故障预测与健康管理（PHM）
故障预测与健康管理（PHM）技术作为实现武器装备基于状态的维修（CBM）、自主式保障、感知与响应后勤等新思想、新方案的关键技术，受到美英等军事强国的高度重视和推广应用。PHM系统正在成为新一代的飞机、舰船和车辆等系统设计和使用中的一个重要组成部分。它包括两层含义，一是故障预测，即预先诊断部件或系统完成其功能的状态，确定部件正常工作的时间长度；二是健康管理，即根据诊断/预测信息、可用资源和使用需求对维修活动做出适当决策的能力。实际上，PHM技术现已广泛应用于机械结构产品中，比如核电站设备、制动装置、发动机、传动装置等。而将PHM技术应用于电子产品则是近年来国外科技研发的重要发展趋势之一。目前国外对电子产品PHM技术的研发主要集中于军用电子产品，重点包括两部分内容：一是产品寿命周期原位监测中的传感系统与传感技术，二是残余寿命预测的故障诊断模型与算法。前者集中于开发无线微型传感器，以取代尺寸较大且需要有线传输数据的传统传感器。后者致力于探索各种不同类型的诊断模型与算法，为军用电子产品故障预测能力提供理论基础。
国外参与PHM相关技术研发的单位非常广泛，如美国国防部和三军的有关机构；NASA；波音、洛克希德·马丁、格鲁门、ARINC、霍尼韦尔、罗克韦尔、雷神、通用电气、普惠、BAE系统公司、史密斯航宇公司、古德里奇公司和泰瑞达公司等跨国公司；康涅狄格大学、田纳西大学、华盛顿大学、加州工学院、麻省理工学院、佐治亚理工学院、斯坦福大学、马里兰大学等著名院校；智能自动化公司、Impact技术公司、质量技术系统公司（QSI）、Giordano自动化公司等软件公司；荷兰PHM联盟（DPC）、Sandia国家实验室（SNL）、美国国防工业协会（NDIA）系统工程委员会、美"联合大学综合诊断研究中心"、美测试与诊断联盟（TDC）等协会和联盟。其中，研发电子产品PHM技术的单位首推马里兰CALCE 电子产品和系统中心，其水平处于世界领先地位。目前国外采用的电子产品故障预测方法可以归纳为以下三类。
1、通过监测失效征兆来预测故障
2、通过设置预警电路（Canary Devices）来预测故障
3、通过建立累积损伤模型来预测故障
除上述三种方法外，国外研发机构也在努力探索使用新方法。比如，史密斯航宇集团在飞机和直升机子系统中综合利用奇异值分解、主成分分析和神经网络进行非线性多元分析和异常状况检测；美国国家航空航天局在航天飞机中使用故障检测算法（包括高斯混合模型、隐马尔可夫模型、卡尔曼滤波、虚拟传感器等）来检测产品异常状态；范德比尔特大学在航宇产品中使用前馈信号（泰勒级数展开）来预测故障。
虽然国外研发机构对军用电子产品PHM技术表现出浓厚兴趣，而且发展迅速，但就目前来看，电子产品PHM技术还远未成熟，至少在以下方面面临巨大挑战。
1、残余使用寿命预测中的不确定性
2、间歇失效的预测
3、电子产品寿命周期数据的原位监测
4、对PHM技术投资回报率的评估
5、确定系统性能的门限值
6、建立电子产品的基于物理的损伤模型
7、PHM技术与传统电子产品的集成
在电子产品中实施PHM技术的其中一个挑战是将该技术集成到传统电子产品中。传统的电子产品，尽管经常表现为竞争力差而且与现代产品的兼容性差，但由于其替代产品没有研发出来，所以仍在使用。在传统的电子产品中，比如老龄飞机的航电系统，失效模式与失效机理往往不清楚。另外，缺乏传统系统的应用专家，致使PHM算法中的故障预测建模不成熟和不充分。
将PHM技术集成到传统系统中的另外一个挑战是，难于用兼容方式综合各种技术。PHM系统包括传感器、电子设备、计算机和软件，大部分是商业货架产品（COTS）。这些商业货架产品常常对操作环境、输入参数和使用条件具有特殊要求。一个PHM系统在综合到电子产品中时，需要首先克服与它自己子系统的集成障碍。
美国国防工业协会（NDIA）2006年4月13日公布了NDIA电子产品预测技术工作组最终报告草案。该报告针对电子产品PHM技术研发现状与问题确定了四个领域的开发需求。这四项需求分别是：1）工具-预测系统设计工具、技术评价工具、实施的经济性分析工具以及维修过程集成工具等。2）电子预测技术-工作环境传感器、器件操作体制传感器、软件预测等。3）模型-失效物理、设计验证、维修过程评价、环境影响、电子预测对系统级功能性能的影响等。4）硬件-用于工作环境和事件的检测与记录的硬件，以解决有用寿命的损失测量。PC板电子预测信号感应、电缆和互联故障检测用的纳米传感器。
最终报告草案最后给出了电子产品预测技术实施路线图计划，即从上述具体开发需求出发，在四个基本领域（工具、预测技术、模型和硬件）实施大量广泛的科研项目。这些电子预测开发项目时间范围从2年到5年不等，研发内容从基本的科学技术工作到最终的验证与确认。项目每个阶段预期持续18-24个月。准备进行验证与确认的技术取该时间范围的下限，而处于科技开发水平的技术取该时间范围的上限。该任务路线图分阶段实施，以适应项目的互相关性。伴随着电子预测部署能力的验证与确认和螺旋式开发，该路线图计划准备用8
年左右时间完成。
在军用电子产品领域应用PHM技术已成为国外科技研发的重要发展趋势。国外工业部门与国防部门对该技术的研发主要应用于飞机/直升机、武器系统、发动机和计算机系统。国外大学和研究机构对PHM技术的研发主要集中于对电子产品正常性能偏离的检测上。目前PHM技术研发的最大障碍是对于残余寿命周期预测的不确定性的评估，以及对电子产品间歇失效的检测。因此，国外专家建议研发机构将资金投入移向这些领域，以便尽快使PHM 技术进入实用阶段。
北京航天测控技术开发公司以通用测控产品为主，主要有六大类：基础测试测量仪器，包括16大类230余种的VXI/PXI/LXI/CPCI/CAN/GPIB总线系列化仪器模块及信号调理模块；软件及信息化产品，包括虚拟仪器测试开发环境和远程分布式测试与故障诊断系统；通用测试系统，包括“广灵通”通用测试平台及其系列产品；测试与维修保障系统，包括“华佗”电子设备电路板维修测试与诊断系统及其系列产品和装备维修测试与诊断系统；自动化控制
系统，包括遥测遥控及工业自动化等系统产品；测试系统辅助配套产品。同时公司还可以根据用户的具体需求，提供ATE/ATS、DCS/FCS的系统集成、方案设计、技术咨询、软件开发、结构设计以及远程信息化测试、测试/诊断程序开发及技术培训与维护等服务。
故障预测与健康管理（PHM）技术作为实现武器装备基于状态的维修（CBM）、自主式保障、感知与响应后勤等新思想、新方案的关键技术，受到美英等军事强国的高度重视和推广应用。PHM系统正在成为新一代的飞机、舰船和车辆等系统设计和使用中的一个重要组成部分。它包括两层含义，一是故障预测，即预先诊断部件或系统完成其功能的状态，确定部件正常工作的时间长度；二是健康管理，即根据诊断/预测信息、可用资源和使用需求对维修活动做出适当决策的能力。实际上，PHM技术现已广泛应用于机械结构产品中，比如核电站设备、制动装置、发动机、传动装置等。而将PHM技术应用于电子产品则是近年来国外科技研发的重要发展趋势之一。目前国外对电子产品PHM技术的研发主要集中于军用电子产品，重点包括两部分内容：一是产品寿命周期原位监测中的传感系统与传感技术，二是残余寿命预测的故障诊断模型与算法。前者集中于开发无线微型传感器，以取代尺寸较大且需要有线传输数据的传统传感器。后者致力于探索各种不同类型的诊断模型与算法，为军用电子产品故障预测能力提供理论基础。
