基于風洞的設備健康管理與數據有效性判定平臺研究

,, ,

(1.中國航空工業空氣動力研究院 低速高雷諾數氣動力航空科技重點實驗室， 哈爾濱 150001; 2.北京航天測控技術有限公司，北京 100041)

基于風洞的設備健康管理與數據有效性判定平臺研究

張偉1,王仙勇2,桂兵1,張志2

(1.中國航空工業空氣動力研究院低速高雷諾數氣動力航空科技重點實驗室，哈爾濱150001; 2.北京航天測控技術有限公司，北京100041)

低速增壓風洞是滿足我國航空工業科技發展而建設的一座氣動力重大基礎試驗設施;為了保障該設施的高效率和可靠地運行，以各機電設備、電氣測控設備、機械裝置為對象，根據其故障模式和故障特點選取合適的監測點，獲取實時工作狀態數據，再以數據為基礎，進行狀態監測、故障診斷、故障預測，實現預先性決策和針對性快速維修;基于OSA-CBM+體系構建的風洞健康管理系統，根據設備的運行狀態，實現對試驗數據的有效性進行實時判定，并實現了風洞裝備由事后維修向視情維修轉變；實現了裝備從使用、維護、管理模式由分散式管理向集約式管理的轉變；實現了裝備系統故障診斷、預測及判讀從人工智能向機器智能的轉變。

風洞；OSA-CBM；健康管理；有效性判定

0 引言

風洞是航空航天領域極為重要的地面試驗設施，風洞設備的運維是確保裝備性能和試驗能力的至關重要的工作。長期以來，風洞試驗裝備運維修普遍采用定期維修和故障維修(即事后維修)[2]相結合的維修模式。這種維修模式的優點是可以有準備、有計劃地安排維修活動，減少非計劃故障停機，故障原因容易診斷。但隨著風洞試驗設備增多、結構復雜程度增加、設備智能化以及技術集成度增大，面對逐年增加的試驗任務和日益突出的試修矛盾，上述維修模式已明顯暴露出維修不足或維修過剩問題，難以滿足裝備保障的預見性、及時性、有效性的要求。為此，結合當今國際先進的OSA-CBM+系統體系[4]，以國內非常重要的低速增壓為試點，進行試驗裝備的健康管理系統平臺建設，實現以保障風洞整體試驗性能為中心，加強裝備的狀態監測能力、提高故障診斷的智能化水平、實時判斷試驗數據的有效性、增強裝備維修預見性、建立風洞試驗裝備的動態管理能力等為目標，創建風洞試驗裝備健康管理新模式[1]。

1 系統框架

基于風洞的設備健康管理與數據有效性判定平臺采用OSA-CBM的體系結構，如圖1所示。OSA-CBM的體系結構分為數據采集模塊、數據處理模塊、狀態監測模塊、性能評估模塊、壽命預測模塊、決策支持模塊及表述模塊共7個架構層次，通過定義不同層級之間的數據接口和通訊協議，保證了OSA-CBM體系結構內部不同層次模塊的互操作性和互換性。與OSA-CBM體系結構相對應，該風洞的設備健康管理與數據有效性判定平臺擬開展主要包括狀態監測、故障診斷、故障預測和數據判定四部分設計工作。狀態監測對應于OSA-CBM的前三層，包括數據采集模塊、數據處理模塊及狀態監測模塊。故障診斷、故障預測及數據判讀對應OSA-CBM系統的性能評估模塊、壽命預測模塊和決策支持模塊。

圖1 OSA-CBM的體系結構圖

狀態監測通過三大子模塊完成現場試驗數據的采集、處理及上傳顯示。數據采集模塊通過在監測點部署相應的傳感器，完成現場試驗數據的實時采集；數據處理模塊通過相應的數據處理及分析方法，完成現場試驗數據的特征值提取及初步的故障分析，并上傳給實時數據庫服務器；狀態監測完成各試驗裝備運行狀態的實時監測、狀態判斷和應急響應。

故障診斷針對突發性故障，以構建故障裝備的系統模型、故障案例及故障規則為基礎，通過故障診斷服務進行故障推理和判斷，完成試驗裝備的故障診斷，并自動生成應急性維修報告。

故障預測針對試驗裝備的漸進性故障，以構建試驗裝備的性能衰退評估模型，通過相應的預測算法(包括AR算法、ARMA算法、ETS算法及最鄰近法等)進行試驗裝備的性能評估，完成剩余壽命預測。

