高速公路机电设备故障预测与智慧管理动态研究

本文综合分析了机电设备在故障分析与预测、运行状态评估、使用寿命预测等方面的国内外研究现状，以目前已有的研究结果为基础，深入阐述了相关研究结果中机电设备日常管养工作的优势与不足，并根据目前存在的问题，提出高速公路机电设施智慧维养技术新的发展方向，为机电设备的预测和健康管理技术的进一步研究提供了参考和依据。

1、机电设备PHM技术研究现状1.1机电设备故障分析与预测研究现状随着电子技术的不断发展，高速公路机电设施类别、数量以及复杂程度不断增加，其机电设备故障的频率及类型也呈现多样性，传统的高速公路机电设备维养管理技术已难以满足日常或定期养护的需求，预防性维护或维修成为目前高速公路机电设备维养管理的主要方向，因此对机电设备的故障进行分析与预测也成了机电设备故障预测与健康管理（PrognosticsHealthManagement,PHM）技术的核心内容。目前在机电设备的故障分析和预测方面已经取得了较好进展，且建立了许多具有参考意义的故障数据仓与故障分类规则。……已有研究发现，目前机电设备的故障分析与预测主要运用机电设备的历史管养数据对故障的演化情况进行分析和预测，并建立相应的数据库或预测模型，但是研究内容相对集中于运用故障数据来进行预防性的研究，而缺乏对设备故障源头及设备退化规律的研究。研究流程及存在的具体问题如图1所示。图1研究内容及缺陷1.2机电设备在役状态评估研究现状在实际的公路运营管理过程中，要掌握机电设备的健康动态，机电设备的状态评估是必要环节。（1）基于数据的状态评估技术基于数据的状态评估方法是指在无先前经验的情况下采集数据进行分析处理，然后基于数据模型展开状态评估。例如，杨金铨开发了机电设施智能化养护检测系统平台，并通过数据的监测和处理，制定合理的机电设施养护方法。Catelani利用机电设备现场数据并分析其关键指标因素，在完成经济分析的前提下实现了对收费系统的评价。崔黎明提出了基于模糊分布和模糊统计实验法的评价指标隶属函数确定方法，并以试验数据进行了验证。邓炳杰通过关键特征指标对各部件进行评价，并根据机电设备各关键部件的剩余使用寿命分别对不同部件运行状况进行评价，综合各关键指标及剩余使用寿命评价结果，采用模糊综合评价的方法对机电设施的运行状态进行综合评估。（2）基于模型的状态评估方法基于模型的状态评估方法是通过提取影响机电设备的关键指标，建立相应的机电设施评估模型进行评估。……总体来说，虽然目前机电设备的在役状态评估已经有一定进展，但是仍存在缺陷，基于数据评估与基于模型评估，都需要大量实际数据作为支撑，然后对当前设备状态作出评价，这就导致实时获取机电设备的健康状态困难。而且这类方法的评估结果只能对机电设备进行定性的评价，而无法提出能够表征其运行状态的特征参数，其评价结果仍不能精确描述机电设备的健康状态，其性能是否能够满足公路运营的基本要求也难以考证。1.3使用寿命预测研究现状机电设备的剩余寿命预测也是机电设备PHM技术的核心内容之一，由于机电设备的工作环境各不相同，会导致机电设备的使用寿命长短存在差异。同时机电设备的养护手段、养护频率等也都会直接影响机电设备的使用寿命，因此对机电设备进行使用寿命预测能够为我们提供合理的换修依据，目前，针对机电设备寿命预测的方法主要集中在三个方面。（1）基于预测模型的寿命预测方法现阶段，相关专家学者主要是以日常的维养数据、监测数据及设备的故障数据为基础，采用数学或智能模型来对机电设施进行寿命预测。饶永波根据机电设施维养及故障数据构建预测模型，并通过预测使用年限制定了科学合理的机电设备报废方案；于泉等结合马尔科夫理论，研究分析高速公路机电设备的故障概率，提出了高速公路机电设备使用寿命预测模型。（2）基于数据分析的寿命预测方法相关学者通过对数据进行统计和理论分析来对其使用寿命进行预测。周晓旭等以高速公路机电设备维养数据为基础，利用统计学方法和可靠性理论实现了机电设备使用寿命评估；张乃斌等结合机电设备养护数据和监测数据，采用威布尔分布对机电设备的使用寿命进行分析研究。（3）基于数据融合的寿命预测方法由于机电系统各部件的退化情况不同，所以有学者提出基于数据融合的使用寿命预测方法。牛一凡等利用神经网络理论中的自编码器对设备退化参数进行了融合，然后利用CUSUM算法提取出设备退化过程中的分段点，构建了多阶段维纳退化模型；谷梦瑶根据机电设备不同构件的退化机理，分析机电设备寿命预测中不同阶段融合预测的结果，其方法能够有效地对机电设施的使用寿命进行预测。