面向工业设备故障预测与健康管理系统的信息物理系统架构设计

曹明路　胡钢　沈航　周峰

摘   要： 随着信息化和工业化融合发展的不断推进，工业设备的维护策略正在从原有的基于状态监测的被动处理向基于综合分析的主动管控转变，故障预测与健康管理（PHM）技术被人们寄予厚望。为助力PHM技术在工业领域的规范化落地应用，在工业设备PHM系统的设计中引入信息物理系统（CPS）体系，搭建了涵盖单元级、系统级、系统之系统级层级化架构;并结合不同的网络连接和云计算部署方式，明确了系统调用的数据种类范围，提出了基于CPS的在线、离线、远程三种工业设备智能运维模式，以满足不同类型、规模的工业企业的设备维护保障需求。

关键词： 信息物理系统;故障预测与健康管理;工业设备;云计算;智能运维

中图分类号：TP393    文献标识码：A    文章编号：2095-8412 （2020） 04-069-05

工业技术创新 URL： http：//gyjs.cbpt.cnki.net    DOI： 10.14103/j.issn.2095-8412.2020.04.013

引言

隨着工业生产过程逐步向数字化、网络化、智能化方向发展，工业设备的复杂度和开放性大大提高，其运行管理和维护保障的精细化、科学化程度也相应面临更高的要求，传统的事后维修、定期维护等方式已不再适用。起源于航空领域的故障预测与健康管理（PHM）技术[1-3]，由于顺应工业互联网时代设备资产维护理念的发展趋势，即从基于状态监测的被动处理向基于综合分析的主动管控转变，因此近年来引起了很多工业领域人士的关注和重视。

目前PHM技术在工业领域的移植应用仍处于起步阶段，尚未形成可大规模复制推广的解决方案，究其原因主要难题在于，通常参照视情维修开放体系结构（OSA-CBM）进行功能分层的PHM系统，如何与工业系统自下而上由设备/产线级、工厂/企业级、跨企业协同级构成的层次化互联结构相适应。为促进PHM技术在工业场景的落地应用，探索建立切合工业领域业务需求的PHM系统顶层架构非常关键。

信息物理系统（CPS）作为支撑信息化和工业化深度融合的综合使能技术体系，通过对核心技术要素的有机整合，为工业系统各层级各环节之间的交互和协同提供了稳定、灵活、安全的运行框架[4]。将CPS架构引入PHM系统设计中，应用CPS基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系[5]，将有利于推进PHM体系架构的标准化，加强PHM系统的集成性、可靠性和可扩展性。已有学者进行了相关尝试，提出利用CPS助力PHM系统在工业领域发挥更大的效用[6-8]。

本文基于《信息物理系统白皮书》中CPS的三个标准层次[5]，提出了面向工业设备PHM系统的层级化CPS架构，为构建高效、可靠、实时协同的工业设备PHM系统提供了统一、柔性的参考框架，以支持PHM技术在工业领域的规范化适配;对应于PHM系统的边缘侧、私有云、公有云三种部署方式，进一步梳理了工业CPS架构下的三种设备智能运维模式，推动打造开放、协同的工业智能创新应用体系。

1  PHM系统的信息—物理融合特征

PHM系统通过传感技术全面采集设备信息，借助各种智能算法和推理模型，监控、评估和管理设备健康状态并预测未来趋势，提供一系列的维护保障决策及任务规划建议，从而实现设备对象的智能运维[9]。其关键在于数据和知识双驱动的数字化建模，而这正是CPS的核心内涵——对物理实体建立“数字孪生”，构造虚拟空间与物理空间的实时映射和闭环交互，实现数据到信息的快速有效转换。

CPS以数字孪生作为纽带，跟踪物理实体状态变化，通过对数字虚体的智能分析来准确预测实体行为，完成快速优化决策并对实体精准执行，达成信息系统与物理系统的有机融合和深度协作。由此可见，PHM系统是CPS技术体系在设备维护管理这一场景的集中应用体现，具体从如下两个方面进行分析：

