故障预测与健康管理（PHM）技术可实现对保障对象的状态监控、故障综合诊断、故障预测、健康管理和全寿命预测等。本书通过分析当前故障预测与健康管理技术的发展现状，介绍机械设备、电子设备故障预测与健康管理的常用方法和具体应用案例，梳理美国政府及军事领域故障预测与健康管理相关的项目、技术和文件，为我国故障预测与健康管理技术的发展提供理论指导和有益借鉴。本书内容丰富、重点突出、注重实用性，可供相关企业及从事故障预测与健康管理的研究人员、管理人员等借鉴参考。

前言 多年来，美军持续研究先进维修理论和最佳维修技术，以期准确预测故障、实施精准维修，使装备最大限度地发挥作战效能。尤其是随着新型复杂装备大量列装部队，装备复杂程度不断提高，传统的预防性维修与修复性维修日益暴露出很多局限性，难以满足新型复杂装备的使用和维修需求。新型复杂装备一般都包含复杂电子系统，自动化、智能化程度越来越高，原来针对机械化装备的修复性维修和预防性维修等已不完全适用。在这一背景下，故障预测与健康管理（Prognostics and Health Management，PHM）技术应运而生。PHM 技术是美国针对自身庞大而先进的装备提出的一种维修保障技术，可实现对装备的状态监控、故障综合诊断、故障预测、健康管理和全寿命预测等。PHM 技术的研究和应用体现了多学科交叉和融合的特性，涉及工程科学、可靠性、管理、计算机等学科，成为当下既重要又具有较大挑战性的研究领域和研究方向之一。 本书通过分析当前故障预测与健康管理技术的发展现状，介绍机械设备和电子设备的故障预测与健康管理的常用算法和具体应用案例，梳理美国政府及军事领域的有关故障预测与健康管理的项目、技术和文件，希望能为读者提供一些研究和应用参考。全书分4 部分，共8 章。 第1 部分：故障预测与健康管理的基本概况，包括1 章内容。详细介绍故障预测与健康管理的概念、背景、应用、算法，以及故障预测与健康管理的优势和面临的挑战，旨在对当前故障预测与健康管理的现状进行概括。 第2 部分：机械设备的故障预测与健康管理，包括2 章内容，分别为基于物理模型的机械设备故障预测与健康管理、数据驱动的机械设备故障预测与健康管理。基于物理模型的机械设备故障预测与健康管理介绍了非线性最小二乘法、贝叶斯方法、粒子滤波在机械设备故障预测与健康管理领域的应用，并给出了基于物理模型的故障预测方法的优点和不足。数据驱动的机械设备故障预测与健康管理介绍了高斯过程和神经网络在机械故障预测与健康管理领域的应用，给出了数据驱动的故障预测方法面临的挑战。 第3 部分：电子设备的故障预测与健康管理，包括3 章内容。首先，介绍了现有较先进的、商业上可用的传感器系统，同时给出了上述系统的性能特点，并预测了传感器系统技术的发展新趋势。其次，描述了基于物理模型的电子设备故障预测方法，利用传感器数据与模型相结合的方法，评估系统在实际应用条件下的可靠性，同时对产品与预期正常运行条件的偏差或退化情况进行现场评估。最后，总结了可用于故障预测与健康管理的各种数据驱动模型和方法，讨论了统计的、基于使用的、状态估计及一般模式识别等形式的模型和方法。 第4 部分：应用案例，包括2 章内容。分别介绍了机械设备和电子设备的故障预测与健康管理的应用案例。机械设备的故障预测与健康管理应用案例列举了对转动关节磨损量的预测、对裂纹扩展参数的预测、加速寿命试验数据在故障预测中的实际应用，以及对轴承的故障预测。电子设备的故障预测与健康管理应用案例列举了基于核学习的电子部件健康评估、基于模型滤波的剩余使用寿命预测、锂离子电池的故障预测与健康管理，以及适用于发光二极管的故障预测与健康管理方法。 本书由刘宁、罗坤、张成名共同编著，全书由刘宁负责统稿、张成名负责校对。裴承新担任本书主审，李力钢、宋剑波、刘志农、王福亮等对本书的编写提出许多宝贵的意见，在此表示诚挚的谢意。 本书在编著过程中，参考了大量国内外书刊、资料、学术论文等理论成果，在此对原作者致以深深的敬意和谢意。另外，研究室的各位同事对本书编著给予了大力支持和帮助，特别是孙茂盛主任、仲妍副主任等全程把关，在此表示衷心的感谢。 故障预测与健康管理是一个新兴的交叉研究方向，很多理论方法还不成熟，应用研究更是比较欠缺，加之编著者水平有限，书中难免存在疏漏及不妥之处，敬请读者予以指正。 编著者 2021 年12月

第1 部分 故障预测与健康管理的基本概况 第1 章 绪论 ....................................................................................................... 002 1.1 故障预测与健康管理概念 ................................................................... 002 1.2 故障预测与健康管理背景 ................................................................... 006 1.3 故障预测与健康管理应用 ................................................................... 009 1.4 故障预测与健康管理方法 ................................................................... 011 1.5 故障预测与健康管理优势 ................................................................... 015 1.5.1 降低全寿命周期的成本 ............................................................ 016 1.5.2 优化系统设计的流程 ................................................................ 017 1.5.3 提升生产过程的质量 ................................................................ 018 1.5.4 增强系统运行的效果 ................................................................ 019 1.5.5 保障后勤维修的优势 ................................................................ 020 1.6 故障预测与健康管理面临的挑战 ....................................................... 021 第2 部分 机械设备的故障预测与健康管理 第2 章 基于物理模型的机械设备故障预测与健康管理 ................................. 026 2.1 基于物理模型的机械设备故障预测简介 ............................................ 027 2.2 非线性最小二乘法 ............................................................................... 029 2.3 贝叶斯方法 .......................................................................................... 037 2.3.1 马尔可夫链蒙特卡罗抽样方法 ................................................ 037 2.3.2 电池故障预测贝叶斯方法的MATLAB 实现 .......................... 042 2.4 粒子滤波 .............................................................................................. 047 2.4.1 序列重要性重采样过程 ............................................................ 048 2.4.2 电池故障预测的粒子滤波方法的MATLAB 实现 ................... 053 2.5 基于物理模型的故障预测方法的实际应用 ........................................ 058 2.5.1 问题定义 ................................................................................... 058 2.5.2 针对裂纹扩展示例的代码修改 ................................................ 060 2.5.3 结果 ........................................................................................... 062 2.6 基于物理模型的故障预测方法的优点和不足 .................................... 064 2.6.1 模型充分性 ............................................................................... 064 2.6.2 参数估计 ................................................................................... 066 2.6.3 退化数据质量 ........................................................................... 066 第3 章 数据驱动的机械设备故障预测与健康管理 ........................................ 067 3.1 数据驱动的机械设备故障预测简介 ................................................... 067 3.2 高斯过程回归 ...................................................................................... 071 3.2.1 高斯过程模拟 ........................................................................... 074 3.2.2 基于高斯过程的电池故障预测的MATLAB 实现 ................... 086 3.3 神经网络 .............................................................................................. 090 3.3.1 前馈神经网络模型 .................................................................... 091 3.3.2 基于神经网络的电池故障预测的MATLAB 实现 ................... 103 3.4 数据驱动的故障预测方法的实际应用 ................................................ 107 3.4.1 问题定义 ................................................................................... 107 3.4.2 裂纹扩展示例的MATLAB 代码 .............................................. 