大道有曰第9期——浅谈故障预测与健康管理

2019-08-09 17:26:02  阅读:9361 来源:自媒体航天大道

原标题:大道有曰第9期——浅谈故障预测与健康管理

【主持人】:大道有曰,与您相约,众所周知,PHM广泛应用于各个领域,本期“大咖论智造”我们邀请到彭教授与大家共同探讨和交流关于故障预测与健康管理技术方面的一些问题。那么请彭教授结合丰富的专业经验,谈一下您的见解与认识!

哈尔滨工业大学教授,博士生导师,电子与信息工程学院副院长。主要从事航天和航空装备的自动测试、无人系统健康管理,以及工业信息物理系统领域的研究工作;主持完成各类科研项目100余项,荣获部级奖励5项、以及“省杰出青年科技创新奖”、省“新长征突击手”等荣誉称号;所负责团队入选黑龙江省优秀研究生导师团队和“哈工大2011协同创新工程平台:宇航测试技术”团队。

【彭教授】:各位朋友大家好,很高兴在“大道有曰”和大家一起探讨交流!

【主持人】:彭教授,您能先和大家谈一下 PHM的关键技术是哪些?为什么是这些关键技术吗?

【彭教授】:PHM技术产生的初衷,就是实现对复杂系统状态持续的监测,并通过有效的运行状态感知、监测数据采集、传输、存储以及计算,形成对系统运行状态的量化分析能力,从而,以量化后的系统运行特性表达,为使用、维护、维修或工业资产管理等提供科学而有效的决策支持信息。

因此,我们能够看到,其中的关键技术涉及:传感、数据采集、数据传输、数据治理、数据集成、数据分析(统计分析、数据驱动的机器学习)、定量分析的业务决策。这些要素也是工业互联网核心的信息物理系统(CPS,Cyber Physical System)的四个重要环节:感知、通信、计算和控制。

这些关键技术的核心是:数据。它们来自于我们感兴趣的工业装备或系统的运行状态,以数字化的信息形态呈现出物理系统的特性。后续一系列围绕数据展开的数字系统内的数据应用,则形成了从信息到知识,再到决策的过程。之所以说它们是关键技术,其根本原因在于:当代的工业领域所需的对复杂系统的认知,已经进入了科学研究的第四范式:数据科学驱动的研究。科学家和工程师们都已经开始通过充分的实验、试验、测试和监测,来获取反应客观世界运行规律的各种数据,并利用先进的计算工具和计算方法,形成定量与定性相结合的科学研究和技术开发。

【主持人】:那么PHM分析在航天军工领域的主要应用场景有哪些呢?

【彭教授】:航天军工领域,是庞大的工业技术领域的一个分支。因此,现在工业领域,特别是制造业热衷的工业互联网、工业大数据、工业云、边缘计算等关键技术,以及核心部组件、子系统以及系统级的PHM,在航天军工领域均有现实映射,而且工业物联网对等的军事物联网体系架构也是清晰的。但是,航天军工领域所特有的复杂性和高风险性,导致其更加重视系统工程。这直接导致了其不但需要一般工业技术领域或制造业领域的试验、测试、运行状态监测和综合管理能力,还需要在配置这些能力时,严格谨慎地分析和评估感知赋能过程中,系统复杂性增加导致的技术特性(能源、空间、重量、计算资源配置、电磁兼容性等敏感特性)改变、安全性(互联互通的安全风险等)和可靠性风险。这些现实技术挑战,也直接导致了此领域的现实技术发展和应用,相对滞后于普通工业场景。因此,总体上,应该保持谨慎积极的态度开展相关工作,而不能盲目跟风,仓促开展缺乏系统性思考和论证的工作。

【主持人】:彭教授,据我们了解,航天军工领域的很多产品或者系统的负样本数量一般很少,有没有方法能在少量负样本或者没有负样本的条件下开展PHM分析,请结合您的专业经验,和大家分享一下?