在数据流通上，PHM系统基于设备对象的数字化模型，形成状态感知、实时分析、科学决策、精准执行的数据闭环，具备显著的信息—物理融合特征，是典型的CPS应用场景。

在应用层次上，PHM系统需要支持边缘侧、私有云、公有云等不同部署方式下的设备运维模式，与CPS单元级、系统级、系统之系统级的标准层级架构相契合。

2  面向工业设备PHM系统的CPS架构

2.1  系统总体架构

对应于CPS标准层次体系，采用层级化设计和分布式部署，搭建与工业设备PHM系统功能分层相融合的CPS架构，如图1所示，由基于边缘计算的单元级PHM、基于私有云的系统级PHM、基于公有云的系统之系统（SoS）级PHM组成。

系统架构以现场层的边缘计算设备、工厂层的私有云平台、跨企业协同层的公有云平台为3级计算控制节点，对工业设备进行分层调度控制，通过CPS技术体系四大核心要素“一硬”（感知和自动控制）、“一软”（工业软件）、“一网”（工业网络）、“一平台”（工业云和智能服务平台）[5]的逐级覆盖和有机组合，构成不断延伸和扩展的“感知—分析—决策—执行”数据流动闭环，涵盖单元级、系统级、SoS级的分布式PHM系统，包括状态监测、故障诊断、故障预测、健康管理等主要功能模块及数据处理、接口等辅助功能模块，通过各个功能模块的精准调用和执行，实现对维护对象性能状态的优化管理。

CPS架构的引入为PHM系统的功能实现和性能提升提供了多个方面的支持和助力。在物理侧，针对目前工业设备数据感知采集的完整性、及时性和准确性问题，通过先进的嵌入式传感控制技术，增强对底层数据的感知采集能力，为PHM系统形成支撑高级分析和智能优化的底层海量数据源。在赛博侧，针对目前工业设备数据难以实现集成连通、计算分析工具能力不足的问题，通过打造新型的工业大数据分析平台，提升工业设备数据的集成度和计算分析水平，为PHM系统提供强大的计算工具和分析方法。

2.2  单元级PHM架构

在现场层，工业控制计算机、工业智能网关等边缘计算设备作为CPS最小单元，通过物理硬件（“一硬”）和自身嵌入式软件系统、本地安装的可扩展设备模型和算法（“一软”）及通信模块，使用实时采集的设备数据，对工业设备进行状态监控、故障诊断等分析运算，并将计算结果和决策建议反馈至现场显控装置（如人机界面、声音指示、颜色指示等），经过人的判断后对工业设备执行相应的管控维护操作，构成最基本的“感知—分析—决策—执行”数据流动闭环，在设备运行现场实现实时、自主的状态监测和故障诊断。

2.3  系统级PHM架构

在工厂层，通过设备用户的企业私有云（“一硬一软一网”）实现多个单元级PHM的集成，从而与现场层的单元级PHM共同构成系统级PHM。系统级PHM基于单元级PHM节点的数据采集、预处理和上传，在私有云端调用设备历史数据和算法模型，对工业设备进行状态监控、故障诊断和故障预测等分析运算，并将计算结果和决策建议推送至设备用户的制造执行系统（MES），经过人的判斷后对工业设备执行相应的管控维护操作，在现场层和工厂层这一更大范围内形成“感知—分析—决策—执行”的数据流动闭环，对已接入企业网络的设备实现先导性、主动性的维护保障。

2.4 SoS级PHM架构

在跨企业协同层，通过公有云（“一硬一软一网一平台”）将多个单元级PHM节点的海量数据汇聚到统一的网络，在云平台上调用设备历史数据和经验数据，通过数据聚合、数据重组、数据转换、数据关联、数据安全授权、数据落地一系列流程进行工业大数据处理，再调用设备模型、算法及知识库，对工业设备进行状态监控、远程诊断、故障预测和健康管理等分析，并将计算结果和决策建议推送至设备用户端、设备制造商端和设备服务商端的企业资源计划（ERP）系统或供应链管理（SCM）系统，或采用邮件、短信等方式进行通知。经过人的判断后，设备用户、设备制造商、设备服务商将对工业设备执行相应的管控维护操作，从而在现场层、工厂层和跨企业协同层范围内形成“感知—分析—决策—执行”的数据流动闭环，对工业设备实现最强洞察、最优决策的全面健康管理。

