数控设备故障预测和健康管理的维修保障系统

王国栋，普远瞩

（北京卫星制造厂有限公司，北京 100190）

0 引言

数控设备是一种规模庞大、技术复杂的特殊产品，在经济技术水平不断发展的情况下，数控设备的规模越来越大，给故障检修工作带来非常大的难度。为了提升数控设备运行的稳定性，减少数控设备寿命周期的维护费用，业内相关研究人员开始对数控设备的维修保障机制进行全面而细致的探索，旨在提升数控设备的运行稳定性。故障预测和健康管理（Prognostic and healthy management，PHM）技术，能够精准把控数控机床的相关部件和系统运行状态，对数控设备进行预计诊断，保证其后续的运作时间和运作稳定性，将全部的故障预测信息整合处理，最终对维修活动进行统筹化管理。

1 故障预测与健康管理技术

数控设备的故障预测和健康管理技术（以下简称PHM）最早起源于美国军方，是目前数据设备管理工作的核心技术之一。该技术能够对设备进行综合性的健康管理，同时能够精确检测到设备当中的故障。在国外一些发达国家尤其在美国军方当中已经实现了全面普及应用。随着该项技术的不断成熟，该技术开始从军事领域向其他领域扩展，是未来数控设备管理工作发展的主要趋向。

现阶段，PHM 技术的相关研究在我国已经全面展开，但是研究的深入程度还有待加强，一些研究成果存在一定的片面性，无法满足生产制造工作的实际需求，在工业领域当中的应用层次不足。鉴于这种情况，相关工作人员和研究人员在技术应用和研究工作中要对PHM 技术的特点进行深入剖析，明确其具体的运行机制，提升其在工业领域的推广价值，使我国的工业生产能力得到实质性的提升。

2 故障预测和健康管理系统结构

从运行机理上来看，PHM 系统可以监测设备运行全过程中产生的全部状态信息，并对数控设备当中的关键部件进行受力分析，明确这些关键部件的性能退化情况，进而为企业的生产调度工作和设备保障工作提供决策支持。相关技术人员在使用PHM 系统时要重点关注数控设备关键部件的振动状况和温度信息，进行全面的采集和处理[1]。结合性能退化模型、设备精度模型以及设备寿命评估模型等分析手段，将其与人工智能技术深度结合，最终对数控设备实行全方位的智能保障。

3 数控设备故障预测和健康管理系统组成及功能

3.1 数控设备故障预测和健康管理系统的功能

（1）监测功能。PHM 系统可以监测数控设备当中的润滑系统、主轴系统、数控系统以及其他辅助功能的子系统，使其始终处于稳定的运行状态当中，并及时上报系统当中出现的故障问题，为数控设备的稳定运行打下初步基础[2]。

（2）信号采集功能。PHM 系统能够在数控设备的温度传感器、压力传感器等传感器设备当中采集信息信号，为系统的数据处理工作提供强大的支撑。

（3）故障预测功能。PHM 系统对采集到的数据进行综合分析，对设备当中出现的异常状态进行分析，并准确判断设备各个位置出现故障的可能性，对其进行精确预测。

（4）健康评估功能。PHM 系统的最典型特点就是对数控设备的状态进行综合评估，详细分析设备每个环节的运行状况，并在设备出现故障隐患时提出针对性的建议。

3.2 数控设备故障预测和健康管理系统的组成

PHM 系统的构成可以分为9 个部分，分别是信号采集系统、性能退化模型、寿命预测模型、故障预报系统、专家数据库、子系统和整机性能健康评估系统、数据服务器、管理服务器以及管理用户层。各部分所负责的具体工作如下：

（1）信号采集系统能够处理数控设备当中所有子系统的状态变化情况和故障信息，在各种传感器当中提取信息。传感器当中发出的信号通过信号采集系统直接输入到工控机当中进行系统化分析[3]。

