面向多車協同作業編組的裝備健康管理系統設計

孫長軍

（北京跟蹤與通信技術研究所，北京 100094）

1 前言

多車協同作業編組裝備健康管理一般指通過監測獲取編組中車輛的狀態信息，對其健康狀態進行分析評估，并結合任務情況提供編組最優搭配建議。同時，通過對維修活動中所需資源做出適當決策或提出建議。通過車輛編組健康管理，可提高車輛的完好性、任務的成功率，根據健康評估的結果以及先驗知識，自動生成車輛所需維護保養方案以及維修保障方案。

目前，關于裝備健康管理的研究有很多，但大多數是針對單個裝備的健康管理研究，針對多類型車輛編組的裝備健康管理研究較少。文獻[1]中針對導彈裝備設計了一款裝備健康管理系統，按照2 個層次構建系統，并以某導彈為例驗證了系統的有效性；文獻[2]中針對雷達設計了一款裝備健康管理系統，采用“分布式數據采集-集中式分析處理”的系統架構，具備自底而上的狀態綜合健康管理能力；文獻[3]中針對試驗裝備設計了一款裝備管理系統，基于B/S 架構，采用在線監控和離線維護相結合的方式進行設計開發；文獻[4]中針對特種車輛使用保障及維護能力需求，提出了一種車輛健康管理體系架構，包括車載端和基地端兩級架構；文獻[5]中針對地鐵車輛制動系統過度維修問題，設計了一款車輛制動組件故障預測與健康管理系統，包括車載PHM 單元和地面平臺兩部分。

本文描述了為車輛編組健康管理系統設計的健康管理體系、健康管理評估模型以及設計方法，最后以軟件實現該設計，驗證了該方法在車輛編組健康管理系統研制中的可行性與有效性。

2 編組健康管理體系

通過對車輛編組所需狀態信息分析，根據具體車輛編組特點，建立編組健康管理體系。編組健康管理體系從任務出發，從編組可靠性、編組可用度、編組狀態、任務情況四個方面進行綜合構建。

其中，編組可用性由編組維修性和編組可靠性決定。其中維修性包括維修度、維修率以及故障修復時間等因素，編組可靠性主要由可靠度、故障率、平均壽命、平均無故障時間。編組中各車輛可分為可維修車輛和不可維修車輛，對于可維修車輛的維修時長以及故障率都直接影響著車輛編組的可用性。

編組可信性由車輛編組的可靠度、故障率、平均壽命決定。車輛編組的故障率與車輛編組的可靠度平均壽命直接相關，一般故障率越離，可靠度就越低；平均壽命越短，可靠度也會越低。

編組狀態由編組機動狀態、編組工作狀態、編組轉運狀態共同決定。編組機動狀態包含車輛底盤的性能以及狀態；編組工作狀態包含任務所需工作車輛的性能以及狀態；編組轉運狀態主要是轉運車輛的性能以及狀態。

車輛編組性能由單個車輛的性能狀態以及累計工作情況組成。性能狀態主要由車輛健康狀態、車輛技術指標、車輛歷史故障情況以及車輛的維護保養情況共同決定。通過任務情況以及累計工作情況，共同衡量基于任務的車輛狀態。其通過任務里程與底盤行駛里程的對比，任務預計時長與累計工作時間、累計工作小時數的對比共同決定，主要對其剩余使用量是否滿足任務要求，是否需要提前維護保養等情況。

3 編組數據采集模型

對于編組車輛的狀態監測，需要采集各車的數據以及履歷信息。通過采集設備掌握和識別編組的狀態數據，同時預留與編組內其他車輛的外部接口，接收各車輛健康管理信息。

考慮到編組中車輛的產品組成包含機械類、電子電氣類、液壓類設備、設備類型不同監測的參數也不相同。對于電子設備，例如，供電設備中的交流配電組合以及直流配電組合等，可以通過監測其靜態電流的變化可判斷器件和設備的狀態。對于機械類設備，可以通過安裝應力應變傳感器、振動加速度傳感器等方式，對機械的形變，運行中的振動變化進行狀態監測。

對于狀態監測參數確定步驟如下：（1）對車輛分系統進行可靠性分析，確定可靠性指標較低的分系統，確定需要重點監測的分系統；（2）對車輛各個設備進行功能、性能分析，確定影響任務較大的設備；（3）對影響任務較大的設備進行FMECA 分析，確定故障原因、故障影響、故障嚴酷度以及故障測試方法。