国外参与PHM相关技术研发的单位非常广泛，如美国国防部和三军的有关机构；NASA；波音、洛克希德·马丁、格鲁门、ARINC、霍尼韦尔、罗克韦尔、雷神、通用电气、普惠、BAE系统公司、史密斯航宇公司、古德里奇公司和泰瑞达公司等跨国公司；康涅狄格大学、田纳西大学、华盛顿大学、加州工学院、麻省理工学院、佐治亚理工学院、斯坦福大学、马里兰大学等著名院校；智能自动化公司、Impact技术公司、质量技术系统公司（QSI）、Giordano自动化公司等软件公司；荷兰PHM联盟（DPC）、Sandia国家实验室（SNL）、美国国防工业协会（NDIA）系统工程委员会、美"联合大学综合诊断研究中心"、美测试与诊断联盟（TDC）等协会和联盟。其中，研发电子产品PHM技术的单位首推马里兰CALCE电子产品和系统中心，其水平处于世界领先地位。目前国外采用的电子产品故障预测方法可以归纳为以下三类。
1、通过监测失效征兆来预测故障
对失效征兆的监测是通过将传感器嵌入到电子产品中以搜集和分析与故障密切相关的参数（比如性能参数）来实现的。由于电子产品的失效机理千差万别，所以其失效征兆也多种多样。而对于同一种失效模式，也可能有多个征兆与之对应。比如，利用关键参数的变化来预测故障，利用焊接件焊点的电阻变化来预测电子产品的残余寿命，利用动态功耗来预测电路故障等都属于这一类方法。目前，该方法已在国外各机构中得到广泛采用。例如，美国海军的海军水面作战中心及海军空中系统司令部对从装备获取的传感器数据进行比较，建立工程性能基准，来评价实际性能是否超出限制范围；北卡罗来纳大学使用数据挖掘方法鉴定正常状态与异常状态的差别，从而预测故障。
2、通过设置预警电路（Canary Devices）来预测故障
这种方法是通过在电子产品中设置预警电路来诊断与预测故障。预警电路比起电子产品正常使用的电路来具有更高的失效率。它通过减少预警电路的线路直径来增加其电流密度，而随着电流密度的增加，预警电路产生的热量也比正常使用电路产生的热量大，继而导致热应力增加。随着时间的推移，应力增加到一定程度便使预警电路先于电子产品发生失效，从
而提供故障的早期预警。比如，在低周疲劳连接件和腐蚀件中设置预警电路评估失效机理，利用故障预测芯片来监测晶体管的"时间相关绝缘击穿"（TDDB）等都属于这类方法。目前国外的研发机构也在不同程度地运用这一方法。例如，罗克韦尔公司对于具有低循环疲劳特性的焊接件和腐蚀件，利用宿驻到产品中的预警电路进行故障早期诊断；Ridgetop 集团对电子产品的主机电路设置预警电路来提供故障预测等。
3、通过建立累积损伤模型来预测故障
建立累积损伤模型就是基于物理失效和原位监测对电子产品实际的寿命周期载荷进行搜集与分析，来评估产品的退化趋势。寿命周期载荷是指产品寿命期内所承受的全部外部载荷条件。电子产品寿命周期中的典型阶段包括制造、储存、处理、运行和非运行等。在整个寿命周期中，导致电子产品破坏的载荷类型有多种，包括温度、湿度、振动、冲击、太阳能辐射、电磁辐射、压力、化学、沙尘等。为建立复合载荷累积损伤模型，需要在电子产品中嵌入一个或多个传感器来检测影响产品可靠性的外部载荷。例如寿命损耗监测（LCM）法即属于这类方法。目前国外的应用有：马里兰大学运用基于物理的损伤模型处理监测参数，监测寿命消耗，计算累积损伤，评估电子产品的残余寿命；Impact 技术公司将传感器参数与基于物理的损伤模型相结合，对航电系统、GPS系统和动力系统进行寿命损耗监测。
除上述三种方法外，国外研发机构也在努力探索使用新方法。比如，史密斯航宇集团在飞机和直升机子系统中综合利用奇异值分解、主成分分析和神经网络进行非线性多元分析和异常状况检测；美国国家航空航天局在航天飞机中使用故障检测算法（包括高斯混合模型、隐马尔可夫模型、卡尔曼滤波、虚拟传感器等）来检测产品异常状态；范德比尔特大学在航宇产品中使用前馈信号（泰勒级数展开）来预测故障。
虽然国外研发机构对军用电子产品PHM技术表现出浓厚兴趣，而且发展迅速，但就目前来看，电子产品PHM技术还远未成熟，至少在以下方面面临巨大挑战。
1、残余使用寿命预测中的不确定性
在进行电子产品的故障预测时，为增加预测的准确性，需要进行不确定性分析。但不确定性分析面临多方挑战。首先表现在难于鉴定不确定性的来源。不确定性的来源有多种，包括仪器不确定性、参数不确定性、失效评价标准不确定性、未来使用的不确定性。难于搜集所有的信息做出正确的判断。其次，缺乏定量评估不确定性的模型。尽管已经研发出了基于物理的损伤模型的不确定性评估方法，但数据驱动方法目前尚为空白，而且不确定性分析领域研究力度不够。不确定性评估第三个挑战是，当不确定性范围很大时，难于做出正确的维修决策。例如，最终的预测结果是，产品将在10到100个小时内失效，那么如何制定维修计划呢？一个可能的解决方案是确定即时点（JIT）来优化预测。国外专家建议选择5%的风险失效概率点作为JIT点。该点的选择主要是基于对风险和维修费用进行的权衡。
减少不确定性的根本方法是限制产生不确定性的根源，或者说不确定性的来源。例如，增强传感器测量、改善制造程序、优化损伤模型都是减少残余寿命周期预测中的不确定性的有效方法。
2、间歇失效的预测
间歇失效指的是不能鉴定的失效，未来不能复现的失效，或者是特殊的失效模式和失效机理。在航电产品中所有故障的40%到85%属于不能复现的故障（CND），占到维修费用的90%以上。发生间歇失效的原因之一是电子产品在测试过程中持续时间不充分，导致不合格的产品流入应用领域。间歇失效另一个经常发生的原因是载信号连接器连接点存在腐蚀问题。目前，现有的基于物理的损伤模型不能有效预测间歇失效。需要对此进行进一步研究，研发新的基于物理的损伤模型用于间歇失效的预测。
3、电子产品寿命周期数据的原位监测
电子产品原位监测的第一个挑战是确定有效提供故障预测的寿命周期参数。电子产品常常拥有大量元件，而且每一个元件可能具有多个可测量的性能参数。因此，具有大量潜在的失效源。并且，在电子产品中，不同元件之间具有非常复杂的性能相关性。这就导致难于在元件层次上监测电子产品性能。
第二个挑战来自于传感技术的局限性。在故障预测与健康管理中，需要连续监测寿命周期载荷，确保不错过关键数据。为实现连续监测能力，传感系统或者将搜集的数据实时传递给地面站，或者将大量数据存储到容量足够大的机载存贮器中。如果机载存储能力不够，数据简化算法可用来处理数据规模。但是，这将消耗大量功率，而且极大地减少传感系统的电池寿命。
第三个挑战是在电路板中安装传感系统的空间有限。对于新的电子产品，故障预测策略可以在设计初期进行考虑，以便在电路板中留出空间安装传感系统。然而，对于传统电子产品，传感器的安装就是一个挑战。许多情况下，电子板的空间小于传感器尺寸。而且，安装到电子产品中的传感器是否对产品的原有性能构成影响，也不十分清楚。
4、对PHM技术投资回报率的评估
评估电子产品PHM技术投资回报率的挑战之一是，难于提供一个商业案例来展示PHM 技术对于电子产品的有益性。部分原因是电子产品PHM技术研发不够成熟。尽管最近在基础PHM技术与方法上取得了巨大进步，但是将科学研发转化为实际应用的案例还不多见。
