2. 基础概念
PHM（Prognostics and Health Management）体系涉及多个核心术语，这些术语在工程实践中经常被混用或误用，导致需求描述不清、算法目标错位、系统边界模糊。本章从定义、判定标准、工程应用三个维度，对故障、失效、健康状态、剩余使用寿命（RUL）、故障预测、健康管理、预测性维护等关键概念进行系统辨析，并给出它们之间的逻辑关系与工程落地建议。
2.1 故障与失效：状态偏离与功能丧失的本质区别
核心原理：故障（Fault）与失效（Failure）是 PHM 体系中最基础、也最容易被混淆的一对概念。故障描述的是设备当前状态偏离了设计基准或正常工况范围，但设备仍然能够执行其基本功能；失效则意味着设备已完全丧失规定功能，无法继续完成任务。从工程角度看，故障是“量变”过程，失效是“质变”结果。例如，某风机齿轮箱的振动幅值从 2.1 mm/s 上升到 4.5 mm/s，虽然超过报警阈值，但齿轮箱仍在运转，此时属于故障状态；当齿轮断裂导致传动链完全卡死时，即为失效。
判断方法：工程实践中，故障与失效的判定需要结合功能可用性（Function Availability）和性能指标（Performance Metrics）两个维度。功能可用性指设备能否完成设计任务，性能指标包括振动、温度、压力、电流等特征参数。判定流程为：首先确认设备是否仍在运行且输出满足基本要求；其次检查关键特征参数是否超出阈值；最后结合历史退化趋势判断当前处于故障早期、中期还是临近失效阶段。下表给出了两者的典型对比：
| 对比维度 | 故障（Fault） | 失效（Failure） |
|---|---|---|
| 功能状态 | 功能尚存，性能退化 | 功能完全丧失 |
| 可恢复性 | 可通过维修恢复 | 需更换或大修 |
| 时间尺度 | 持续一段时间 | 瞬时发生或短时间完成 |
| 检测难度 | 需特征提取与趋势分析 | 通常直接停机报警 |
| 工程示例 | 轴承磨损导致振动增大 | 轴承卡死导致转子抱死 |
案例拆解：某化工厂离心压缩机在连续运行 8000 小时后，位移传感器检测到轴振动从 25μm 缓慢上升至 48μm（报警阈值为 50μm），但压缩机出口压力仍保持稳定。此时系统判定为“故障”状态，维护团队安排计划停机检查，发现轴承已出现明显磨损但尚未损坏。更换轴承后振动恢复至 22μm。若当时未及时处理，继续运行 200 小时后振动突增至 120μm，轴瓦烧毁导致压缩机非计划停机，造成约 200 万元的生产损失。该案例说明，故障阶段是预测性维护的最佳干预窗口。
2.2 健康状态与健康指数：设备退化程度的量化表达
核心原理：健康状态（Health State）是对设备当前退化程度的整体描述，通常通过健康指数（Health Index, HI）进行量化。HI 是一个归一化指标，取值范围一般为 [0,1]，其中 1 表示全新或完美健康状态，0 表示完全失效。健康状态评估的核心在于将多维监测数据（振动、温度、油液、电流等）融合为一个可比较的标量值，从而支持后续的 RUL 预测和维护决策。常用的健康状态建模方法包括：基于物理模型的退化方程、基于数据驱动的自编码器重构误差、基于统计过程控制的 Hotelling T² 统计量等。
操作流程：健康状态评估的工程实施通常分为四步：第一步，数据预处理，包括去噪、归一化、缺失值填补；第二步，特征提取，从时域（RMS、峰值、峭度）、频域（频谱峰值、边频带能量）和时频域（小波包能量）提取敏感特征；第三步，特征融合，通过主成分分析（PCA）、自编码器或加权融合方法将多维特征压缩为单一健康指数；第四步，阈值标定，利用历史正常数据和故障数据确定 HI 的报警阈值和预警阈值。下表展示了不同健康状态等级对应的 HI 区间和维护建议：
| 健康等级 | HI 区间 | 退化描述 | 维护建议 |
|---|---|---|---|
| 健康 | 0.85 ~ 1.0 | 性能优良，无明显退化 | 按计划巡检 |
| 亚健康 | 0.65 ~ 0.85 | 轻微退化，趋势上升 | 加密监测，分析趋势 |
| 故障早期 | 0.40 ~ 0.65 | 明显退化，特征超限 | 安排计划维修 |
| 故障严重 | 0.15 ~ 0.40 | 严重退化，接近失效 | 尽快停机检修 |
| 失效 | 0 ~ 0.15 | 功能丧失或即将丧失 | 立即停机更换 |
场景化说明：以风力发电机组齿轮箱为例，监测点包括高速轴振动、油液温度、金属颗粒浓度。通过数据融合得到 HI 曲线：正常运行 3 年期间 HI 稳定在 0.92 左右；第 4 年 HI 缓慢下降至 0.78，此时油液中出现少量铁屑；第 5 年 HI 加速下降至 0.55，振动频谱中出现齿轮啮合频率的边频带，提示齿面磨损加剧。基于 HI 趋势，运维团队在 HI=0.55 时安排更换齿轮箱润滑油并加强监测，避免了齿轮断齿导致的整机报废。