圖3 狀態監測數據流結構圖

有效判定針對歷次試驗數據，以構建試驗裝備的有效狀態規則、專家知識及歷史數據為基礎，完成歷次風洞試驗數據的有效性判定，并自動生成有效判定報告，為后續的決策層提供參考。

應用軟件平臺對應于OSA-CBM的表述模塊，通過上述風洞的設備健康管理與數據有效性判定平臺各層次的信息輸入和輸出，集中實現各層次功能和業務[2-3]。

2 系統組成

在風洞試驗中，洞體是風洞試驗系統最基本的組成部分，其他子系統主要包括由動力系統完成試驗條件下的穩定風速控制，由試驗車架完成試驗模型的快速更換，由壓氣機完成試驗條件的保證，試驗數據和狀態采集與監測。其參試性能、可靠性和連續試驗時間將直接關系到完成試驗任務的質量和效率。為此，本項研究選取上述四大系統為風洞的設備健康管理與數據有效性判定平臺實施對象，采用增強型基于狀態的維修(OSA-CBM)[4-5]體系結構形式，按照風洞各主要裝備的故障分類，進行風洞的設備健康管理與數據有效性判定平臺的層次結構設計，主要包括狀態監測、故障診斷、故障預測和有效判定4個部分，如圖2所示。

圖2 風洞的設備健康管理與數據有效性判定平臺層次結構圖

2.1 狀態監測子系統

狀態監測模塊采用組態軟件設計，通過標準網絡傳輸協議實現與前端數據采集設備的數據交互。其中機械裝置的監測，采用低頻加速度傳感器，監測軸承位水平、垂直振動；安裝振動傳感器，解決安裝不正、松動、軸彎曲、對中不良等問題；安裝SPM沖擊脈沖傳感器，采用沖擊脈沖與沖擊脈沖頻譜分析技術，對沖擊指標、軸承損傷程度、潤滑狀態(油膜厚度)進行實時監控，可有效實現早期預警。測控電子設備的監測采用CRIO數采前端直接通過OPC協議將監測信號儲存到實時數據庫服務器；通過安裝時鐘同步程序，各子系統主機、機械結構實時數據庫服務器在實時數據庫服務器啟動時與之時鐘同步。試驗管理機通過TCP協議將每次試驗、以及各子系統的啟動結束指令發送給信息端口，作為實時數據庫服務器中監測數據片的標識，以供快捷的數據查詢。由此形成的狀態監測數據流結構如圖3所示。

2.2 故障診斷子系統

由于風洞的裝備復雜，種類繁多，故障模式和故障機理差異很大，采用固定的診斷方法難以滿足故障診斷要求，通過構建通用診斷架構，能夠兼容多種故障診斷方法，便于后期的擴展。本項目基于對成熟度和適應性等方面的考慮，采用多種診斷模式綜合應用，將規則診斷、案例診斷、智能診斷相結合，并支持用戶增加新的診斷模式，實現各試驗裝備的自動或半自動的故障診斷能力。故障診斷軟件原理如圖4所示。

圖4 故障診斷軟件原理圖

故障診斷軟件由知識管理、診斷服務和狀態顯示3個模塊構成。

知識管理主要完成故障診斷知識庫中知識的錄入、編輯、維護等工作，是故障診斷軟件的實現實時診斷的前提。

1)知識錄入：知識的錄入主要包括規則知識的錄入、案例知識的錄入及系統結構的錄入。

規則知識錄入采用表格化的編輯方式，用戶無需掌握錄入知識的詳細語法，只用在設置好的規則表格中逐項選擇規則表達的要素，如數據名稱，數據上限，數據下限，關系運算符等，通過點擊鼠標選擇相關條目即可完成編輯，通過向導或提示即可將編譯好的規則知識導入數據庫。

案例知識錄入采用表格化方式編輯，用戶可填入相關的約定項內容及關鍵字，由軟件自動完成知識的整理和歸納處理。案例知識錄入支持Excel表格形式的整體導入和導出。

系統結構錄入是根據風洞系統結構組成采用樹狀結構描述，在XML文件中定義，為方便故障診斷中規則知識的錄入而創建，構建好XML后可直接導入并存儲到數據庫中。

2)知識檢查：知識庫是故障診斷軟件的核心部分，知識庫中故障知識的正確性是影響系統性能的重要因素。在系統建立初期，由于知識庫規模較小，內容較簡單，知識庫的維護可以用人工方法進行維護，對規則逐條檢查就可以保證其一致性和完整性。但是隨著時間的推移，知識庫的規則越來越多，內容越來越復雜，規模越來越大，為了保證知識庫的正確性，必須對知識庫進行知識檢查。