109 3.4.3 结果 ........................................................................................... 111 3.5 数据驱动的故障预测方法存在的问题 ................................................ 112 3.5.1 模型形式充分性 ....................................................................... 112 3.5.2 最优参数估计 ........................................................................... 113 3.5.3 退化数据的质量 ....................................................................... 114 第3 部分 电子设备的故障预测与健康管理 第4 章 故障预测与健康管理的传感器系统 .................................................... 119 4.1 传感器和传感原理 ............................................................................... 119 4.1.1 热传感器 ................................................................................... 120 4.1.2 电传感器 ................................................................................... 121 4.1.3 机械传感器 ............................................................................... 122 4.1.4 湿度传感器 ............................................................................... 122 4.1.5 生物传感器 ............................................................................... 123 4.1.6 化学传感器 ............................................................................... 124 4.1.7 光学传感器 ............................................................................... 125 4.1.8 磁传感器 ................................................................................... 126 4.2 故障预测与健康管理传感器系统的运行 ............................................ 127 4.2.1 需要监测的参数 ....................................................................... 128 4.2.2 传感器系统的性能 .................................................................... 128 4.2.3 传感器系统的物理属性 ............................................................ 129 4.2.4 传感器系统的功能属性 ............................................................ 129 4.2.5 成本 ........................................................................................... 134 4.2.6 可靠性 ....................................................................................... 134 4.2.7 可用性 ....................................................................................... 135 4.3 传感器选择 .......................................................................................... 135 4.4 故障预测与健康管理实现的传感器系统示例 .................................... 137 第5 章 基于物理模型的电子设备故障预测与健康管理 ................................. 141 5.1 硬件配置 .............................................................................................. 142 5.2 载荷 ...................................................................................................... 142 5.3 故障模式、机制及影响分析 ............................................................... 143 5.4 应力分析 .............................................................................................. 147 5.5 可靠性评估和剩余使用寿命预测 ....................................................... 147 5.6 基于物理模型的故障预测与健康管理方法的输出 ............................ 151 第6 章 数据驱动的电子设备故障预测与健康管理 ........................................ 152 6.1 参数统计方法 ...................................................................................... 154 6.1.1 似然比检验 ............................................................................... 154 6.1.2 最大似然估计 ........................................................................... 155 6.1.3 Neyman-Pearson 准则 ............................................................... 155 6.1.4 期望值最大化 ........................................................................... 156 6.1.5 最小均方差估计 ....................................................................... 156 6.1.6 最大后验概率估计 .................................................................... 157 6.1.7 Rao-Blackwell 估计 ................................................................... 157 6.1.8 Cramer-Rao 下界 ....................................................................... 157 6.2 非参数统计方法 ................................................................................... 158 6.2.1 基于最近邻的分类 .................................................................... 158 6.2.2 Parzen 窗（核密度估计） ........................................................ 159 6.2.3 Wilcoxon 秩和检验 ................................................................... 159 6.2.4 Kolmogorov-Smirnov 检验 ....................................................... 160 6.2.5 卡方拟合优度假设检验 ............................................................ 160 6.3 机器学习方法 ...................................................................................... 161 6.3.1 有监督分类 ............................................................................... 164 6.3.2 无监督分类 ............................................................................... 169 6.4 本章小结 .............................................................................................. 174 第4 部分 应用案例 第7 章 机械设备故障预测与健康管理应用案例 ............................................ 176 7.1 现场测量与关节磨损预测 ................................................................... 176 7.1.1 动机和背景 ............................................................................... 176 7.1.2 磨损模型和磨损系数 ................................................................ 177 7.1.3 曲柄滑块机构关节磨损的现场测量 ........................................ 179 7.1.4 贝叶斯方法用于预测关节渐进磨损 ........................................ 182 7.1.5 磨损系数识别与磨损量预测 .................................................... 