2.3 剩余使用寿命（RUL）与故障预测：从状态评估到时间推断
核心原理：剩余使用寿命（Remaining Useful Life, RUL）是指设备从当前时刻到失效时刻的预期运行时间，通常以小时、循环次数或里程为单位。RUL 预测是故障预测（Prognostics）的核心输出，其本质是一个回归问题：给定历史退化数据和当前健康状态，估计失效阈值到达的时间。故障预测则是一个更宽泛的概念，不仅包括 RUL 估计，还包括故障发生概率、故障模式识别和退化趋势外推。RUL 预测的精度直接决定了预测性维护的可行性和经济性。
判断方法：RUL 预测的主流方法分为三类：基于物理模型的方法（如 Paris 裂纹扩展公式、Arrhenius 温度加速模型）、基于数据驱动的方法（如 LSTM 时序预测、Wiener 过程、比例风险模型）和混合方法（物理模型+数据修正）。工程实施中，RUL 预测需要明确三个关键要素：失效阈值（Failure Threshold）、退化轨迹模型和不确定性量化。下表对比了三种方法的适用场景和优缺点：
| 方法类别 | 典型算法 | 适用场景 | 优点 | 局限性 |
|---|---|---|---|---|
| 物理模型 | Paris 公式、Forman 模型 | 裂纹扩展、腐蚀、磨损 | 可解释性强，外推性好 | 需精确物理参数，复杂系统难建模 |
| 数据驱动 | LSTM、GRU、高斯过程 | 数据充足、特征明显 | 无需物理机理，适应复杂系统 | 依赖数据质量，外推能力弱 |
| 混合方法 | 物理+卡尔曼滤波 | 退化机理部分已知 | 兼顾精度与鲁棒性 | 实现复杂度高，计算量大 |
案例拆解：某轨道交通车辆牵引电机轴承，通过振动加速度传感器采集数据。采用 LSTM 模型进行 RUL 预测，输入特征为过去 200 个时间步的振动 RMS、峰值因子和温度，输出为剩余寿命（单位：小时）。训练数据来自 15 台同型号电机从健康到失效的全生命周期数据。模型在验证集上的平均误差为 32 小时，而实际失效时间约为 1200 小时，相对误差约 2.7%。在实际部署中，当模型预测 RUL 低于 200 小时时，系统自动生成维修工单，并通知备件库准备轴承。该方案使非计划停机次数降低了 60%，备件库存成本下降了 25%。
2.4 健康管理与预测性维护：从预测到决策的闭环
核心原理：健康管理（Health Management）是在故障预测的基础上，综合设备状态、维修资源、生产计划和安全性要求，做出最优维护决策的过程。它涵盖维修策略选择（预防性、预测性、纠正性）、备件库存优化、维修时机安排和剩余寿命利用。预测性维护（Predictive Maintenance, PdM）是健康管理的一种具体实施策略，其核心思想是“仅在需要时维修”，通过实时监测和预测结果触发维护动作，避免过度维修和欠维修。健康管理是决策层，预测性维护是执行层。
操作流程：一个完整的健康管理与预测性维护闭环包含六个环节：数据采集→状态监测→健康评估→故障预测→维修决策→执行反馈。其中，维修决策环节需要综合考虑以下因素：当前健康状态、RUL 预测值及置信区间、维修成本（停机损失+备件成本+人工成本）、生产计划窗口期、安全风险等级。下表给出了不同场景下的维护策略选择建议：
| 场景特征 | 推荐策略 | 决策依据 |
|---|---|---|
| RUL 较长（>6个月），退化缓慢 | 计划性维护 | 结合大修周期统一安排 |
| RUL 中等（1~6个月），退化加速 | 预测性维护 | 根据 RUL 置信区间安排窗口 |
| RUL 较短（<1个月），风险高 | 紧急预测性维护 | 立即停机，优先保障安全 |
| 故障随机性强，无明确退化趋势 | 状态监测+纠正性维护 | 依赖实时报警，事后维修 |
案例拆解：某钢铁厂热轧产线精轧机主电机，PHM 系统预测其 RUL 为 45 天（90% 置信区间 [38, 52] 天）。此时正值生产旺季，若立即停机更换电机轴承需停产 3 天，损失约 500 万元；若继续运行至失效，则可能损坏电机转子，损失超 2000 万元。健康管理决策模块综合评估后，建议在 30 天后利用计划检修窗口（2 天）更换轴承，同时提前订购备件。实际执行中，第 30 天更换轴承时发现滚道已出现微动磨损，但未伤及转子。最终维修成本约 80 万元，避免了非计划停机损失。该案例体现了健康管理在“预测结果”与“生产约束”之间寻求最优平衡的核心价值。