挑战之二是难于量化PHM技术带来的利益。在评估和鉴定投资回报率时，需要用到一些度量标准。例如，在评估电子产品PHM技术带来的利益上，度量标准可能包括减少维修行为的人工小时数，减少维修行为的成本费用、延长的寿命周期、避免的系统失效次数等。PHM度量基准应该准确地显示PHM技术在电子产品全寿命周期中进行故障预测时的消极的和积极的影响。
最后，需要对PHM技术执行成本与PHM技术成本规避进行权衡，目的是确定投资回报率。PHM技术的执行成本包括研发成本（如硬件、软件以及集成）、产品制造重复性成本（如硬件、测试和安装）、基础设施成本（如文件编制、后勤/维修文化的培训与改革）、持续保障成本（如数据搜集、数据归档、PHM结构的后勤规模、故障确定费用）等。PHM技术的成本规避包括：失效避免（如，使非计划维修最小化、提高可用性、减少系统故障风险、提高安全性）、残余寿命的损失降到最小、系统后勤规模的减小（如，优化备件管理、外部测试设备降到最少）、减少修理成本（如，改善故障隔离、在修理期间减少间接失效）等。
5、确定系统性能的门限值
电子产品中包含大量高度交互且相互影响的元件。一个性能参数上的微小变化，可能会导致其它参数的变化，因此对每一个参数设置固定的门限值将是困难的。在定义系统性能门限值方面，不考虑多重参数的交互作用将导致不正确的PHM决策，致使有问题的元件可能检测不出来。这就需要充分认识到研究元件相互作用的重要性。然而，不同类型的元件具有不同范围的技术规格，在环境与操作设置上也存在差异，这就导致研究它们的相互作用成为一个难题。
而且，电子产品在它们的寿命周期内，可能遭遇不同的环境与操作条件。在不同的使用场景下，设置一个门限值可能不足以体现系统参数的可变性。因此，建立正常系统性能的基线对于电子产品来说将是困难的。
为在故障预测中定义使用门限值，在不同环境和使用条件下，认识清楚每一个元件的性能和寿命周期剖面将变得非常重要。然而，对每个元件，却难于孤立地模拟所有场景，以确
定其最终使用寿命。在不同环境条件下，系统和使用的复杂性说明了在故障预测中定义门限值是困难的。
6、建立电子产品的基于物理的损伤模型
产品失效是由于物理、电、化学、机械应力综合作用导致的结果。确定失效机理除了选用合适可用的失效模式外，还要结合潜在的失效模式与失效原因进行分析。失效机理分为过应力机理和磨损机理两种典型形式。过应力失效机理用于单一载荷（应力）引起的失效；磨损机理用于多种应力条件引起的失效。
使用基于物理失效的方法进行可靠性评估的挑战之一是，该模型在对系统失效时间进行定量分析时，存在可用性和精确性问题。同时，在单应力失效条件下，不能使用多重应力失效模型；在多应力条件下，不能使用单应力模型。如果没有失效模型可用，监测参数的选择只能基于过去的现场失效数据或者通过加速试验得来的经验模型。
7、PHM技术与传统电子产品的集成
在电子产品中实施PHM技术的其中一个挑战是将该技术集成到传统电子产品中。传统的电子产品，尽管经常表现为竞争力差而且与现代产品的兼容性差，但由于其替代产品没有研发出来，所以仍在使用。在传统的电子产品中，比如老龄飞机的航电系统，失效模式与失效机理往往不清楚。另外，缺乏传统系统的应用专家，致使PHM算法中的故障预测建模不成熟和不充分。
将PHM技术集成到传统系统中的另外一个挑战是，难于用兼容方式综合各种技术。PHM系统包括传感器、电子设备、计算机和软件，大部分是商业货架产品（COTS）。这些商业货架产品常常对操作环境、输入参数和使用条件具有特殊要求。一个PHM系统在综合到电子产品中时，需要首先克服与它自己子系统的集成障碍。
美国国防工业协会（NDIA）2006年4月13日公布了NDIA电子产品预测技术工作组最终报告草案。该报告针对电子产品PHM技术研发现状与问题确定了四个领域的开发需求。这四项需求分别是：1）工具-预测系统设计工具、技术评价工具、实施的经济性分析工具以及维修过程集成工具等。2）电子预测技术-工作环境传感器、器件操作体制传感器、软件预测等。3）模型-失效物理、设计验证、维修过程评价、环境影响、电子预测对系统级功能性能的影响等。4）硬件-用于工作环境和事件的检测与记录的硬件，以解决有用寿命的损失测量。PC板电子预测信号感应、电缆和互联故障检测用的纳米传感器。
最终报告草案最后给出了电子产品预测技术实施路线图计划，即从上述具体开发需求出发，在四个基本领域（工具、预测技术、模型和硬件）实施大量广泛的科研项目。这些电子预测开发项目时间范围从2年到5年不等，研发内容从基本的科学技术工作到最终的验证与确认。项目每个阶段预期持续18-24个月。准备进行验证与确认的技术取该时间范围的下限，而处于科技开发水平的技术取该时间范围的上限。该任务路线图分阶段实施，以适应项目的互相关性。伴随着电子预测部署能力的验证与确认和螺旋式开发，该路线图计划准备用8年左右时间完成。
在军用电子产品领域应用PHM技术已成为国外科技研发的重要发展趋势。国外工业部门与国防部门对该技术的研发主要应用于飞机/直升机、武器系统、发动机和计算机系统。国外大学和研究机构对PHM技术的研发主要集中于对电子产品正常性能偏离的检测上。目前PHM技术研发的最大障碍是对于残余寿命周期预测的不确定性的评估，以及对电子产品间歇失效的检测。因此，国外专家建议研发机构将资金投入移向这些领域，以便尽快使PHM 技术进入实用阶段。
北京航天测控技术开发公司以通用测控产品为主，主要有六大类：基础测试测量仪器，
包括16大类230余种的VXI/PXI/LXI/CPCI/CAN/GPIB总线系列化仪器模块及信号调理模块；软件及信息化产品，包括虚拟仪器测试开发环境和远程分布式测试与故障诊断系统；通用测试系统，包括“广灵通”通用测试平台及其系列产品；测试与维修保障系统，包括“华佗”电子设备电路板维修测试与诊断系统及其系列产品和装备维修测试与诊断系统；自动化控制系统，包括遥测遥控及工业自动化等系统产品；测试系统辅助配套产品。同时公司还可以根据用户的具体需求，提供ATE/ATS、DCS/FCS的系统集成、方案设计、技术咨询、软件开发、结构设计以及远程信息化测试、测试/诊断程序开发及技术培训与维护等服务。
预测与健康管理(PHM)技术现状与发展
随着高科技的不断注入，现代装备的高集成化、高智能化以及分析处理问题的高效化日益增强，随之而来的系统的故障诊断、维修保障和可靠性越来越受到人们的高度重视。
目前世界上大部分装备的维护多以定期检查、事后维修为主，不仅耗费大量的人力和物力，而且效率低下。PHM(Prognosties and Health Management)预测与健康管理技术是综合利用现代信息技术、人工智能技术的最新研究成果而提出的一种全新的管理健康状态的解决方案。PHM系统未来一段时间内系统失效可能性以及采取适当维护措施的能力，一般具备故障检测与隔离、故障诊断、故障预测、健康管理和部件寿命追踪等能力。