（2）PHM 系统的每个性能退化模型都能准确捕捉数控设备当中各部件的性能状态和敏感特征，通过非线性映射的关系表现出来，以此完成设备部件性能退化趋势的评估和预测。

（3）寿命预测模型参考设备的工作时间、加工参数等相关信息，与性能退化模型进行合作预测，从而明确当前运行环境中数控设备部件的剩余寿命。

（4）故障预报系统能够按照系统当中设置的非线性阈值和性能退化的具体状态，实现故障发生概率的事先判定。

（5）专家数据库收录了每一次设备预测和诊断的结果，在工作完成之后数据即开始同步传输，从而使专家数据库中的知识不断更新[4]，丰富故障解决方案。

（6）子系统和整机性能健康评估在寿命预测模型、故障预警模型和专家数据库的共同作用下，对数控设备的整体状态进行综合评估和智能诊断。

（7）数据服务器的作用是存储数控设备各个部件的信息，并将其进行分类处理，在提供使用便利的同时提升数据的安全性。

（8）管理服务器可以调取并使用数据服务器当中的数据，监控设备各子系统的状态和性能参数。

（9）管理用户层将企业车间的设备管理工作人员视为系统网络中的节点，在远端得到数控设备的各类型加工信息和状态信息，最终实现对数控设备的细致化维护。

4 数控设备故障预测和健康管理维修保障系统工作流程

PHM 系统的工作流程主要可以分为两部分：一是信息采集故障预测流程，二是设备维修管理流程。这两个流程又可以细化分为4 个阶段，具体内容如下：

（1）设备运行状态监控和相关信息采集阶段。该阶段是PHM系统全面运行的基础性保障，在细致化的信息收集工作和状态监控工作的保障下，PHM 系统可以得到数控设备运行的实际信息[5]，明确数控系统的确切状况，为数据处理工作和故障预测工作提供大量的数据支撑。

（2）故障分析阶段。在相关信息获取完毕之后，PHM 系统即开始系统化分析设备当中的故障。系统当中的数据处理模块能够精确化处理相关数据信息，得到专业的数据分析结果。数据分析结果中展示了设备实际数据与预留数据之间的差异，如果二者之间差异过大，表明设备出现故障的概率较大，并对其进行深入的故障诊断。若经过诊断之后确实存在故障，系统将会发出告警信息，并输出相关的故障信息。

（3）故障预测阶段。在故障分析工作完成之后，若未发现故障，系统工作即进入故障预测阶段。PHM 系统在数据分析过程中也会产生失误，故障预测阶段就是针对于PHM 系统在数据分析过程中存在的疏漏进行再次检测。即使故障诊断结果表明设备当中不存在故障，但是设备当中依然会存在潜在的故障风险，故障预测能够精确判断故障发生的可能性，并给出相应的检修意见。

（4）故障维修阶段。故障的维修工作比较常规，维修人员只需对判定存在故障的方面进行针对性维修即可，在维修过程中要生成有参考意义的技术建议，为下一次维修工作提供参考。

5 大型数控设备故障预测和健康管理维修保障系统的关键技术

PHM 技术在大型数控设备当中的核心技术是信号分析和特征选择技术。在数控设备实际运行过程中，其故障产生的原理和变化规律会发生一定变化。这种情况下，相关技术人员需要结合故障信号的变化特征，通过正确的信号处理方式来提取故障特征，这也是故障预测和设备性能评估的重要前提。

制造现场得到的信号受到外部环境的影响，往往质量比较低，许多故障信号在嘈杂的外部环境当中难以识别。因此，针对大型数控设备的工作环境，近年研发设计的PHM 系统中嵌入了信号滤波处理单元[6]，通过提升信号信噪比的方式来消除噪声的影响。但是信号滤波技术作为一种单纯的信号处理技术，经常会在剔除噪声的同时剔除有用信号，因此PHM 技术的研发人员在其中加入了特征提取技术，融合噪声和设备部件的具体运动机理，实现对故障信号的精确提取。

特征提取技术在时域、频域以及时频域当中对经过预处理的信号进行二次深度处理，深入分析故障或性能变化的映射关系，最终得到与故障和性能变化趋势相同的单调线性特征。特征提取的方式使信号的特征指数更加明确，简化运算流程，提升故障判断和故障预测的准确程度。特征提取当中比较常用的方式有模糊聚类算法、BP 神经网络以及灰色关联度等等。

6 总结

PHM 系统在数控设备当中的应用价值非常明显，相关技术人员在数控设备操作的过程中要积极引进PHM 技术，明确PHM 技术的运行机制、系统功能和系统构成，结合实际的生产情况进行有效应用。