行业需求：

随着维修保障技术的发展，复杂设备的应用日益广泛和重要，自动化、智能化发展的途径，为新时期提供了产品制造、测试、维修、保障的新方式。对于复杂设备的剩余寿命、其关键部件的故障预知以及设备的健康管理是保障设备正常工作、高效运转的重要前提。但是，在目前实际应用中还是存在以下瓶颈：传统的设备测试方式、定期检测体制，不能保证在第一时间获知故障预发生概率，严重影响了设备的可用性，降低了其使用效率；在复杂应用环境下，如山区、海上以及沙漠等场景，设备关键部件寿命会受到环境条件的严重影响，超负荷磨损、高退化情况时常发生，其状态或寿命会严重偏离常态下的正常值；现有设备由于受测试信息、测试手段、评估方法等因素的限制，在使用周期内，其过程寿命或剩余寿命难以预估，导致不能根据其寿命情况进行有效准确的修理和维修决策；有些设备，由于设计时的限制，并没有给出详实的测点，致使在其应用时，不能够得到全范围的测试信息用来判定设备的状态，严重影响了使用过程。综上，在复杂设备测试保障方面，急需解决三个问题：（1）如何解决故障预测问题？（2）如何解决健康状态预报问题？（3）如何解决剩余寿命预测问题？

系统组成：

先进的故障预测与健康管理系统（下文简称A-PHM）主要包括三大部分：设备上数据处理及报警单元、地面综合处理运行环境和通用开发环境。1. 设备上数据处理及报警单元主要完成数据的采集与预处理、故障快速预测与报警，并将处理后的数据及预测结论保存，同时传到地面运行环境。2. 地面综合处理运行环境主要完成设备下传数据的检测与故障特征提取、故障预测与状态预估、剩余寿命预测、健康评价与维修决策建议等分析与处理工作。3. 通用开发环境主要完成对象故障预测与健康管理系统构建的需求分析、功能确定、算法模型加载、仿真验证以及运行文件包的发布。

如图所示，在机上环境中，机上数据处理及报警单元收集测试或运行数据，在对数据进行滤波去噪、特征值提取等处理后，实现在线的报警和预警；采集和处理后的数据及故障信息，一方面可以采样存储到固态存储卡，另一方面也可以通过数据链路下传数据到地面运行环境。在地面运行环境中，分析处理系统可以实时接收下传的数据，也可以在任务结束后读取固态存储卡上信息进行处理；首先提取未发现的故障特征或数据规律，后一方面驱动故障诊断算法进行故障诊断，以检测是否已有故障发生，同时驱动预测模型进行关键部件的故障预测，以及驱动状态预估模型，进行部件或系统的状态预估；完成数据处理、故障诊断及预测、状态预估后，结合相应的结果值，驱动剩余寿命预测模型，对部件进行剩余寿命预测计算，给出剩余寿命；最后比照健康等级，进行健康状态评定，按照评定结果，提供维修决策建议，输出维修建议文件。

系统功能：

机上数据预处理；快速故障预测；报警判定及存储下传；数据接收及特征分析；故障诊断及预测；状态判定与预估；剩余寿命预测；健康评估及决策生成。

相关产品：

1. 故障仿真与建模软件（FauSM ）：完成故障特征的提取和故障建模。

2. 故障预测软件（FauPre ）：能够实现基于载荷实测的故障预测。

3. 状态预估与评估软件（CdEE ）：利用基于神经网络振动数据融合等方法实现状态预估。

4. 寿命预测软件（RULPre ）：利用基于倒谱分析等方法完成剩余寿命预测。

5. 通用架构与接口标准（GFIC ）：实现故障预测与健康管理系统的通用架构与接口定义。