185 7.1.6 结论 ........................................................................................... 191 7.2 不同噪声和偏差条件下使用贝叶斯方法识别模型参数 .................... 191 7.2.1 动机和背景 ............................................................................... 191 7.2.2 损伤增长模型和测量不确定度模型 ........................................ 192 7.2.3 贝叶斯方法用于损伤特性描述 ................................................ 195 7.2.4 结论 ........................................................................................... 201 7.3 加速寿命试验数据在故障预测中的实际应用 .................................... 202 7.3.1 动机和背景 ............................................................................... 203 7.3.2 问题定义 ................................................................................... 204 7.3.3 加速寿命试验数据的应用 ........................................................ 205 7.3.4 结论 ........................................................................................... 214 7.4 基于特定频域中熵变的轴承故障预测方法 ........................................ 214 7.4.1 动机和背景 ............................................................................... 214 7.4.2 退化特征的提取方法和属性 .................................................... 216 7.4.3 故障预测 ................................................................................... 224 7.4.4 方法通用性讨论 ....................................................................... 228 7.4.5 结论和未来工作的建议 ............................................................ 230 7.5 其他应用实例 ...................................................................................... 231 第8 章 电子设备故障预测与健康管理应用案例 ............................................ 235 8.1 基于核学习的电子部件健康评估 ....................................................... 235 8.1.1 基于核的学习方法 .................................................................... 235 8.1.2 健康评估方法 ........................................................................... 237 8.1.3 实施结果 ................................................................................... 243 8.2 基于模型滤波的剩余使用寿命预测 ................................................... 257 8.2.1 故障预测问题 ........................................................................... 258 8.2.2 电路退化建模 ........................................................................... 259 8.2.3 基于模型的故障预测方法 ........................................................ 261 8.2.4 试验结果 ................................................................................... 265 8.3 锂离子电池的故障预测与健康管理 ................................................... 274 8.3.1 充电状态估计 ........................................................................... 274 8.3.2 锂离子电池故障预测 ................................................................ 289 8.3.3 结论 ........................................................................................... 295 8.4 发光二极管的故障预测与健康管理 ................................................... 295 8.4.1 发光二极管芯片级的建模和故障分析..................................... 296 8.4.2 发光二极管封装级的建模和故障分析..................................... 303 8.4.3 发光二极管系统级的建模和故障分析..................................... 307 8.4.4 结论 ........................................................................................... 309 附录A 美国政府及军事领域中的故障预测与健康管理 ................................. 311 A.1 美国国家航空航天局 .......................................................................... 311 A.1.1 故障预测与健康管理方法 ....................................................... 312 A.1.2 相关出版物 .............................................................................. 313 A.2 美国桑迪亚国家实验室 ...................................................................... 314 A.2.1 故障预测与健康管理方法 ....................................................... 314 A.2.2 相关出版物 .............................................................................. 315 A.3 美国陆军 ............................................................................................. 315 A.3.1 故障预测与健康管理方法 ....................................................... 315 A.3.2 扩展的基于状态的维修 ........................................................... 317 A.3.3 美国陆军装备系统分析局 ....................................................... 317 A.3.4 美国陆军研究实验室车辆技术局 ........................................... 319 A.3.5 相关出版物 .............................................................................. 323 A.4 美国海军 ............................................................................................. 327 A.4.1 故障预测与健康管理方法 ....................................................... 327 A.4.2 相关出版物 .............................................................................. 329 A.5 美国空军 ............................................................................................. 329 A.5.1 故障预测与健康管理方法 ....................................................... 330 A.5.2 相关出版物 .............................................................................. 332 附录B 故障预测与健康管理相关的期刊和会议清单 ..................................... 333 B.1 期刊 ..................................................................................................... 333 B.2 会议论文集 .......................................................................................... 334 参考文献 ............................................................................................................... 336