3  基于CPS的工业设备智能运维模式

针对上述涵盖单元级、系统级、SoS级的CPS架构，结合不同的网络连接和云计算部署方式，明确各级PHM所调用的数据种类范围，并划分为在线、离线、远程三种智能运维模式，可支持不同类型、不同规模的工业企业按需选择适用的服务。需要注意的是，本文中的在线、离线和远程均是相对工业设备端而言。

3.1  基于实时数据的在线运维

对于某些安全保密要求较高、长距离调度、运行环境恶劣或者网络不可达的工业设备，要求PHM系统具备一定程度的自治性，在与外界隔离或者尽可能少的人为参与的情况下，仍然能够完成设备维护任务。另外，对于某些特别关键的工业设备，一旦发生故障将导致很大损失，为此对PHM系统的实时性、敏捷性要求较高，希望能提升设备维护效率，最大限度地减少损失。

在上述情况下，只能或者应尽可能地采用无需联网的在线模式，利用“一软一硬”形成单元级PHM的数据流动闭环，基于实时数据，调用本地安装的算法模型，通过边缘侧的数据处理和分析，提供尽可能实时在线的预测、诊断和维修，以实现现场层的工业设备智能运维，并通过本地计算保证设备信息的隐私性和安全性。

在线运维模式适用的行业及场景有：保密性要求较高的行业;食品、制药等产品安全性较高的行业;石油石化行业中的油气管道、油库等场景;电力行业中的发电、输配电等场景;水务行业的污水处理、水利、灌溉等场景。

3.2  基于实时数据和历史数据的离线运维

集团型企业在设备运维方面，关注的主要问题是如何实现资源的集中管控和内部共享，同时保障工业信息安全，最终实现企业核心竞争力的提升[10]。同时，集团型企业通常在资金、技术、人才方面都拥有相当的实力，具备建设私有云的基础。

因此集团型企业宜采用离线模式，在私有云上部署与自身业务流程相契合的定制化PHM服务平台，通过“一硬一软一网”在企业内部的现场层和工厂层形成系统级PHM的数据流动闭环，基于所采集的实时数据和从云端调用的历史数据，加载云端的算法模型，对设备进行状态监控、故障诊断和故障预测，通过私有云平台强大的数据存储能力和计算能力，实现更精确的诊断、预测结果和更适配的设备维护策略，并对集团的工业设备进行集中维护管理，从而实现整个集团在设备维护业务方面的协同管理和资源共享。但可能在网络数据传输中造成一些时间延迟，此外需要设备用户对数据库和知识库自行进行更新和维护。

离线运维模式适用的行业及场景有：轨道交通行业中的盾构法隧道施工、铁路调度管控等场景;电力行业中的风电机组故障诊断等场景;石油石化行业中的钻井平台预测性维护等场景。

3.3 基于实时数据、历史数据和经验数据的远程运维

随着工业设备智能化程度的提升，知识将在PHM系统中扮演更加重要的角色，而中小企业普遍面临技术力量相对薄弱、资金有限、人才缺乏等问题，在设备维护方面亟需大量知识和工具的支持。对于中小企业来说，盲目建设私有云不仅增加自身负担，还将造成一定程度的资源浪费。

此外，由于设备用户无法获取工业设备产品在设计、制造阶段的信息，造成设备诊断和维护知识的匮乏。设备制造商虽然存储了大量的工业设备产品信息和知识，但又忽视了向设备产品生命周期后期的知识传递，造成知识断层，难以对工业设备维护提供有效的支撑。

