面向工業設備故障預測與健康管理系統的信息物理系統架構設計

曹明路　胡鋼　沈航　周峰

摘 ? 要： 隨著信息化和工業化融合發展的不斷推進，工業設備的維護策略正在從原有的基于狀態監測的被動處理向基于綜合分析的主動管控轉變，故障預測與健康管理（PHM）技術被人們寄予厚望。為助力PHM技術在工業領域的規范化落地應用，在工業設備PHM系統的設計中引入信息物理系統（CPS）體系，搭建了涵蓋單元級、系統級、系統之系統級層級化架構;并結合不同的網絡連接和云計算部署方式，明確了系統調用的數據種類范圍，提出了基于CPS的在線、離線、遠程三種工業設備智能運維模式，以滿足不同類型、規模的工業企業的設備維護保障需求。

關鍵詞： 信息物理系統;故障預測與健康管理;工業設備;云計算;智能運維

中圖分類號：TP393 ? ?文獻標識碼：A ? ?文章編號：2095-8412 （2020） 04-069-05

工業技術創新 URL： http：//gyjs.cbpt.cnki.net ? ?DOI： 10.14103/j.issn.2095-8412.2020.04.013

引言

隨著工業生產過程逐步向數字化、網絡化、智能化方向發展，工業設備的復雜度和開放性大大提高，其運行管理和維護保障的精細化、科學化程度也相應面臨更高的要求，傳統的事后維修、定期維護等方式已不再適用。起源于航空領域的故障預測與健康管理（PHM）技術[1-3]，由于順應工業互聯網時代設備資產維護理念的發展趨勢，即從基于狀態監測的被動處理向基于綜合分析的主動管控轉變，因此近年來引起了很多工業領域人士的關注和重視。

目前PHM技術在工業領域的移植應用仍處于起步階段，尚未形成可大規模復制推廣的解決方案，究其原因主要難題在于，通常參照視情維修開放體系結構（OSA-CBM）進行功能分層的PHM系統，如何與工業系統自下而上由設備/產線級、工廠/企業級、跨企業協同級構成的層次化互聯結構相適應。為促進PHM技術在工業場景的落地應用，探索建立切合工業領域業務需求的PHM系統頂層架構非常關鍵。

信息物理系統（CPS）作為支撐信息化和工業化深度融合的綜合使能技術體系，通過對核心技術要素的有機整合，為工業系統各層級各環節之間的交互和協同提供了穩定、靈活、安全的運行框架[4]。將CPS架構引入PHM系統設計中，應用CPS基于數據自動流動的狀態感知、實時分析、科學決策、精準執行的閉環賦能體系[5]，將有利于推進PHM體系架構的標準化，加強PHM系統的集成性、可靠性和可擴展性。已有學者進行了相關嘗試，提出利用CPS助力PHM系統在工業領域發揮更大的效用[6-8]。

本文基于《信息物理系統白皮書》中CPS的三個標準層次[5]，提出了面向工業設備PHM系統的層級化CPS架構，為構建高效、可靠、實時協同的工業設備PHM系統提供了統一、柔性的參考框架，以支持PHM技術在工業領域的規范化適配;對應于PHM系統的邊緣側、私有云、公有云三種部署方式，進一步梳理了工業CPS架構下的三種設備智能運維模式，推動打造開放、協同的工業智能創新應用體系。

1 ?PHM系統的信息—物理融合特征

PHM系統通過傳感技術全面采集設備信息，借助各種智能算法和推理模型，監控、評估和管理設備健康狀態并預測未來趨勢，提供一系列的維護保障決策及任務規劃建議，從而實現設備對象的智能運維[9]。其關鍵在于數據和知識雙驅動的數字化建模，而這正是CPS的核心內涵——對物理實體建立“數字孿生”，構造虛擬空間與物理空間的實時映射和閉環交互，實現數據到信息的快速有效轉換。

CPS以數字孿生作為紐帶，跟蹤物理實體狀態變化，通過對數字虛體的智能分析來準確預測實體行為，完成快速優化決策并對實體精準執行，達成信息系統與物理系統的有機融合和深度協作。由此可見，PHM系統是CPS技術體系在設備維護管理這一場景的集中應用體現，具體從如下兩個方面進行分析：