【彭教授】:客观地讲,PHM技术研究,甚至是目前还在不断热推的工业互联网和工业大数据技术理念,在整个工业领域缺乏的都是充分而有效的运行状态监测数据的现实支撑。虽然,工业系统在研发、试验、生产和规模化应用过程中,都会出现系统失效、故障或异常等问题。但是,无论传统的工业系统设计,还是现在强调的工业智能化设计,其核心目标始终是质量第一,安全第一,可靠性优先。因此,在全生命周期的使用过程中,也会积极地确保其运行正常。显而易见,在这样的工业环境中,所谓的负类样本(各类异常数据)缺失问题是必然存在的问题。

解决该问题,可以从两个角度出发。

首先,利用数据分析方法,针对不平衡数据开展方法性的研究,这在研究文献中有很多的报道。但是,若要想真正提高数据分析方法应对负类样本不足的能力,仅仅通过这类方法,是不够的。因为,此类方法治标不治本。并未从本质上加强对工业装备或系统运行状态充分获取能力。故障样本,或异常数据样本的缺失,本质上是对工业系统观测能力的缺失。

因此,若要解决此类问题,还应关注另一个角度,那就是充分关注对所监测对象或系统异常、失效或故障模型的充分获取。这项工作需要长期持续的投入,从试验(可靠性试验、故障机理试验、测试性分析试验)出发,同步强化运行过程中,在统计意义上,更加充分的状态监测,以尽可能多地获取系统运行状态,从根本上解决正负类样本不平衡导致的模型构建和应用问题。

【主持人】:想再请问一下彭教授,PHM分析与故障树分析之间是否存在技术上的关联?有的话二者应该如何配合运行呢?

【彭教授】:个人认为,PHM与故障树分析,不是一个层次上的概念。PHM是一种技术体系,一种研究体系,其内涵已经涵盖了CPS系统的全链条。其中,故障诊断、预诊、异常检测等关键技术已融合其中。而故障树分析,作为一种经典的故障诊断方法,也应该是可以纳入其中的一个元素。二者之间应该可以视为:体系与体系中关键技术的关系。

【主持人】:彭教授,请结合您的经验谈一下,PHM分析具体落地实施的时候,需要客户具备哪些条件,或者提供哪些方面的配合,才能保证PHM分析工作顺利推进吗?

【彭教授】:首先,应该是有效的数据,或者说为获取有效的数据做好了充分的准备。PHM是一个复杂的系统性研究或技术开发过程。涵盖了感知、通信、计算和控制,其中任何一个环节都是相对独立的研究领域。但其技术基础是能够有效反映工业系统运行状态的监测数据。这里的“有效”是指所获取的数据能够真实而相对充分地表达核心部组件、子系统和系统的功能或性能指标。当前,很多PHM系统的构建直接依托于装备原有的运行状态感知系统,其所获得的数据大部分是为了实现系统控制的状态输入,而非性能评估所需的关键参数。从而导致,数据很丰富,信息很有限的问题。

第二点,PHM分析所需的数据需要充分的仿真、试验和实验性研究支持。单纯依靠系统正常工或运行条件获取的数据,不足以充分覆盖其故障模式。需要结合其工作机理和故障机理分析,通过专业性的仿真、试验或实验,获取其非正常工作条件下的运行状态特性。

第三点,专业领域的技术工程师或专家的知识或经验支持。PHM技术研究需要知识工程师与专业领域技术工程师的紧密协同。与具体工业装备或系统结合时,要充分依托于不同领域的专业知识和体系支撑。比如:航空装备与工业机器人装备,其系统构建、核心部组件的机理和规模等等,差异显著。没有专业精深的领域专家支持,先验知识的获取、体系的构建、系统效能的评估都会缺乏有效的能力支撑和现实评价手段。

【主持人】:感谢彭教授的精彩分享,本期的大道有曰之“大咖论智造”就到此结束了,大道有曰,与您相约,下期见!

