2. 设备失效物理与退化机理
预测维护的核心不是“猜设备什么时候坏”，而是回答一个更具体的问题：某个可测的退化量，按什么规律、在什么条件下、以多大概率越过失效阈值。要回答这个问题，必须回到失效物理（Physics of Failure, PoF）层面，理解失效模式、退化轨迹、阈值、竞争失效与随机冲击之间的关系。本节从工程视角梳理这些概念，并说明它们如何转化为可用的退化模型。
一、常见失效模式与失效机理的区分
工程中常把“失效模式”和“失效机理”混用，但二者层次不同。失效模式是失效的外在表现形式，例如断裂、磨损、腐蚀、短路、开路、卡滞、泄漏、性能漂移；失效机理是导致该模式的物理化学过程，例如疲劳裂纹扩展、磨粒磨损、电化学腐蚀、电迁移、绝缘老化、热循环蠕变。同一失效模式可能由不同机理引起，例如轴承“振动超标”既可能来自疲劳剥落，也可能来自润滑失效引起的磨损。
对预测维护而言，真正可建模的是与机理对应的退化量。常见对应关系如下：
- 滚动轴承疲劳剥落 → 振动特征频率幅值、包络谱峭度、温度；
- 齿轮齿面磨损 → 油液铁谱浓度、振动边频带能量；
- 功率器件电迁移/键合线疲劳 → 导通电阻 Rds(on)、结温波动；
- 锂电池容量衰减 → 可用容量、内阻、充放电曲线偏移；
- 刀具后刀面磨损 → 切削力、主轴功率、声发射 RMS。
选择退化量时，应优先满足三个条件：与机理有明确物理关联、可在线或离线稳定测量、随退化单调或近似单调变化。若退化量本身非单调（如某些振动指标先升后降），需要构造复合指标或改用状态分类而非回归外推。
二、退化轨迹与失效阈值
退化轨迹描述退化量随时间或使用强度的变化路径。工程上常见的轨迹形态包括：线性退化（如恒定磨损率下的尺寸变化）、幂律退化（如疲劳裂纹扩展的 Paris 律近似）、指数退化（如绝缘老化、容量衰减后期加速）、以及带随机波动的分段轨迹。轨迹形态决定了外推方法：线性轨迹可用斜率外推，指数轨迹必须警惕“拐点”后的加速。
失效阈值是判定失效的边界，通常由设计规范、功能要求或安全裕度确定。阈值可以是单侧上限（如振动烈度 ≤ 4.5 mm/s）、单侧下限（如容量 ≥ 80% 额定值），也可以是区间或复合条件。阈值设定必须与测量不确定度一起考虑：若测量噪声标准差为 σ，阈值应留出足够裕度，否则会频繁误报。
一个实用的工程做法是定义预警阈值与失效阈值两级：预警阈值用于触发检查与维护准备，失效阈值用于判定功能失效。例如某轴承振动烈度：预警 2.8 mm/s，失效 4.5 mm/s；当退化轨迹外推预计 30 天内越过失效阈值时，触发更换工单。
三、竞争失效与随机冲击
设备往往同时存在多个退化过程，任一过程先越过阈值即导致失效，这就是竞争失效。例如电机同时存在轴承磨损、绕组绝缘老化、冷却风扇性能衰减；三者各自有退化轨迹和阈值，系统寿命由“最先越界者”决定。竞争失效的工程含义是：不能只监控单一退化量，否则会低估失效风险；同时，各退化过程之间可能存在相关性（如高温同时加速绝缘老化和润滑劣化），建模时需考虑耦合。
除连续退化外，设备还会遭遇随机冲击：电压尖峰、负载突变、异物进入、误操作、极端温度等。冲击可能直接导致突发失效（如短路、断裂），也可能造成退化量的“跳跃式”增加（如一次过载使裂纹长度突增）。因此，退化模型通常写成“连续退化 + 随机跳跃”的复合形式：
X(t) = X(0) + ∫ r(τ) dτ + Σ ΔX_i · 1(t ≥ t_i) + ε(t)
其中：
X(t) —— t 时刻退化量
r(τ) —— 连续退化速率（可随温度、负载变化）
t_i —— 第 i 次随机冲击发生时刻
ΔX_i —— 第 i 次冲击造成的退化跳跃量
ε(t) —— 测量噪声与过程随机性
工程上，连续退化部分常用 Wiener 过程、Gamma 过程或逆高斯过程建模；冲击部分常用泊松过程描述到达次数，用独立同分布描述跳跃幅度。若冲击幅度足够大，可直接触发失效，此时需引入“硬失效”与“软失效”两类边界。
四、退化建模的工程含义与落地要点
退化模型的价值在于把“经验判断”转化为“可计算的风险”。落地时需注意：
- 数据分层：同一型号不同工况下的退化速率差异可能很大，应按工况（温度、负载、转速）分层建模，或把工况作为协变量引入速率函数。
- 首达时间：预测维护关心的是退化量首次越过阈值的时刻分布，而非平均退化量。因此模型输出应是首达时间的概率分布或分位数，而不是单一外推点。
- 参数更新：随着在线测量数据积累，应使用贝叶斯更新或递推滤波（如粒子滤波）修正退化速率与当前状态，使剩余寿命预测随数据收敛。
- 阈值一致性：预警阈值、失效阈值、维修阈值必须在同一测量口径下定义，避免因传感器更换、采样频率变化导致阈值失效。
上图给出三条典型退化路径：轨迹 A 为线性退化，轨迹 B 为指数加速退化，轨迹 C 为连续退化叠加随机冲击跳跃。三条路径分别对应不同的首达时间 TA、TB、TC。在竞争失效框架下，系统实际寿命由最先越过失效阈值的路径决定。工程上应同时监控多条退化路径，并对每条路径分别估计首达时间分布，再取最小值作为系统剩余寿命的保守估计。
最后需要强调：退化建模不是追求数学上的复杂，而是让维护决策有据可依。模型可以简单到“线性外推 + 阈值比较”，也可以复杂到“非线性状态空间 + 粒子滤波”，选择依据是数据量、失效后果和决策精度要求。关键是保持退化量、阈值、工况和更新机制的一致性，使预测结果能够直接支撑“何时修、修什么、备件怎么备”的工程决策。