在數據流通上，PHM系統基于設備對象的數字化模型，形成狀態感知、實時分析、科學決策、精準執行的數據閉環，具備顯著的信息—物理融合特征，是典型的CPS應用場景。

在應用層次上，PHM系統需要支持邊緣側、私有云、公有云等不同部署方式下的設備運維模式，與CPS單元級、系統級、系統之系統級的標準層級架構相契合。

2 ?面向工業設備PHM系統的CPS架構

2.1 ?系統總體架構

對應于CPS標準層次體系，采用層級化設計和分布式部署，搭建與工業設備PHM系統功能分層相融合的CPS架構，如圖1所示，由基于邊緣計算的單元級PHM、基于私有云的系統級PHM、基于公有云的系統之系統（SoS）級PHM組成。

系統架構以現場層的邊緣計算設備、工廠層的私有云平臺、跨企業協同層的公有云平臺為3級計算控制節點，對工業設備進行分層調度控制，通過CPS技術體系四大核心要素“一硬”（感知和自動控制）、“一軟”（工業軟件）、“一網”（工業網絡）、“一平臺”（工業云和智能服務平臺）[5]的逐級覆蓋和有機組合，構成不斷延伸和擴展的“感知—分析—決策—執行”數據流動閉環，涵蓋單元級、系統級、SoS級的分布式PHM系統，包括狀態監測、故障診斷、故障預測、健康管理等主要功能模塊及數據處理、接口等輔助功能模塊，通過各個功能模塊的精準調用和執行，實現對維護對象性能狀態的優化管理。

CPS架構的引入為PHM系統的功能實現和性能提升提供了多個方面的支持和助力。在物理側，針對目前工業設備數據感知采集的完整性、及時性和準確性問題，通過先進的嵌入式傳感控制技術，增強對底層數據的感知采集能力，為PHM系統形成支撐高級分析和智能優化的底層海量數據源。在賽博側，針對目前工業設備數據難以實現集成連通、計算分析工具能力不足的問題，通過打造新型的工業大數據分析平臺，提升工業設備數據的集成度和計算分析水平，為PHM系統提供強大的計算工具和分析方法。

2.2 ?單元級PHM架構

在現場層，工業控制計算機、工業智能網關等邊緣計算設備作為CPS最小單元，通過物理硬件（“一硬”）和自身嵌入式軟件系統、本地安裝的可擴展設備模型和算法（“一軟”）及通信模塊，使用實時采集的設備數據，對工業設備進行狀態監控、故障診斷等分析運算，并將計算結果和決策建議反饋至現場顯控裝置（如人機界面、聲音指示、顏色指示等），經過人的判斷后對工業設備執行相應的管控維護操作，構成最基本的“感知—分析—決策—執行”數據流動閉環，在設備運行現場實現實時、自主的狀態監測和故障診斷。

2.3 ?系統級PHM架構

在工廠層，通過設備用戶的企業私有云（“一硬一軟一網”）實現多個單元級PHM的集成，從而與現場層的單元級PHM共同構成系統級PHM。系統級PHM基于單元級PHM節點的數據采集、預處理和上傳，在私有云端調用設備歷史數據和算法模型，對工業設備進行狀態監控、故障診斷和故障預測等分析運算，并將計算結果和決策建議推送至設備用戶的制造執行系統（MES），經過人的判斷后對工業設備執行相應的管控維護操作，在現場層和工廠層這一更大范圍內形成“感知—分析—決策—執行”的數據流動閉環，對已接入企業網絡的設備實現先導性、主動性的維護保障。

2.4 SoS級PHM架構

在跨企業協同層，通過公有云（“一硬一軟一網一平臺”）將多個單元級PHM節點的海量數據匯聚到統一的網絡，在云平臺上調用設備歷史數據和經驗數據，通過數據聚合、數據重組、數據轉換、數據關聯、數據安全授權、數據落地一系列流程進行工業大數據處理，再調用設備模型、算法及知識庫，對工業設備進行狀態監控、遠程診斷、故障預測和健康管理等分析，并將計算結果和決策建議推送至設備用戶端、設備制造商端和設備服務商端的企業資源計劃（ERP）系統或供應鏈管理（SCM）系統，或采用郵件、短信等方式進行通知。經過人的判斷后，設備用戶、設備制造商、設備服務商將對工業設備執行相應的管控維護操作，從而在現場層、工廠層和跨企業協同層范圍內形成“感知—分析—決策—執行”的數據流動閉環，對工業設備實現最強洞察、最優決策的全面健康管理。

3 ?基于CPS的工業設備智能運維模式

針對上述涵蓋單元級、系統級、SoS級的CPS架構，結合不同的網絡連接和云計算部署方式，明確各級PHM所調用的數據種類范圍，并劃分為在線、離線、遠程三種智能運維模式，可支持不同類型、不同規模的工業企業按需選擇適用的服務。需要注意的是，本文中的在線、離線和遠程均是相對工業設備端而言。