责任编辑:

 
 
大道有曰第9期——浅谈故障预测与健康管理_中华健康网

大道有曰第9期——浅谈故障预测与健康管理

   日期:2019-08-09     来源:自媒体    作者:航天大道    浏览:9361    评论:0    
核心提示:原标题:大道有曰第9期——浅谈故障预测与健康管理【主持人】:大道有曰,与您相约,众所周知,PHM广泛应用于各个领域,本期“大

原标题:大道有曰第9期——浅谈故障预测与健康管理

【主持人】:大道有曰,与您相约,众所周知,PHM广泛应用于各个领域,本期“大咖论智造”我们邀请到彭教授与大家共同探讨和交流关于故障预测与健康管理技术方面的一些问题。那么请彭教授结合丰富的专业经验,谈一下您的见解与认识!

哈尔滨工业大学教授,博士生导师,电子与信息工程学院副院长。主要从事航天和航空装备的自动测试、无人系统健康管理,以及工业信息物理系统领域的研究工作;主持完成各类科研项目100余项,荣获部级奖励5项、以及“省杰出青年科技创新奖”、省“新长征突击手”等荣誉称号;所负责团队入选黑龙江省优秀研究生导师团队和“哈工大2011协同创新工程平台:宇航测试技术”团队。

【彭教授】:各位朋友大家好,很高兴在“大道有曰”和大家一起探讨交流!

【主持人】:彭教授,您能先和大家谈一下 PHM的关键技术是哪些?为什么是这些关键技术吗?

【彭教授】:PHM技术产生的初衷,就是实现对复杂系统状态持续的监测,并通过有效的运行状态感知、监测数据采集、传输、存储以及计算,形成对系统运行状态的量化分析能力,从而,以量化后的系统运行特性表达,为使用、维护、维修或工业资产管理等提供科学而有效的决策支持信息。

因此,我们能够看到,其中的关键技术涉及:传感、数据采集、数据传输、数据治理、数据集成、数据分析(统计分析、数据驱动的机器学习)、定量分析的业务决策。这些要素也是工业互联网核心的信息物理系统(CPS,Cyber Physical System)的四个重要环节:感知、通信、计算和控制。

这些关键技术的核心是:数据。它们来自于我们感兴趣的工业装备或系统的运行状态,以数字化的信息形态呈现出物理系统的特性。后续一系列围绕数据展开的数字系统内的数据应用,则形成了从信息到知识,再到决策的过程。之所以说它们是关键技术,其根本原因在于:当代的工业领域所需的对复杂系统的认知,已经进入了科学研究的第四范式:数据科学驱动的研究。科学家和工程师们都已经开始通过充分的实验、试验、测试和监测,来获取反应客观世界运行规律的各种数据,并利用先进的计算工具和计算方法,形成定量与定性相结合的科学研究和技术开发。

【主持人】:那么PHM分析在航天军工领域的主要应用场景有哪些呢?

【彭教授】:航天军工领域,是庞大的工业技术领域的一个分支。因此,现在工业领域,特别是制造业热衷的工业互联网、工业大数据、工业云、边缘计算等关键技术,以及核心部组件、子系统以及系统级的PHM,在航天军工领域均有现实映射,而且工业物联网对等的军事物联网体系架构也是清晰的。但是,航天军工领域所特有的复杂性和高风险性,导致其更加重视系统工程。这直接导致了其不但需要一般工业技术领域或制造业领域的试验、测试、运行状态监测和综合管理能力,还需要在配置这些能力时,严格谨慎地分析和评估感知赋能过程中,系统复杂性增加导致的技术特性(能源、空间、重量、计算资源配置、电磁兼容性等敏感特性)改变、安全性(互联互通的安全风险等)和可靠性风险。这些现实技术挑战,也直接导致了此领域的现实技术发展和应用,相对滞后于普通工业场景。因此,总体上,应该保持谨慎积极的态度开展相关工作,而不能盲目跟风,仓促开展缺乏系统性思考和论证的工作。

【主持人】:彭教授,据我们了解,航天军工领域的很多产品或者系统的负样本数量一般很少,有没有方法能在少量负样本或者没有负样本的条件下开展PHM分析,请结合您的专业经验,和大家分享一下?