虽然目前对机电设备的使用寿命预测已经取得了一定进展。但是这些研究方法仍然无法提取出能够有效表现出机电设备退化状态的特征参数，同时在进行设备寿命预测时的指标选取也缺乏可靠性。因此，目前已有的研究方法在预测机电设备使用寿命的准确性还达不到客观的要求。2、机电设备PHM面临问题（1）机电设备的退化及损耗性规律不明确机电设备的健康损耗性规律是对其进行故障分析、寿命预测及健康管理的基础，机电设备种类繁多，且运行环境、运行应力及退化状况也不相同，目前在公路行业，仍是利用日常养护数据、维护维修数据以及功能测试数据，对机电设备进行故障分析和预测工作，且采用模型或数据分析得到的预测结果仍不精准。也缺乏对机电设备退化机理的研究，由于机电设备可使用年限一般较长，所以难以通过实验手段获取机电设备全寿命周期的退化数据，同时机电设备任意时刻的健康情况仍然无法定量地准确判断，所以其健康损耗性规律就更难以获得，这也是机电设备PHM技术面临的巨大挑战。（2）机电设备的服役状态难以表征高速公路机电工程是一个系统工程，其中包含照明、通风、供配电、监控、通信、消防六大系统。由于系统中设备退化的状态难以直接观测，导致无法观测外在征兆来刻画其从正常到故障的衰退过程。而目前仍只能通过设立健康等级进行定性判断，即机电设备的健康状态仍难以表征，这也是机电设备PHM技术的一个关键难点。（3）机电设备PHM技术缺少特征参数当前机电设备的构造变得越来越复杂，即使能够对其状态进行定性判断，并实现故障和寿命预测，但研究结果仍然缺乏准确度与可靠性，其原因就是缺少相应的特征参数对其进行刻画，缺少表征其退化状态及运行状态的特征参数。这些特征参数是提高PHM技术精确度的重要因素。（4）机电设备的故障突发机电设备的元件众多，结构复杂度各不相同，而原件在设计和加工过程中存在一定的设计和质量缺陷，加之在不同的环境和应力的作用下，机电设备会发生不同程度的退化和损伤，所以机电设备的故障发生就具有不确定性，这也给机电设备从健康状态到逐渐损耗的退化过程增加了随机性。因此，必须掌握机电设备的故障成因。针对机电设备的退化及损耗性规律不明确、机电设备的运行状态难以表征的问题，需要寻找出能够反映其退化状态与规律的特征，并以该特征作为研究基础，研究分析机电设备健康损耗性规律和运行状态的表征技术。针对机电设备PHM技术缺少特征参数的问题，可以利用部分原件的电信号特征参数来进行研究，或结合机电设备完整的退化周期机理提取出可利用的特征参数。针对机电设备的故障发生具有不确定性的问题，一方面要提高机电设备的稳定性，减少在设计和制造方面的缺陷，另一方面可以通过机电设备的状态信息、环境因素以及工作应力等信息，综合分析高速公路机电设备的故障原因。3、机电设备PHM研究发展方向（1）在故障分析和预测方面的发展方向目前对机电设施的故障分析及预测，主要通过统计学方法、人工智能算法对故障频发的机电设备进行研究分析，以机电设备基础数据、检查数据及监测数据为基础，根据机电设备的故障状况，分析机电设备的故障规律。机电设备工作环境与工作应力差异会导致其退化规律与故障类型差异，目前研究主要针对机电设施出现故障后的研究分析，缺少机电设施故障的成因及故障维修后的结果分析，从而导致二次故障的成因不明，也难以维修后设备的健康状态进行判别。目前的故障预测手段仍利用设备的故障频率来进行预测，且采用指标较为单一，无法从深层次对机电设备的故障进行描述。因此，机电设备的故障预测仍需更多可靠指标，需要追溯故障发生成因并对故障后的维修结果进行深入分析，从而保证故障预测结果的可靠性。（2）在服役状态评估研究方面的发展方向目前对机电设施服役状态评估主要采用定性判别的方式，以机电设施养护内容及数据为基础，采用定性评估模型或方法实现机电设施整体的综合评价，但评价结果仍然无法对机电设施的日常管理提出实用性的参考。机电设备种类繁多，且不间断运行，关键设备的优劣会直接影响公路的正常运营，因此，需要对机电设备的重要程度进行划分，以实现机电设施的精细化管理。（3）在使用寿命预测方面的发展方向目前对于机电设施使用寿命预测的研究主要集中在以机电设备维护维修数据为基础，采用相关的算法或模型对机电设备的使用寿命进行预测。机电设备的寿命预测需要机电设备运行期间全生命周期的数据，但是全生命周期数据的监测与收集仍是难题，缺少相应的监测与收集方法。机电设备的退化是一个动态的过程，但又缺少能够描述退化状态的特征参数，而且在实现机电设备使用寿命预测时，也缺乏可靠的指标选取。所以，