3.1 ?基于實時數據的在線運維

對于某些安全保密要求較高、長距離調度、運行環境惡劣或者網絡不可達的工業設備，要求PHM系統具備一定程度的自治性，在與外界隔離或者盡可能少的人為參與的情況下，仍然能夠完成設備維護任務。另外，對于某些特別關鍵的工業設備，一旦發生故障將導致很大損失，為此對PHM系統的實時性、敏捷性要求較高，希望能提升設備維護效率，最大限度地減少損失。

在上述情況下，只能或者應盡可能地采用無需聯網的在線模式，利用“一軟一硬”形成單元級PHM的數據流動閉環，基于實時數據，調用本地安裝的算法模型，通過邊緣側的數據處理和分析，提供盡可能實時在線的預測、診斷和維修，以實現現場層的工業設備智能運維，并通過本地計算保證設備信息的隱私性和安全性。

在線運維模式適用的行業及場景有：保密性要求較高的行業;食品、制藥等產品安全性較高的行業;石油石化行業中的油氣管道、油庫等場景;電力行業中的發電、輸配電等場景;水務行業的污水處理、水利、灌溉等場景。

3.2 ?基于實時數據和歷史數據的離線運維

集團型企業在設備運維方面，關注的主要問題是如何實現資源的集中管控和內部共享，同時保障工業信息安全，最終實現企業核心競爭力的提升[10]。同時，集團型企業通常在資金、技術、人才方面都擁有相當的實力，具備建設私有云的基礎。

因此集團型企業宜采用離線模式，在私有云上部署與自身業務流程相契合的定制化PHM服務平臺，通過“一硬一軟一網”在企業內部的現場層和工廠層形成系統級PHM的數據流動閉環，基于所采集的實時數據和從云端調用的歷史數據，加載云端的算法模型，對設備進行狀態監控、故障診斷和故障預測，通過私有云平臺強大的數據存儲能力和計算能力，實現更精確的診斷、預測結果和更適配的設備維護策略，并對集團的工業設備進行集中維護管理，從而實現整個集團在設備維護業務方面的協同管理和資源共享。但可能在網絡數據傳輸中造成一些時間延遲，此外需要設備用戶對數據庫和知識庫自行進行更新和維護。

離線運維模式適用的行業及場景有：軌道交通行業中的盾構法隧道施工、鐵路調度管控等場景;電力行業中的風電機組故障診斷等場景;石油石化行業中的鉆井平臺預測性維護等場景。

3.3 基于實時數據、歷史數據和經驗數據的遠程運維

隨著工業設備智能化程度的提升，知識將在PHM系統中扮演更加重要的角色，而中小企業普遍面臨技術力量相對薄弱、資金有限、人才缺乏等問題，在設備維護方面亟需大量知識和工具的支持。對于中小企業來說，盲目建設私有云不僅增加自身負擔，還將造成一定程度的資源浪費。

此外，由于設備用戶無法獲取工業設備產品在設計、制造階段的信息，造成設備診斷和維護知識的匱乏。設備制造商雖然存儲了大量的工業設備產品信息和知識，但又忽視了向設備產品生命周期后期的知識傳遞，造成知識斷層，難以對工業設備維護提供有效的支撐。

基于以上分析，PHM系統應當支持工業設備的遠程接入，在公有云端提供共性技術、工具、數據、知識等資源的共享和協作，實現更加科學、全面的遠程PHM服務，同時降低用戶的設備維護成本;并通過開放的方式，依靠先進的軟、硬件資源和歷史診斷資源，不斷豐富知識庫和模型庫，廣泛吸收新的診斷方法。

采用遠程模式的工業企業用戶將目標設備接入公有云平臺后，可通過平臺的應用軟件接口與網站、APP等進行對接，利用平臺的軟硬件資源，按需獲取相關的PHM服務資源，基于所采集的實時數據、從云端調用的歷史數據和經驗數據進行分析運算，并享用第三方平臺資源的維護更新服務，從而通過遠程計算的共享性和協同性[10]，節約設備維護成本。

遠程運維模式適用的行業及場景有：汽車零配件、電子制造、機械加工、塑膠加工等中小企業居多的行業。

4 ?結論與展望

本文面向工業設備PHM系統，結合其功能分層，以邊緣計算設備、私有云平臺、公有云平臺為3級計算控制節點，通過現場層、工廠層和跨企業協同層的逐層擴展，在不同范圍內形成了“感知—分析—決策—執行”的基于數據流動的閉環賦能體系，從而構建了覆蓋單元級、系統級、SoS級的CPS架構。

