3.2.2　基于CPS的智能預(yù)測(cè)性維護(hù)模型

工業(yè)4.0是價(jià)值鏈組織技術(shù)和概念的集合術(shù)語(yǔ)，基于無(wú)線射頻（Radio Frequency Identification，RFID）、信息物理系統(tǒng)、物聯(lián)網(wǎng)（Internet of Things，IoT）、服務(wù)互聯(lián)網(wǎng)（Internet of Services，IoS）和數(shù)據(jù)挖掘（Data Mining，DM），促進(jìn)了智能工廠愿景的實(shí)現(xiàn)。在工業(yè)4.0的模塊化和結(jié)構(gòu)化智能工廠中，CPS監(jiān)測(cè)物理對(duì)象和運(yùn)營(yíng)過(guò)程，創(chuàng)建物理世界的虛擬副本，并實(shí)現(xiàn)離散化過(guò)程控制和決策；信息物理系統(tǒng)通過(guò)物聯(lián)網(wǎng)能夠?qū)崟r(shí)地與其他CPS系統(tǒng)和人類進(jìn)行交流和合作；通過(guò)數(shù)據(jù)挖掘和服務(wù)互聯(lián)網(wǎng)，價(jià)值鏈參與者可以在內(nèi)部和跨組織提供和利用服務(wù)。挪威Wang等人給出一個(gè)工業(yè)4.0的定義，確定了一些實(shí)現(xiàn)的主要原則，并展示一種圖3.4所示的實(shí)現(xiàn)零缺陷制造（Zero-Defect Manufacturing，ZDM）的智能預(yù)測(cè)維護(hù)模型與系統(tǒng)[7]。

IPdM系統(tǒng)基于CPS、IoT、IoS、計(jì)算智能、數(shù)據(jù)挖掘、群體智能（Swarm Intelligence，SI）等許多關(guān)鍵技術(shù)，需要被研究和開(kāi)發(fā)以適應(yīng)行業(yè)需求。IPdM中有6個(gè)主要模塊：傳感器和數(shù)據(jù)采集，信號(hào)預(yù)處理和特征提取，維護(hù)決策，關(guān)鍵性能指標(biāo)（Key Performance Indicators，KPI），維護(hù)調(diào)度優(yōu)化，誤差校正、補(bǔ)償與反饋控制。

（1）傳感器和數(shù)據(jù)采集模塊

這是實(shí)施設(shè)備診斷和預(yù)測(cè)IPdM維護(hù)策略的第一步。該模塊的任務(wù)是選擇合適的傳感器和最佳的傳感器安裝策略。數(shù)據(jù)采集過(guò)程將傳感器信號(hào)變成設(shè)備狀態(tài)信息，不同傳感器用來(lái)收集不同數(shù)據(jù)，如溫度傳感器、振動(dòng)傳感器、聲發(fā)射傳感器等。

（2）信號(hào)預(yù)處理和特征提取模塊

通常來(lái)說(shuō)，傳感器信號(hào)的處理有兩個(gè)步驟。一個(gè)是信號(hào)處理，可以提高信號(hào)的特性和質(zhì)量，相關(guān)的信號(hào)處理技術(shù)包括濾波、放大、數(shù)據(jù)壓縮、數(shù)據(jù)驗(yàn)證和去噪等，這些技術(shù)可以提高信噪比。另一個(gè)是特征提取，提取能夠表征偶然的失效或錯(cuò)誤的信號(hào)特征。一般而言，特征可以從時(shí)域、頻域（快速傅里葉變換、離散傅里葉變換）和時(shí)頻域（小波變換、小波包變換，或者經(jīng)驗(yàn)?zāi)B(tài)分解）等三個(gè)域進(jìn)行提取。主成分分析（Principal Component Analysis，PCA）是通過(guò)正交變換將一組可能存在相關(guān)性的變量轉(zhuǎn)換為一組盡可能多地反映原來(lái)變量信息的統(tǒng)計(jì)方法，實(shí)現(xiàn)特征的降維。

（3）維護(hù)決策模塊

維護(hù)決策模塊提供充足、高效的信息輔助維護(hù)人員采取維護(hù)措施的決策。維護(hù)決策模塊分為故障診斷和故障預(yù)測(cè)兩類，故障診斷[包括支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)（如自組織映射、綜合反向傳播等算法）]的重點(diǎn)是檢測(cè)、隔離和識(shí)別故障發(fā)生，故障預(yù)測(cè)（如自回歸滑動(dòng)平均模型、ANN等）試圖在發(fā)生錯(cuò)誤或失效之前預(yù)測(cè)設(shè)備的剩余使用壽命RUL（Remaining Useful Life）。決策支持模型可分為四類：物理模型，統(tǒng)計(jì)模型，數(shù)據(jù)驅(qū)動(dòng)模型，混合模型。由于IPdM策略主要依賴于反映設(shè)備狀況的信號(hào)和數(shù)據(jù)，數(shù)據(jù)驅(qū)動(dòng)模型和混合模型將處于主導(dǎo)地位。

（4）關(guān)鍵性能指標(biāo)模塊

關(guān)鍵性能指標(biāo)KPI（Key Performance Indicators）圖也叫蜘蛛網(wǎng)圖或健康雷達(dá)圖，用于顯示部件的退化程度。每條雷達(dá)線顯示部件從0（完美）到1（損壞）的狀況。顏色則顯示了級(jí)別，如安全、警告、報(bào)警、故障和缺陷，可以可視化地評(píng)估設(shè)備性能。

（5）維護(hù)調(diào)度優(yōu)化模塊

維護(hù)調(diào)度優(yōu)化是一種NP問(wèn)題（非確定性多項(xiàng)式問(wèn)題），群體智能算法是一個(gè)很好解決這類問(wèn)題的方法。IPdM可以應(yīng)用遺傳算法（Genetic Algorithm，GA）、粒子群優(yōu)化（Particle Swarm Optimization，PSO）、蟻群算法和蜜蜂群算法動(dòng)態(tài)地尋找最優(yōu)的預(yù)測(cè)維護(hù)調(diào)度方案。

（6）誤差校正、補(bǔ)償與反饋控制模塊

該模塊將利用維護(hù)決策支持模塊的結(jié)果進(jìn)行誤差校正、補(bǔ)償和反饋控制。