PHM技术的发展过得去是人们自我学习和提升的过程，即从对设备的故障和失效的被动维护，到定期检修、主动预防，再到事先预测和综合规划管理。美陆军早期装备直升机的健康与使用监测系统就是PHM最原始的形态。20世纪60年代，由于航空航天领域极端复杂的环境和使用条件驱动了最初的可靠性理论、环境试验和系统试验能及质量方法的诞生。随着宇航系统复杂性的增加，由设计不充分、制造误差、维修差错和非计划事件等各种原因导致故障的机率也在增加，迫使人们在70年代提出了航天器综合健康管理的概念来监视系统状态。随着故障监测和维修技术的迅速发展，先后开发应用的有飞机状态监测系统、发动机监测系统、综合诊断预测系统以及海军的综合状态评估系统等。随后出现的这些诊断故障原和检测状态的技术，最终带来了故障预测方法PHM的诞生。
上世纪末，随着美军重大项目F-35联合攻击机(JSF)项目的启动，正式把以上的故障预测和维修全面解决方案命名为预测与健康管理(PHM)系统，为PHM技术的诞生带来了契机。PHM是JSF项目实现经济承受性、保障性和生存性目标的一个关键所在。JSF的PHM系统是当前飞机上使用的(BIT)和状态监控的发展，这种发展的主要技术要素是从状态(健康)监控向状态(健康)管理的转变，这种转变引入了故障预测能力，借助这种能力从整个系统(平台)的角度来识别和管理故障的发性，其目的是减少维修人力物力、增加出动架次率以及实现自主式保障。
PHM技术的发展大致经历了由外部测试到机内测试(BIT)，进而测试独立出来成为一门学科，然后便是综合诊断的提出与应用，最后便是发展到现在的预测与健康管理(PHM)技术。
在航空航天、国防军事以及工业各领域中应用的不同类型的PHM系统，其体现的基本思想是类似的，区别主要表现在不同领域其具体应用的技术和方法的不
同。一般而言，PHM系统主要有六个部分构成：
1、数据采集利用各种传感器探测、采集被检系统的相关参数信息，将收集数据进行有效信息转换以及信息传输等。
2、信息归纳处理接受来自传感器以及其它数据处理模块的信号和数据信息，将数据信息处理成后续部件可以处理的有效形式或格式。该部分输出结果包括经过滤波、压缩简化后的传感器数据，频谱数据以及其它特征数据等。
3、状态监测接受来自传感器、数据处理以及其它状态监测模块的数据。其功能主要是将这些数据同预定的失效判据等进行比较来监测系统当前的状态，并且可根据预定的各种参数指标极限值/阈值来提供故障报警能力。
4、健康评估接受来自不同状态监测模块以及其它健康评估模块的数据。主要评估被监测系统(也可以是分系统、部件等)的健康状态(如是否有参数退化现象等)，可以产生故障诊断记录并确定故障发生的可能性。故障诊断应基于各种健康状态历史数据、工作状态以及维修历史数据等。
5、故障预测决策故障预测能力是PHM系统的显著特征之一。该部件由两部分组成，可综合利用前述各部分的数据信息，评估和预测被监测系统未来的健康状态，并做出判断，建议、决策采取相应的措施。该部件可以在被监测系统发生故障之前的适宜时机采取维修措施。该部分实现了PHM系统管理的能力，是另一显著特征之一。
6、保障决策主要包括人-机接口和机-机接口。人-机接口包括状态监测模块的警告信息显示以及健康评估、预测和决策支持模块的数据信息的表示等；机-机接口使得上述各模块之间以及PHM系统同其它系统之间的数据信息可以进行传递交换。需要指出的是，上述体系结构中的各部件之间并没有显明界限，存在着数据信息的交叉反馈。
PHM模型分类：
1、基于模型的故障诊断与预测故障诊断与预测一般需要先在系统的模型上测试和验证，以最少的耗费来获取直观有效的数据信息。应用基于故障诊断与预测技术的系统模型，通常由一定的领域的专家给出，经过大量的数据验证，通常比较真实可靠。基于模型的故障诊断与预测技术能深入对象系统本质的性质和实现实时的故障预测，并且对象系统的故障特征通常与模型参数相近或是紧密相联系。随着对设备故障演化机理理解的逐步深入，模型可以被逐渐修正来提高其预测精度。但是，实际工程应用要求对象系统的数学模型具有较高的精度与复杂的动态系统，建立精确的数学模型往往是个难于解决的矛盾。因此基于模型的故障诊断与预测技术的实际应用范围和效果常常受到限制。人们通过大量研究论证，逐步提出了许多相关的解决办法。如基于随机滤波理论的故障预测技术是基于模型的故障预测技术的典型代表，包括卡尔曼滤波、扩展卡尔曼滤波、无味滤波和粒子滤波。
2、基于状态信息的故障诊断与预测现在浒的基于状态的维修
(Condition-based Maintenance,CBM)手段，直接采信被观测对象功能及性能信息进行故障诊断，是置信度很高的故障诊断、维修方法，得到了成功的应用。CBM 方式是通过对设备工作状态和工作环境实时监测，借助人工智能等先进的计算访求，诊断、预测和合理安排设备未来的维修调度时间。CBM方法根据设备的实际运行状态确定设备的最小维护时间，降低设备全寿命周期费用，增加设备的稳定性。CBM的思想即只有在设备需要维护时，才进行必要的维护，大大减少了不必要的检修、诊断耗费。
3、基于知识的故障诊断与预测在实际工程应用中，常常无法获得对象系统的精确数学模型，这就大大限制了基于模型的故障诊断与预测方法的实施。而基于知识的故障诊断与预测访求不需要对象系统精确的数学模型，同时能够有效地表达对象相关的领域专家的经验知识，因此是很有前景的方法。基于知识的故障诊断与预测技术的最大优势就是能够充分利用对象系统有关的领域专家经验知识。但是，由于基于知识的故障诊断与预测技术本身更适合于定性推理而不太适合于定量计算，因而其实际应用还比较困难，单独使用专家系统或模糊逻辑进行故障诊断与预测的实例还不多见。由于基于知识访求是一种半定量方法，在表述知识和推理方面有其独到之处。因此，一般将其与其他技术相结合(如与神经网络结合的故障预测)，以期获得更好的应用效果。基于知识的故障诊断与预测的一般原理是：①数理统计的模型，通过系统现象对应的关键参数集，依据历史数据建立各参数变化与故障损伤的概率模型(退化概率轨迹)，与当前多参数概率状态空间进行比较，进行当前健康状态判断与趋势分析。通过当前参数概率空间与已知损伤状态概率空间的干涉来进行定量的损伤判定，基于既往历史信息来进行趋势分析与故障预测。②神经网络(ANN)的模型，利用ANN的非线性转化特征，及其智能学习机制，来建立监测到的故障现象与产品故障损伤状态之间的联系。利用已知的“异常特征-故障损伤”退化轨迹，或通常故障注入建立与特征分析结果关联的退化轨迹，对ANN模型进行“训练/学习”。然后利用“训练/学习”后的ANN依据当前产品特征对产品的故障损伤状态进行判断。BP算法是该模型应用最广泛的一种网络。另外还有专家系统模型、模糊综合评判模型等。
PHM技术的发展经历了故障诊断、故障预测、系统集成三个日益完善的阶段，在部件级和系统级两个层次、在机械产品和电子产品两个领域经历了不同的发展历程。当前PHM技术的发展体现在以系统级集成应用为牵引，提高故障诊断与预测精度、扩展健康监控的应用对象范围，支持CBM与AL的发展。PHM技术以一门新生力量已经成功应用于军事、民用航空以及电子领域，并大大提升各应用领域的运作效率，有着广阔的发展前景。
