立以威布尔失效模式为主的寿命预测方法。

剩余寿命预测方法概括可分为数据驱动预测和模型驱动的预测。数据驱动预测主要用于原理尚不清楚的系统，缺点是强烈依赖于系统运行数据的质和量。模型驱动的预测主要用于能建立准确数学模型的地方，其优点是把系统机理知识用于监测，建立了衰减参数与选择预测特征之间的功能映射^[15]。混合方法能够综合前两者的优势。文中以模型为主的混合方法建立一个比较准确的系统数学模型，它含有反映环境因素和使用时间的变量，变量的系数由具体运行数据给出。

4 结论

虽然各种PHM系统已逐步开始得到应用，但还没有达到工程实用化的程度，目前还仅在部分关键的系统、部件中应用。但是PHM是大型复杂系统故障诊断体系的发展方向，对提高武器系统安全性能、提高维修保障效率、降低寿命周期费用、提高战斗力将起到重要作用。通过对变频发电机组PHM系统的研究，实现了变频机组故障预测与健康管理的基本功能，为未来电源装备高度智能、高度复杂、分层融合式的体系结构的预测与管理提供有益探索，在以后的设计与实践中还必须不断完善和提高。