根據上述分析，得到關鍵設備或關重件，并對各個設備或組件進行監測參數分析，確定設備可用來健康評估的狀態參數以及狀態參數采集方式。

4 編組健康管理評估模型

利用健康評估模型評估編組健康狀態，為編組規劃、維修維護保障方案提供支撐。針對車輛采集參數數據量少的問題，目前較為有效的是采用定性與定量相結合的方法，接收到各車輛的健康評估相關信息后，利用DS證據理論進行編組車輛健康評估，并通過輔助保障決策給出使用及維修維護意見。健康評估的過程主要分為兩個部分：健康等級劃分以及健康狀態評估。

4.1 健康等級劃分

對于“正常”狀態，表示指車輛的各項技術性能指標都在允許的范圍內，所有測試數據均遠離警告值，能夠保證訓練任務的完成或實現各種規定的功能，無須做任何維護工作，大修周期可適當延長，此狀態車輛可作為執行任務的首選。

對于“預警”狀態，表示大部分狀態參數的值均處于允許的范圍內，但存在部分狀態參數的值偏離標準值的程度較大，但仍未達到閾值（上下限）。此時，總體性能雖有所下降，但不會影響任務的完成，對應的策略為加強監測并安排預防性維護計劃，此狀態車輛不影響執行任務。

對于“降級”狀態，表示僅有少量狀態參數的值處于允許的范圍內，但存在大部分狀態參數的值超過閾值（上下限）尚未達到劣化閾值（劣化上下限）,且此部分設備不影響任務完成。此時，車輛有劣化的趨勢，仍可完成主要的功能，對應的策略為加強監測并安排維修計劃，此狀態車輛雖有故障，但對任務的影響不大。

對于“故障”狀態，表示所有狀態參數的值達到或超過劣化閾值，即劣化上下限。此時，對應的策略可為立即進行維修，此狀態車輛發生故障已影響到任務，需安排維修，不建議執行任務。

4.2 評估模型

提出基于任務的編組健康評估指標H：

式中，H 為編組的健康評估指標；T 為編組的任務情況因素；E 為編組的工作因素；G 為編組的保障因素；A 為編組的可用性向量，使用編組在開始任務時的待機可用狀態來度量；D 為編組的可信性矩陣，使用編組在執行任務過程中所處的主要狀態來度量；S 為編組的狀態向量，使用編組用于完成任務能力與性能狀態來度量。

4.3 健康狀態評估過程

在對編組車輛進行健康狀態評估時，所有參數指標都有相應的分析和判斷標準。同一類參數指標一般還要進行橫向比較，即檢驗個體之間是否存在顯著性差異、縱向比較，即檢驗參數的劣化趨勢，每類參數還要同標準值比較等。

不同的參數指標反映了編組不同方面的健康狀態，利用采集的數據信息，根據健康評估模型對編組進行健康指標計算、健康狀態等級評估和健康狀態預警。健康評估信息可以為操作人員進行視情維修提供依據，便于優化維修方案。

健康管理采用分層的方法進行編組健康評估。編組中，每級車輛可以根據監測數據進行自我評估，同時還可以充分考慮編組車輛之間的健康耦合關系，通過編組健康信息的不斷完善，利用信息融合的方法提高評估精度和可信度。將AHP 和DS 證據理論合成的方法進行編組的健康管理評估。

5 基于任務的編組規劃模型

任務信息包含需要編組車輛數、預計長距離機動行駛里程，預計短距離行駛里程、任務時間點、任務地點、任務環境、任務持續時間、待機時間，共計包含n 波次任務集為對于任務T 包含預計長距離機動里程,短距離行駛里程，任務開始時間，待機時間，轉運時間，任務要求時間，任務過程中保障所需時間，任務能力需求，即成功執行任務的所需能力，若為0，則表示執行任務不需要此能力，各任務間的時序約束關系，即是否存在前置任務。

編組規劃是已知任務需求的作業車輛數量，擇優靈活動態分配性能最佳的工程車輛，轉運車輛，保障車輛等的問題，其分配方式為。此問題可轉化為在滿足在任務完成度，時間等條件約束下，求解編組面向任務最優健康狀態的編組組成問題。