随着高科技的不断注入，现代装备的高集成化、高智能化以及分析处理问题的高效化日益增强，随之而来的系统的故障诊断、维修保障和可靠性越来越受到人们的高度重视。 目前世界上大部分装备的维护多以定期检查、事后维修为主，不仅耗费大量的人力和物力，而且效率低下。PHM(Prognosties and Health Management)预测与健康管理技术是综合利用现代信息技术、人工智能技术的最新研究成果而提出的一种全新的管理健康状态的解决方案。PHM系统未来一段时间内系统失效可能性以及采取适当维护措施的能力，一般具备故障检测与隔离、故障诊断、故障预测、健康管理和部件寿命追踪等能力。 PHM技术的发展过得去是人们自我学习和提升的过程，即从对设备的故障和失效的被动维护，到定期检修、主动预防，再到事先预测和综合规划管理。美陆军早期装备直升机的健康与使用监测系统就是PHM最原始的形态。20世纪60年代，由于航空航天领域极端复杂的环境和使用条件驱动了最初的可靠性理论、环境试验和系统试验能及质量方法的诞生。随着宇航系统复杂性的增加，由设计不充分、制造误差、维修差错和非计划事件等各种原因导致故障的机率也在增加，迫使人们在70年代提出了航天器综合健康管理的概念来监视系统状态。随着故障监测和维修技术的迅速发展，先后开发应用的有飞机状态监测系统、发动机监测系统、综合诊断预测系统以及海军的综合状态评估系统等。随后出现的这些诊断故障原和检测状态的技术，最终带来了故障预测方法PHM的诞生。 上世纪末，随着美军重大项目F-35联合攻击机(JSF)项目的启动，正式把以上的故障预测和维修全面解决方案命名为预测与健康管理(PHM)系统，为PHM技术的诞生带来了契机。PHM是JSF项目实现经济承受性、保障性和生存性目标的一个关键所在。JSF的PHM系统是当前飞机上使用的(BIT)和状态监控的发展，这种发展的主要技术要素是从状态(健康)监控向状态(健康)管理的转变，这种转变引入了故障预测能力，借助这种能力从整个系统(平台)的角度来识别和管理故障的发性，其目的是减少维修人力物力、增加出动架次率以及实现自主式保障。 PHM技术的发展大致经历了由外部测试到机内测试(BIT)，进而测试独立出来成为一门学科，然后便是综合诊断的提出与应用，最后便是发展到现在的预测与健康管理(PHM)技术。 在航空航天、国防军事以及工业各领域中应用的不同类型的PHM系统，其体现的基本思想是类似的，区别主要表现在不同领域其具体应用的技术和方法的不同。一般而言，PHM 系统主要有六个部分构成： 1、数据采集利用各种传感器探测、采集被检系统的相关参数信息，将收集数据进行有效信息转换以及信息传输等。 2、信息归纳处理接受来自传感器以及其它数据处理模块的信号和数据信息，将数据信息处理成后续部件可以处理的有效形式或格式。该部分输出结果包括经过滤波、压缩简化后的传感器数据，频谱数据以及其它特征数据等。 3、状态监测接受来自传感器、数据处理以及其它状态监测模块的数据。其功能主要是将这些数据同预定的失效判据等进行比较来监测系统当前的状态，并且可根据预定的各种参数指标极限值/阈值来提供故障报警能力。 4、健康评估接受来自不同状态监测模块以及其它健康评估模块的数据。主要评估被监测系统(也可以是分系统、部件等)的健康状态(如是否有参数退化现象等)，可以产生故障诊断记录并确定故障发生的可能性。故障诊断应基于各种健康状态历史数据、工作状态以及维修历史数据等。 5、故障预测决策故障预测能力是PHM系统的显著特征之一。该部件由两部分组成，可综合利用前述各部分的数据信息，评估和预测被监测系统未来的健康状态，并做出判断，建议、决策采取相应的措施。该部件可以在被监测系统发生故障之前的适宜时机采取维修措施。该部分实现了PHM系统管理的能力，是另一显著特征之一。
故障预测与健康管理系统解决方案 1.国内数字化设备管理存在的问题 今天，随着德国“工业4.0”、美国GE“工业互联网”在全球的风靡，以及“中国制造2025”战略的如火如荼地推进，以新一代信息技术与制造业深度融合为特点的智能制造已经引发了全球性的新一轮工业革命，并成为制造业转型升级的重要抓手与核心动力。 1.1.设备管理问题依然严重 在多年的项目实施过程中深切感觉到，国内不管是大型企业还是中小企业，随着数字化脚步的加快，设备数控化率在逐年飞速的提高，数字化设备的数量与日俱增。但这些设备出现故障以后的维修周期平均在2周以上，属于主轴、丝杠等关键部件损坏所导致的故障维修时间平均在3周以上。维修期间，不仅严重影响生产进度，影响交货期，而且需要花费不菲的维修费用。国外设备厂家提供的维修服务都是从工程师离开国外住地开始计算维修费用，如果请国外工程师维修，光人工费用每次平均都在5万（人民币）以上，加上更换备件等费用，每年企业需支付昂贵的设备维修费用。 企业目前对数字化设备采用传统“事后维修”的管理方法已经严重制约了公司的智能制造发展目标。需要研究和探索，对于大量的离散制造业的设备进行预防性维护和故障预测的方案。 1.2.设备健康管理需求迫在眉睫 设备数据采集系统采集设备数据利用价值没有充分挖掘出来，给工厂决策等提供的分析数据有限。虽然在数字化工厂建设上取得了较好的效果，但是在设备数据利用方面还远远不够。设备数据采集系统经过长期的系统运行，拥有了大量的设备的运行历史数据。
3OEE、开机率、故障率报表显示70% 4报警故障信息次数和内容统计40% 5加工零件信息数量统计30% 6程序传输功能程序上传下载90% 7其它信息报表和看板展示不确定 表格1某企业数据采集利用程度表 设备数据采集系统虽然可以提供与生产效率相关的基本统计信息，但仍然倚重硬件互联的部分，对于数据，尤其是海量互联数据分析来达到机器主件衰退监测、健康状况评估、故障预测预诊断、风险评估、以及决策支持方面，仍然有提升空间： 1)现有的数控机床联网制造了大量数据，然而目前却没有很好的分析方式， 目前仅仅限于原始数据重现，应该进行价值挖掘。 2)数控机床数量多、类型多、系统多样，虽然数据互联，但对于每种不同机 型，缺少每个机台的针对性健康状态监测结果。 3)现有的生产管理系统更多是从设计角度出发，没有对设备健康状况做监测， 并且在管理时没有将生产效率与设备健康连接起来，所使用机器将因为衰 退情况的未知而对生产任务的完成造成未知风险。 4)对于设备生产产品的质量检测，目前没有实现数字化。在发现产品质量问 题时，次品已经产生。缺少提前预测产品质量缺陷手段。 5)在绿色环保方面，对于设备使用的能量没有监测或数字化管理手段。设备 能耗状况的管理相对粗放，没有能够与生产任务协调管理，使得在达到生 产效率最大化的同时实现能效最优化来节省开支，降低碳排放。 6)对于相同设备的维护管理，由于经常依赖于经验以及设备用户手册，所采 用的维护方式大都趋同。然而，根据设备所经历的不同工况，相同的设备 可能衰退的过程不尽相同。如果对于衰退不严重的设备实施了维护，那么 会造成资源浪费以及停机时间，进而影响生产效率；如果对于衰退严重的 设备延迟进行维护，则可能造成设备加速老化，甚至严重的生产安全隐患。