基于以上分析，PHM系统应当支持工业设备的远程接入，在公有云端提供共性技术、工具、数据、知识等资源的共享和协作，实现更加科学、全面的远程PHM服务，同时降低用户的设备维护成本;并通过开放的方式，依靠先进的软、硬件资源和历史诊断资源，不断丰富知识库和模型库，广泛吸收新的诊断方法。

采用远程模式的工业企业用户将目标设备接入公有云平台后，可通过平台的应用软件接口与网站、APP等进行对接，利用平台的软硬件资源，按需获取相关的PHM服务资源，基于所采集的实时数据、从云端调用的历史数据和经验数据进行分析运算，并享用第三方平台资源的维护更新服务，从而通过远程计算的共享性和协同性[10]，节约设备维护成本。

远程运维模式适用的行业及场景有：汽车零配件、电子制造、机械加工、塑胶加工等中小企业居多的行业。

4  结论与展望

本文面向工业设备PHM系统，结合其功能分层，以边缘计算设备、私有云平台、公有云平台为3级计算控制节点，通过现场层、工厂层和跨企业协同层的逐层扩展，在不同范围内形成了“感知—分析—决策—执行”的基于数据流动的闭环赋能体系，从而构建了覆盖单元级、系统级、SoS级的CPS架构。

通过各层级CPS的集成，实现人、机、物、环境、信息等要素的互联互通，并基于物理空间与赛博空间之间的相互映射、实时交互、高效协同，逐步实现各个要素的云化，进而支持用户在云平台上对软硬资产进行有效的管理、配置与优化，完成工业互联网从应用层、平台层到边缘层的技术下沉和业务贯通。

通过工业设备PHM系统的状态监测、远程诊断、故障预测、健康管理等功能模块的灵活调度，全面科学管理设备健康状态，打造设备全生命周期的业务协同体系，实现设备用户、设备制造商、设备维护商的全数字化打通，并为各类工业企业按需提供在线、离线、远程3种模式的智能运维服务，构建工业行业数据驱动新模式。

CPS闭环赋能体系的加成将大大加强PHM技术在工业领域的落地可行性，提升各细分行业和场景的运作效率，具有重要的应用价值和广阔的发展前景。

参考文献

[1] 毛海涛， 潘华. 多机种一体化故障预测与健康管理技术应用研究[J]. 现代电子技术， 2015（5）： 46-50.

[2] 卢海涛， 王自力. 综合航空电子系统故障诊断与健康管理技术发展[J]. 电光与控制， 2015（8）： 64-69， 90.

[3] 朱文博， 陈绍炜， 赵帅. 航电系统故障预测与健康管理体系结构分析[J]. 电光与控制， 2018， 25（12）： 63-66.

[4] 李洪阳， 魏慕恒， 黄洁， 等. 信息物理系统技术综述[J]. 自动化学报， 2019， 45（001）： 37-50.

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

[6] 窦雯， 石慧， 焦晓璇， 等. 基于CPS架构的装备PHM系统研究[C]// 第十届全国信号和智能信息处理与应用学术会议.

[7] 金超. 基于CPS的预诊断与健康管理[J]. 软件和集成电路， 2017（10）： 82-85.

[8] 陶飞， 刘蔚然， 刘检华， 等. 數字孪生及其应用探索[J]. 计算机集成制造系统， 2018， 24（1）： 1-18.

[9] 吕琛， 马剑， 王自力. PHM技术国内外发展情况综述[J]. 计算机测量与控制， 2016， 24（9）： 1-4.

[10] 李向前. 复杂装备故障预测与健康管理关键技术研究[D]. 北京： 北京理工大学， 2014.

作者简介：

曹明路（1991—），女，湖北人，博士。研究方向：工业控制系统、工业互联网、信息物理系统等。

胡钢（1989—），男，山西人，硕士。研究方向：工业控制系统。

沈航（1983—），男，陕西人，硕士。研究方向：工业控制系统、工业通信设备。

周峰（1982—），通信作者，男，北京人，在读博士。研究方向：工业互联网、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