通過各層級CPS的集成，實現人、機、物、環境、信息等要素的互聯互通，并基于物理空間與賽博空間之間的相互映射、實時交互、高效協同，逐步實現各個要素的云化，進而支持用戶在云平臺上對軟硬資產進行有效的管理、配置與優化，完成工業互聯網從應用層、平臺層到邊緣層的技術下沉和業務貫通。

通過工業設備PHM系統的狀態監測、遠程診斷、故障預測、健康管理等功能模塊的靈活調度，全面科學管理設備健康狀態，打造設備全生命周期的業務協同體系，實現設備用戶、設備制造商、設備維護商的全數字化打通，并為各類工業企業按需提供在線、離線、遠程3種模式的智能運維服務，構建工業行業數據驅動新模式。

CPS閉環賦能體系的加成將大大加強PHM技術在工業領域的落地可行性，提升各細分行業和場景的運作效率，具有重要的應用價值和廣闊的發展前景。

參考文獻

[1] 毛海濤， 潘華. 多機種一體化故障預測與健康管理技術應用研究[J]. 現代電子技術， 2015（5）： 46-50.

[2] 盧海濤， 王自力. 綜合航空電子系統故障診斷與健康管理技術發展[J]. 電光與控制， 2015（8）： 64-69， 90.

[3] 朱文博， 陳紹煒， 趙帥. 航電系統故障預測與健康管理體系結構分析[J]. 電光與控制， 2018， 25（12）： 63-66.

[4] 李洪陽， 魏慕恒， 黃潔， 等. 信息物理系統技術綜述[J]. 自動化學報， 2019， 45（001）： 37-50.

[5] 信息物理系統白皮書（2017）[R/OL]. （2017-03-01） [2018-05-12]. http：//www.cesi.ac.cn/201703/2251.html.

[6] 竇雯， 石慧， 焦曉璇， 等. 基于CPS架構的裝備PHM系統研究[C]// 第十屆全國信號和智能信息處理與應用學術會議.

[7] 金超. 基于CPS的預診斷與健康管理[J]. 軟件和集成電路， 2017（10）： 82-85.

[8] 陶飛， 劉蔚然， 劉檢華， 等. 數字孿生及其應用探索[J]. 計算機集成制造系統， 2018， 24（1）： 1-18.

[9] 呂琛， 馬劍， 王自力. PHM技術國內外發展情況綜述[J]. 計算機測量與控制， 2016， 24（9）： 1-4.

[10] 李向前. 復雜裝備故障預測與健康管理關鍵技術研究[D]. 北京： 北京理工大學， 2014.

作者簡介：

曹明路（1991—），女，湖北人，博士。研究方向：工業控制系統、工業互聯網、信息物理系統等。

胡鋼（1989—），男，山西人，碩士。研究方向：工業控制系統。

沈航（1983—），男，陜西人，碩士。研究方向：工業控制系統、工業通信設備。

周峰（1982—），通信作者，男，北京人，在讀博士。研究方向：工業互聯網、人工智能、工控安全等。

E-mail： zhoufeng@cstc.org.cn

（收稿日期：2020-07-03）

Design of the Cyber-Physical System Architecture for Prognostics and Health Management System of Industrial Equipment

CAO Ming-lu1， HU Gang2， SHEN Hang2， ZHOU Feng1，3

（1. Research Center for Computer and Microelectronics Industry Development （China Software Testing Center）， MIIT， Beijing 100048， China;

2. EVOC Intelligent Technology Company Limited， Shenzhen 518057， China;

3. School of Information and Communication Engineering， Xi'an Jiaotong University， Xian 710049， China）

Abstract： With the continuous advancement of the integration of informationization and industrialization， the strategy of industrial equipment maintenance is changing from the conventional passive operation based on condition monitoring to the active management and control based on comprehensive analysis. Therefore， prognostics and health management （PHM） technology has drawn much attention. To facilitate the standardized application of PHM technology in industrial scenes， the cyber-physical system （CPS） is introduced in the design of PHM system for industrial equipment， and thus building a hierarchical architecture covering the unit level， the system level and the system-of-systems level. Corresponding to different modes of network connection and cloud-computing deployment of the PHM system， three CPS based intelligent operation and maintenance modes for industrial equipment， namely online mode， offline mode and remote mode， are proposed to meet the various needs of industrial enterprises of different types and scales.

Key words： Cyber-Physical System; Prognostics and Health Management; Industrial Equipment; Cloud Computing; Intelligent Operation and Maintenance