国外综合诊断、预测与健康管理的发展历程 张宝珍 引言 随着现代武器装备复杂性、综合化、智能化程度的不断提高，为了以更经济有效的方式满足现代战争联合作战和网络中心战等新型作战模式对武器作战效能和敏捷、准确和经济的持续保障能力的需求，综合的故障诊断、预测与健康管理（PHM）技术获得美英等军事强国越来越多的重视和应用。PHM是对武器系统传统使用的机内测试（BIT）和状态（健康）监控能力的进一步拓展，这种发展的主要技术要素是从状态监控向健康管理的转变，这种转变引入了预测能力，借助这种能力识别和管理故障的发生、规划维修和供应保障，其主要目的是降低使用与保障费用、提高装备系统安全性、战备完好性和任务成功性，实现基于状态的维修（CBM）和自主式保障。 所谓预测，即预计性诊断部件或系统完成其功能的状态，包括确定部件的残余寿命或正常工作的时间长度；所谓健康管理，是根据诊断/预测信息、可用资源和使用需求对维修活动做出适当决策的能力。PHM代表了一种方法的转变，即从传统的基于传感器的诊断转向基于智能系统的预测，反应性的通信转向主动性的3Rs（即在准确的时间对准确的部位采取正确的维修活动）。PHM重点是利用先进的传感器的集成，并借助各种算法和智能模型来诊断、预测、监控和管理飞机的状态。这一技术的实现将使传统的事后维修或定期维修被基于状态的维修（CBM，亦称视情维修）所取代。 PHM技术早在2000年就被列入美国国防部威胁减少局的《军用关键技术》报告中，国防部最新的防务采办文件将嵌入式诊断和预测技术视为降低总拥有费用和实现最佳战备完好性的基础，进一步明确确立了PHM技术在实现美军武器装备战备完好性和经济可承受性方面的重要地位。目前，PHM已成为美国国防部采购武器系统的一项要求。 一、 预测与健康管理技术的发展演变过程 PHM技术的演变过程是人们认识和利用自然规律过程的一个典型反映，即从对故障和异常事件的被动反应，到主动预防，再到事先预测和综合规划管理。PHM技术是在传统的状态（健康）监控和故障诊断技术基础上发展起来的。随着系统和设备性能和复杂性的增加以及信息技术的发展，PHM技术的发展经历了由外部测试到机内测试（BIT）→测试性成为一门独立的学科→综合诊断的提出与发展→预测与健康管理（PHM）系统的形成等的发展演变过程。在应用产品层次上，从过去的部件和分系统级发展到现在的覆盖整个平台各个主要
故障预测与健康管理（PHM）技术的现状与发展 曾声奎? 北京航空航天大学可靠性工程研究所，北京 100083 Michael G. Pecht, 吴际? 美国马里兰大学 CALCE电子产品与系统中心，马里兰，2074 Status and Perspectives of Prognostics and Health Management Technology)? ZENG Sheng_kui1, Michael G. Pecht2, Wu Ji2? (1Institute of Reliability Engineering, Beihang University, Beijing# 100083, China)? (2CALCE Electronic Products and Systems Center ,University of Maryland, College Park, MD 20742） 摘要：结合故障预测与健康管理（PHM）的技术发展过程，阐述了PHM的应用价值。论述了PHM技术系统级应用问题，提出了故障诊断与预测的人机环完整性认知模型，并依此对蓬勃发展的故障诊断与故障预测技术进行了分类与综合分析，给出了PHM技术的发展图像。针对故障诊断与预测的不确定性特征，对故障诊断与预测技术的性能要求、定量评价与验证方法进行了分析。最后，以PHM技术的工程应用为线索，提出了PHM技术发展中的几个问题。 关键词：故障预测；故障诊断；故障预测与健康管理 Abstract: This paper has briefed the potential benefits of Prognostics and Health Management (PHM) against its evolution history. The architecture for PHM system-level application is outlined, and a cognition model for diagnostics and prognostics is built based on the integrality of man-machine-environment. Directed by this model, various diagnostics and prognostics methods are classified and analyzed, and a whole picture of PHM is drawn. Uncertainty is a critical factor of PHM，its requirement-making, quantitative assessment and validation are discussed. Finally, key issues to do of PHM are listed with the goal of practical extensive use. Key words: prognostic and Health Management; diagnostics; prognostics; cognition model 1. 引言
故障预测与健康管理（PHM） 故障预测与健康管理（PHM）技术作为实现武器装备基于状态的维修（CBM）、自主式保障、感知与响应后勤等新思想、新方案的关键技术，受到美英等军事强国的高度重视和推广应用。PHM系统正在成为新一代的飞机、舰船和车辆等系统设计和使用中的一个重要组成部分。它包括两层含义，一是故障预测，即预先诊断部件或系统完成其功能的状态，确定部件正常工作的时间长度；二是健康管理，即根据诊断/预测信息、可用资源和使用需求对维修活动做出适当决策的能力。实际上，PHM技术现已广泛应用于机械结构产品中，比如核电站设备、制动装置、发动机、传动装置等。而将PHM技术应用于电子产品则是近年来国外科技研发的重要发展趋势之一。目前国外对电子产品PHM技术的研发主要集中于军用电子产品，重点包括两部分内容：一是产品寿命周期原位监测中的传感系统与传感技术，二是残余寿命预测的故障诊断模型与算法。前者集中于开发无线微型传感器，以取代尺寸较大且需要有线传输数据的传统传感器。后者致力于探索各种不同类型的诊断模型与算法，为军用电子产品故障预测能力提供理论基础。 国外参与PHM相关技术研发的单位非常广泛，如美国国防部和三军的有关机构；NASA；波音、洛克希德·马丁、格鲁门、ARINC、霍尼韦尔、罗克韦尔、雷神、通用电气、普惠、BAE系统公司、史密斯航宇公司、古德里奇公司和泰瑞达公司等跨国公司；康涅狄格大学、田纳西大学、华盛顿大学、加州工学院、麻省理工学院、佐治亚理工学院、斯坦福大学、马里兰大学等著名院校；智能自动化公司、Impact技术公司、质量技术系统公司（QSI）、Giordano自动化公司等软件公司；荷兰PHM联盟（DPC）、Sandia国家实验室（SNL）、美国国防工业协会（NDIA）系统工程委员会、美"联合大学综合诊断研究中心"、美测试与诊断联盟（TDC）等协会和联盟。其中，研发电子产品PHM技术的单位首推马里兰CALCE 电子产品和系统中心，其水平处于世界领先地位。目前国外采用的电子产品故障预测方法可以归纳为以下三类。 1、通过监测失效征兆来预测故障 2、通过设置预警电路（Canary Devices）来预测故障 3、通过建立累积损伤模型来预测故障 除上述三种方法外，国外研发机构也在努力探索使用新方法。比如，史密斯航宇集团在飞机和直升机子系统中综合利用奇异值分解、主成分分析和神经网络进行非线性多元分析和异常状况检测；美国国家航空航天局在航天飞机中使用故障检测算法（包括高斯混合模型、隐马尔可夫模型、卡尔曼滤波、虚拟传感器等）来检测产品异常状态；范德比尔特大学在航宇产品中使用前馈信号（泰勒级数展开）来预测故障。 虽然国外研发机构对军用电子产品PHM技术表现出浓厚兴趣，而且发展迅速，但就目前来看，电子产品PHM技术还远未成熟，至少在以下方面面临巨大挑战。 1、残余使用寿命预测中的不确定性 2、间歇失效的预测 3、电子产品寿命周期数据的原位监测 4、对PHM技术投资回报率的评估 5、确定系统性能的门限值