3.4.2 直流電源自身具有完善的蓄電池管理功能，可對蓄電池進行充放電管理，能有效延長蓄電池使用壽命，減少站點蓄電池投資和維護費用。

5.1 編組健康狀態更新模型

任務的執行過程會造成編組健康狀態的變化，因此，在編組執行完成某項任務后，其任務健康狀態變化更新如下：

某階段任務完成后，對編組健康狀態進行更新，更新后的編組健康狀態值為

5.2 約束分析

編組規劃問題的約束條件包括時間約束、健康狀態約束。

（1）時間約束。編組按計劃完成各任務時，其中包含任務持續時間、路程所需時間，保障時間。所有任務的累積時間為

考慮到任務的實效性，此任務累積時間不應大于所要求的時間，即

5.3 數學模型

6 編組健康管理系統設計與實現

考慮編組車輛健康管理軟件到未來的擴展性，數據庫可移植性，軟件架構分層設計，分為3 層：表示層和邏輯層、實體以及數據訪問層。

實體層用來描述對象的信息，對應于數據庫中表信息，是數據訪問層與業務邏輯層共享的數據結構，是兩者交換數據的載體；數據訪問層用來訪問數據庫，數據訪問層實現業務邏輯層與數據存儲的相互對立性，使得業務邏輯層不因數據存儲媒介或方式的變化而變化，數據訪問層通過向上提供數據訪問接口實現數據存儲與業務邏輯的隔離；表示層和邏輯層是與用戶交互的界面，并管理業務邏輯。

編組車輛健康管理軟件體系結構如圖1 所示。

圖1 軟件體系結構圖

6.1 數據采集

數據采集主要通過采集設備實時或者離線采集車輛工作時的性能參數，通過網絡傳輸到編組車輛健康管理軟件中。編組車輛健康管理軟件對采集的數據進行數據解析、數據判別、數據處理、特征提取等，將采集的數據處理為編組車輛健康管理軟件所要求的規定格式。

6.2 狀態監測

對于編組車輛的狀態監測是通過采集各車的狀態數據以及履歷信息，隨著車輛運行監測數據逐漸積累，可以對狀態數據進行與歷史數據的對比、故障前特征數據的提取與比對、故障后接口檢測與隔離。

6.3 健康評估

利用健康管理評估模型劃分編組車輛的健康管理等級。對編組健康狀態進行狀態評估時，根據編組健康管理體系，結合車輛的FMECA 分析通過編組健康管理，進行編組健康評估。考慮到存在動態編組的情況，即存在根據任務需要，編組內車輛的種類和數量會動態調整，編組健康評估模型根據編組動態調整自行適應，并通過信息融合的方法提高評估精度和可信度。

6.4 輔助決策

通過結合歷史數據趨勢和當前外部數據的變化情況，針對可能出現的車輛保障需求進行總體籌劃和設計，采用智能算法充分分析靜態數據和動態數據，實現保障方案的智能產生，并依據任務階段變化以及工作情況優化※※保障方案，實現信息化引導維修人員完成各類保障任務。主要包括編組規劃方案、維護保養方案和故障維修方案。

（1）編組規劃方案。編組車輛健康管理軟件接收任務信息以及編組內各車輛的信息，對編組進行基于任務的健康狀態評估。結合任務類型，編組狀態，形成基于任務的編組車輛出動規劃，實現靈活、動態、合理分配，提供編組規劃的輔助決策（圖2）。

圖2 編組規劃界面圖

（2）維護保養方案。編組車輛健康管理軟件依據車輛實時狀態、設備維護保養需求以及歷史維護保養記錄，生成車輛維護保養方案。包括維護對象名稱、維護項目名稱、維護級別、維護所需的保障資源（人員要求、備件、耗材、設備工具）、維護保養過程指導等（圖3）。

圖3 維護保養方案界面圖

（3）故障維修方案。當編組內車輛出現故障時，依據車輛狀態信息對車輛進行故障診斷，顯示故障診斷結果，根據故障情況提供故障維修方案（圖4）。

圖4 故障維修方案界面圖

7 結語

本文多車協同作業環境下，車輛裝備精準編配與保障問題，提出了基于狀態監測的車輛編組健康管理系統的設計方法，并以某編組為例，進行了系統開發，由此驗證了該設計方法在健康管理系統研制中的可行性與有效性。