3)知識管理：完成故障知識數據庫日常維護工作，包括知識修改，知識查詢，知識庫備份及更新功能

2.3 故障預測子系統

故障預測軟件工作流程如圖5所示。首先進行預測服務的相關配置，包括歷史數據個數、預測點數、預測方法、預測結果存儲位置等；然后，通過預測服務進行數據預處理，并確認是否具有對應的預測模型[6]；第三步，當存在對應的預測模型，則調用相應的預測模型進行預測并將預測結果存儲于數據庫；當不存在該預測模型時，利用參數預測進行數據的處理、模型的構建、故障預測及健康度的計算，最后將預測結果存儲于對應數據庫表中；第四步，監控軟件通過組態軟件直接調用預測結果進行結果的顯示，并根據實際預測結果給出相應的報警提示信息。

圖5 故障預測軟件工作流程

故障預測軟件采用基于數據的、特征參數法進行實時預測，具有開放性、易擴展、兼容性強等特點。預測算法采用基于時間序列的方法，從而符合風洞實際運行工況，并以數據為基礎建立風洞重要部件、部位的預測模型，形成壽命預測結論。

采用基于狀態特征參數法的好處在于大大提高了平臺的兼容性，屏蔽了由于數據類型差異導致的兼容能力差等問題(如不論是振動數據、電壓/電流數據或者應力應變數據都可以無縫加載和開展預測工作)，從而為數據分析、性能評估、壽命預測等業務提供了強有力的支持手段。

舉例說明，對于模型腹撐控制系統風洞試驗，故障預測從兩個方面考慮，一是以性能指標為依據，根據試驗運行時多個控制過程的運行數據，綜合評價該次試驗中各控制軸的性能指標，并預測各相關控制設備的性能衰退趨勢，從而預測其健康度[9-11]。二是以特征參數為依據，根據試驗運行時各控制軸關鍵部位的特征值、參考標準值，預測各關鍵部件相關特征值變化趨勢，從而預測各關鍵部件的健康度[7-8]。

2.4 有效判定子系統

試驗數據的有效性判定是該平臺的綜合管理模塊，通過判定軟件中的系統配置完成數據有效性方法、對象的配置，現場采集設備自身數據及采集數據上傳時，通過數據判定引擎完成有效性規則(狀態數據、自定義規則、經驗數據或專家庫)的自動化判定，實現試驗對象試驗數據有效性的智能監控。當發現數據異常或故障無效時，進行實時預警，并通過數據判定軟件的顯示界面進行顯示與發布。同時，將判定結果保存相應數據庫，供后期查閱及參考。數據判定軟件流程如圖6所示。

圖6 數據判定軟件流程圖

第一步，自定義對象：完成試驗數據有效判定對象的定義，根據實際試驗情況進行對象的添加、圖片的添加、權重的添加等；第二步，自定義判據：根據判定對象進行判定規則的定義，同時根據每條規則的關鍵性分析分配對應的規則權重，從而完成判據的定義；第三步，判定對象及判據入庫：通過保存前兩個步驟的配置項，完成判定對象及規則的入庫；第四步，當實時獲取試驗數據時，通過判定服務調用相關判據，實現試驗數據的有效判定；最后，通過信號級的判定結果，迭代計算部件、子系統及整個系統的有效值，再通過狀態顯示與發布組件將判定結果進行展示，并生成判定報告，為后續領導層的決策提供參考依據。

通過OSA-CBM+體系結構的7個層次，以C/S架構構建基于風洞的設備健康管理與數據有效性判定平臺，實現從試驗數據的采集、處理、監測、評估、預測、判定及展示的全周期過程管理。形成的4個軟件包，均采用模塊化設計，軟件框架、具體算法及服務引擎相互分開設計，最后通過內部接口實現信息及數據的融合。各個軟件可單獨運行，為后續的平臺擴展奠定基礎。