故障预测与健康管理IEEE标准 John W. Sheppard1, Mark A. Kaufman2, Timothy J. Wilmering3 1. The Johns Hopkins University, 3400 N. Charles Street, Baltimore, MD 21218, jsheppa2@https://www.doczj.com/doc/7611166703.html, 2. NSWC Corona Division, PO Box 5000, Corona, CA 92878, mark.kaufman@https://www.doczj.com/doc/7611166703.html, 3. The Boeing Company, PO Box 516, M/C S270-3800, St.Loui,MO63166,timothy.j.wilmering@https://www.doczj.com/doc/7611166703.html, 摘要：如今，复杂的系统如飞机，发电厂和网络的操作员，一直在强调需要为最大限度地提 高业务目的在线健康监测可用性和安全性。故障预测与健康管理（PHM）这门学科被认为是处理这些管理和预测的要求需要的正式学科。在本文中，我们将探讨在IEEE标准的发展框架下，如何根据目前标准用来支持PHM的申请。特别重点将放在PHM的作用以及国防部（DOD）的PHM的相关标准自动测试系统有关的研究。 关键字—故障预测，PHM，CBA，AI-ESTATE，SIMICA 1．介绍 1976年，IEEE为测试All Systems（ATLAS）的语言的缩写规范的而建立了标准协调委员会20（SCC20）。从那时起，标准协调委员会（SCC20）扩大其工作范围，为开发大型系统级测试和相关系统的诊断标准。1989年，IEEE批准了一个项目授权请求（PAR），授权SCC20开发一个新的标准，这个标准是根据项目P1232，主要针对成熟的人工智能领域——人工智能交流服务领带全部测试环境(AIESTATE)而制定的。1995年，SCC20审查并公布了（全测试环境）AI-ESTATE标准，IEEE 1232-1995，并于2002年，升级了该标准。今天，SCC20下，其诊断和维修控制（DMC）的管理小组正在完成AI-ESTATE标准的一个新的更新，这个标准是强调它的拥抱PHM的相关问题进行广泛的范围。 国防部（DOD）ATS框架工作组是一个多重服务的，有行业学术伙伴关系的机构，这个机构着重于在定义一个信息框架，并确定为下一代自动测试系统（ATS）的标准。基于20世纪90年代，苯丙胺类兴奋剂的研究和开发的集成产品团队定义苯丙胺类兴奋剂的“关键接口的”设置工作的基础上，当前的工作组已选择，支持发展，并表明将在苯丙胺类兴奋剂的使用商业标准。2007年，工作组决定扩大其范围，以拥抱PHM的信息需求，以及和增加了两个新“元素”，以它的框架的一元（生产）预后的数据和一个（投票站）预后服务的元素。工作组决定对这些要素集中平行的诊断数据和诊断服务要素已经在框架中。 故障预测与健康管理（PHM）已经被定义为“PHM的已经被定义为“一个维护和利用的信号、测量、模型和算法，以发现、评估和跟踪恶化的健康状态，并预测可能发生的故障的办法[1]。”正如定义一样，PHM包括的东西比标准协调委员会20（SCC20）的规定要多得多。因此，（全测试环境）AI-ESTATE标准由此建立并发表许多有关于故障诊断的PHM文章。在软件接口维护信息收集与分析(SIMCA)项目下，诊断和维修控制（DMC）小组正在制定标准，这些标准可能会规定其它的PHM信息管理要求。这些标准通过收集可用于分析的维护和诊断过程的历史信息，并把这些分析与整个系统或者单个系统联系起来。其结果是一个标准的集合，这个标准可以诊断成熟，PHM的过程趋于完善。本文的重点是AI-ESTATE和SIMICA标准在PHM系统中的应用。在这个文件的讨论强调了在制定这些标准的最新研究成果和重点介绍了如何使用它们来满足
龙源期刊网 https://www.doczj.com/doc/7611166703.html, 飞行数据基础上的飞行器故障预测与健康管理系统研究 作者：姜学鹏洪贝崔嘉 来源：《科学与信息化》2018年第10期 摘要本文通过对IVHM、PHM相关文献的整理，对基本概念进行了归纳和总结，力求对IVHM、PHM技术的发展进行全面的了解，理清IVHM、PHM的发展历程及关键技术，并对国内外现有的主要研究单位及学术组织进行了归纳和概括，以使读者对健康管理技术有更加详尽的了解，为我国在相关领域的研究工作提供有力的帮助。 关键词健康管理技术；综合飞行器健康管理技术；故障预测与健康管理技术；综合飞行 器故障预测与健康管理系统 1 技术背景与发展现状 随着航空航天技术的发展，飞行器的安全性与可靠性，以及飞行器后勤保障体系的高效和经济性等越来越成为发展航空航天技术无法回避的问题。美国联邦航空管理局（FAA）和国家运输安全委员会（NTSB）的统计数据表明，过去17年来全世界飞行事故有24%是由飞行器子系统和部件的故障引起，26%是由飞行失控引起，而很大一部分飞行失控是由硬件和系统的故障引起的[1-2]。此外，航空航天工业也面临着巨大的经济压力，航空公司每年在飞行器后勤保障上花费310亿美元，平均每一个小时的飞行时间要有12个小时的后勤保障时间。为提高飞行器的可靠性与安全性，降低成本，美国国家航空航天局（NASA）提出了飞行安全计划——飞行器综合健康管理（Integrated Vehicle Health Management，IVHM）技术。IVHM技术将飞行器各个子系统的故障监测、故障诊断、影响评估、故障预测等，及其相应的处理措施和后勤保障的安排等综合为一个对飞行器健康状况的综合管理系统，从提出至今经历了一个漫长的从概念到具体实现的发展过程，目前尚未出现一个具备完整健康管理功能的IVHM系统，但IVHM技术在飞行器安全性、可靠性、经济性等方面的突出作用，受到航空航天工业科研与生产单位的广泛认同，成为航空航天工业发展的一种必然趋势[1-2]。 伴随着IVHM的发展，也出现了许多用于VHM的诊断推理工具（都有哪些做成表或图），如：Ames研究中心开发的Livingstone诊断推理工具，已成功应用于DS-1、X-34、X-37等项目中；JPL（Jet Propulsion Laboratory）开发的推理工具SHINE和诊断工具BEAM，成功用在X-33等中；此外还有基于模型的推理机TEAMS成功用在K-1等中、基于模型的软件工具FACT等。新型的传感器、先进的诊断推理算法和系统集成方法等的应用也成为IVHM技术发展的重要成果。 综上所述，IVHM技术已经得到一定的发展，但还不完善，尚处于原理、部分功能和概念的验证阶段，目前还没有具备完整IVHM功能的系统。