【彭教授】:客观地讲,PHM技术研究,甚至是目前还在不断热推的工业互联网和工业大数据技术理念,在整个工业领域缺乏的都是充分而有效的运行状态监测数据的现实支撑。虽然,工业系统在研发、试验、生产和规模化应用过程中,都会出现系统失效、故障或异常等问题。但是,无论传统的工业系统设计,还是现在强调的工业智能化设计,其核心目标始终是质量第一,安全第一,可靠性优先。因此,在全生命周期的使用过程中,也会积极地确保其运行正常。显而易见,在这样的工业环境中,所谓的负类样本(各类异常数据)缺失问题是必然存在的问题。

解决该问题,可以从两个角度出发。

首先,利用数据分析方法,针对不平衡数据开展方法性的研究,这在研究文献中有很多的报道。但是,若要想真正提高数据分析方法应对负类样本不足的能力,仅仅通过这类方法,是不够的。因为,此类方法治标不治本。并未从本质上加强对工业装备或系统运行状态充分获取能力。故障样本,或异常数据样本的缺失,本质上是对工业系统观测能力的缺失。

因此,若要解决此类问题,还应关注另一个角度,那就是充分关注对所监测对象或系统异常、失效或故障模型的充分获取。这项工作需要长期持续的投入,从试验(可靠性试验、故障机理试验、测试性分析试验)出发,同步强化运行过程中,在统计意义上,更加充分的状态监测,以尽可能多地获取系统运行状态,从根本上解决正负类样本不平衡导致的模型构建和应用问题。

【主持人】:想再请问一下彭教授,PHM分析与故障树分析之间是否存在技术上的关联?有的话二者应该如何配合运行呢?

【彭教授】:个人认为,PHM与故障树分析,不是一个层次上的概念。PHM是一种技术体系,一种研究体系,其内涵已经涵盖了CPS系统的全链条。其中,故障诊断、预诊、异常检测等关键技术已融合其中。而故障树分析,作为一种经典的故障诊断方法,也应该是可以纳入其中的一个元素。二者之间应该可以视为:体系与体系中关键技术的关系。

【主持人】:彭教授,请结合您的经验谈一下,PHM分析具体落地实施的时候,需要客户具备哪些条件,或者提供哪些方面的配合,才能保证PHM分析工作顺利推进吗?

【彭教授】:首先,应该是有效的数据,或者说为获取有效的数据做好了充分的准备。PHM是一个复杂的系统性研究或技术开发过程。涵盖了感知、通信、计算和控制,其中任何一个环节都是相对独立的研究领域。但其技术基础是能够有效反映工业系统运行状态的监测数据。这里的“有效”是指所获取的数据能够真实而相对充分地表达核心部组件、子系统和系统的功能或性能指标。当前,很多PHM系统的构建直接依托于装备原有的运行状态感知系统,其所获得的数据大部分是为了实现系统控制的状态输入,而非性能评估所需的关键参数。从而导致,数据很丰富,信息很有限的问题。

第二点,PHM分析所需的数据需要充分的仿真、试验和实验性研究支持。单纯依靠系统正常工或运行条件获取的数据,不足以充分覆盖其故障模式。需要结合其工作机理和故障机理分析,通过专业性的仿真、试验或实验,获取其非正常工作条件下的运行状态特性。

第三点,专业领域的技术工程师或专家的知识或经验支持。PHM技术研究需要知识工程师与专业领域技术工程师的紧密协同。与具体工业装备或系统结合时,要充分依托于不同领域的专业知识和体系支撑。比如:航空装备与工业机器人装备,其系统构建、核心部组件的机理和规模等等,差异显著。没有专业精深的领域专家支持,先验知识的获取、体系的构建、系统效能的评估都会缺乏有效的能力支撑和现实评价手段。

【主持人】:感谢彭教授的精彩分享,本期的大道有曰之“大咖论智造”就到此结束了,大道有曰,与您相约,下期见!

责任编辑:

 
打赏
 
更多>同类要闻
0条 [查看全部]  相关评论

推荐图文
推荐要闻
点击排行