3 預期應用效果

風洞的設備健康管理與數據有效性判定平臺創建了風洞裝備健康管理新的模式，用以滿足快速增長的風洞試驗需求。在試驗裝備的狀態監測、故障診斷、實時預測和有效判定等關鍵環節進行了探索。對試驗裝備的維護管理產生效益分析見表1。

4 結論

1)風洞的設備健康管理與數據有效性判定平臺系統的建設，可實現風洞試驗裝備保障模式的“3個轉變”。即，風洞裝備由“事后”向“視情”的維修模式轉變；裝備的使用、維護、管理由分散式管理向集約式全壽命管理的轉變；裝備故障診斷、預測和判讀從經驗知識向人工智能的轉變。

2)預期在風洞的設備健康管理與數據有效性判定平臺系統應用后，將會明顯提高風洞運行的效率、降低運行成本，對以機械、測控電氣為核心設備的其它風洞或武器裝備具有很高的推廣應用價值。

表1 效益分析

3)風洞的設備健康管理與數據有效性判定平臺系統建設是探索和建立裝備維修保障新模式、解決試修矛盾、提高裝備科學化管理能力的有益嘗試，其意義重大，具有示范性和典型性。

[1] Dreyer S L. Autonomic logistics-developing an implementation approach for an existing military weapon system[ J ]. IEEE Instrumentation & Measurement Magazine，2006, 9(4):16-21.

[2] 曹艷華,等.裝甲裝備自主式保障關鍵要素分析[J]. 裝甲兵工程學院學報，2010,2:8-9.

[3] 張寶珍.健康管理平臺—信息時代武器裝備保障新模式[A].武器裝備綜合保障信息化技術研討會論文集[C].2009:1-7.

[4] Lebold M,Thurston M.Open standards for condition-based maintenance and prognostic systems[C]. maintenance and reliability conference(MARCON)[C].2001:4-8.

[5] 徐皚冬,等. 基于狀態的設備維護-CBM技術研究[J]. 工程機械，2005,6:9-11.

[6] 彭 宇,等.故障預測與健康管理技術綜述[J]. 電子測量與儀器學報，2010,1:3-4.

[7] 左憲章,等.故障預測技術綜述[J]. 火力與指揮控制，2010.

[8] 孫 博,等.基于特征參數趨勢進化的故障診斷和預測方法[J].航空學報，2008,3:394-396.

[9] 曾慶虎,等.基于KPCA-HSMM設備退化狀態識別與故障預測方法研究[J].儀器儀表學報，2009,7:1342-1346.

[10] 康建設,等.基于HM M的設備故障預測方法研究[J].系統與仿真技術，2009,3:167-170.

[11] 顏富強,等.基于SVM的電子裝備故障預測方法研究[J].艦船電子工程，2010,1:188-190.

ResearchonEquipmentHealthManagementandDataValidityDecisionPlatformBasedonWindTunnel

Zhang wei1, Wang Xianyong2, Gui Bing1, Zhang Zhi2

(1.AVIC Aerodynamics Research Institute, Harbin 150001, China;2.Beijing Aerospace Measurement & Control Technology Co., Ltd., Beijing 100041, China)

The low-pressure pressurized wind tunnel is a kind of aerodynamically important test facility which is suitable for the development of science and technology in China's aviation industry. In order to ensure the high efficiency and reliable operation of the facility, the appropriate monitoring points are selected according to the fault mode and fault characteristics, and the real-time working status data are obtained, and then the data is based on the mechanical and electrical equipment, electrical measurement and control equipment and mechanical devices , make the best of state monitoring, fault diagnosis, fault prediction, to achieve pre-decision-making and targeted rapid maintenance. Based on the OSA-CBM + system, the wind tunnel health management system is used to realize the real-time judgment of the validity of the test data according to the running status of the equipment. The wind tunnel equipment is changed from post-service maintenance to maintenance. , Maintenance, management mode from decentralized management to intensive management changes; to achieve the equipment system fault diagnosis ,prediction and judgment from artificial intelligence to machine intelligence changes.

wind tunnel; OSA-CBM; health management; effectiveness judgment

2017-07-25；

2017-08-10。

張 偉(1962-)，男，黑龍江哈爾濱人，碩士，研究員，主要從事風洞試驗測試與控制技術方向的研究。

1671-4598(2017)10-0030-05

10.16526/j.cnki.11-4762/tp.2017.10.009

V243

A