故障预测与健康管理P H M技术的现状与发展 Hessen was revised in January 2021
故障预测与健康管理（PHM）技术的现状与发展 曾声奎? 北京航空航天大学可靠性工程研究所，北京 100083 Michael G. Pecht, 吴际? 美国马里兰大学 CALCE电子产品与系统中心，马里兰，2074 Status and Perspectives of Prognostics and Health Management Technology) ZENG Sheng_kui1, Michael G. Pecht2, Wu Ji2? (1Institute of Reliability Engineering, Beihang University, Beijing# 100083, China) (2CALCE Electronic Products and Systems Center ,University of Maryland, College Park, MD 20742） 摘要：结合故障预测与健康管理（PHM）的技术发展过程，阐述了PHM的应用价值。论述了PHM技术系统级应用问题，提出了故障诊断与预测的人机环完整性 认知模型，并依此对蓬勃发展的故障诊断与故障预测技术进行了分类与综合分析，给出了PHM技术的发展图像。针对故障诊断与预测的不确定性特征，对故 障诊断与预测技术的性能要求、定量评价与验证方法进行了分析。最后，以 PHM技术的工程应用为线索，提出了PHM技术发展中的几个问题。 关键词：故障预测；故障诊断；故障预测与健康管理 Abstract: This paper has briefed the potential benefits of Prognostics and Health Management (PHM) against its evolution history. The architecture for PHM system-level application is outlined, and a cognition model for diagnostics and prognostics is built based on the integrality of man-machine-environment. Directed by this model, various diagnostics and prognostics methods are classified and analyzed, and a whole picture of PHM is drawn. Uncertainty is a critical factor of PHM，its requirement-making, quantitative assessment and validation are discussed. Finally, key issues to do of PHM are listed with the goal of practical extensive use.
健康管理现状与预测的统计分析 随着经济及社会的快速发展，健康管理这一新的概念引入中国。健康管理简单的来说就是针对个体或群体的健康状态以及危险因素进行全面监测、分析、评估，提供健康咨询与指导、制订健康促进计划、进行健康维护等。本文以某地级市三甲医院为对象，收集该医院近几年的体检数据，通过分类，汇总等统计方法分析健康管理的现状，并提出健康管理所存在的问题及对未来健康管理领域的趋势预测。 Abstract：With the rapid economic and social development，health management，a new concept in China.Health management is simple，for individual or group health status and risk factors of comprehensive monitoring，analysis，evaluation，provide health advice and guidance，develop plans for health promotion，health maintenance，and so on.In this paper，a prefecture-level city hospital as object，collection of medical data of the hospital in recent years，by category，summary statistical methods such as analysis of situation of health management and health management problems and prediction of future trends in health management. Key words：Health management；Statistics；Prediction 1 緒论 1.1问题背景在经济社会高速发展，人们健康意识不断提高的今天，越来越多的人认识到健康的重要性。而我们现在所提到的健康并不是指简单的由医生所诊断的疾病，而是我们的躯体、心理、社会适应都处于完好的状态。健康包括三个方面的内容：①身体无病，没有已经发现和尚未发现（潜隐性）疾病；②心理健康；③社会适应良好。所以健康是人全面发展的基础，我们有必要对中国健康管理的现状作进一步的调查和分析，发现其中所存在的问题，提出合理的建议，并对我国未来的健康管理领域的发展进行预测。 1.2健康管理的含义健康管理（Health Management）是指对个体或群体的健康进行检测、评价和干预的全过程，是建立在现代生物医学和信息数字化管理基础上的、基于个人健康档案的个性化健康事务性管理服务，从“生物学、心理学、社会学”的角度，实现对个人和群体全面的健康保障服务[1-2]。健康管理这个概念是上个世纪50年代由美国人提出的，其主要内容是保险公司对其客户进行系统的健康管理，减少和控制他们疾病的发生和发展，减少公司的出险率和有关疾病的治疗费用支出，从而减少保险公司的损失。而随着社会及经济的不断进步和该领域业务的不断发展，健康管理逐渐形成了一套系统的业务，并出现了与之紧密相连的公司和企业。 同时健康管理也分为狭义与广义两个方面。其区别主要是服务对象和服务方式的不同[3]。狭义的健康管理所针对的服务对象是个人、企业，而广义的健康管理所服务的对象是整个国家。而对于服务方式的区别主要是狭义的健康管理是