《Electronics》：Distributed Embedded Intelligence for Hierarchical Health Monitoring and Fault Diagnosis in Complex Technical Systems
编辑推荐：
该架构与立场论文考察了复杂技术系统如何将分布式传感、嵌入式智能、预测与健康管理（PHM）以及数字孪生服务相结合，但这些能力往往以彼此独立的功能形式实现。本文提出一种分布式嵌入式智能（DEI）框架，在从智能传感到系统级健康管理与全寿命周期服务的五个层级上协调诊断
该架构与立场论文考察了复杂技术系统如何将分布式传感、嵌入式智能、预测与健康管理（PHM）以及数字孪生服务相结合，但这些能力往往以彼此独立的功能形式实现。本文提出一种分布式嵌入式智能（DEI）框架，在从智能传感到系统级健康管理与全寿命周期服务的五个层级上协调诊断职责。诊断功能依据"最低可行智能层级"原则进行分配，该原则综合考虑数据可用性、上下文、时序、计算资源、模型有效性、连通性与权限。局部与融合健康状态保留故障假设、功能能力、不确定性、置信度与来源追溯，而分层融合与事件驱动升级决定某一事件可否在本地处置、是否需要补充证据、或必须移交至更高层级。数字孪生与机队服务提供预测、情景分析、维修规划与受控模型支持，但不取代必要的实时诊断。该框架通过飞机液压泵渐进退化案例以及集中式、边缘辅助式与DEI配置的架构级对比加以说明。基于假设消息尺寸、事件率与执行时间的示例性计算表明，通信需求与检测确认时延可能降低；在高层服务失效时保持低层能力是一项设计目标。该研究提供了一种可供其他系统适配的架构模板，用于构建具备韧性的分布式健康管理；其定量结果为有条件的架构估计，未经实验验证，亦未证明飞机性能。
一、研究背景与问题
现代技术系统在复杂性、连通性与功能互依性方面持续提升，改变了状态监测的角色定位。传统架构主要采集测量数据并传输至集中式平台进行分析。预测与健康管理（PHM）通过结合状态评估、故障诊断、退化预测与维修决策支持扩展了这一路径。在航空航天领域，集成运载器健康管理（IVHM）与集成系统健康管理（ISHM）进一步将部件与子系统状态同飞机可用性、任务能力与维修需求相关联。人工智能与深度学习显著改进了异构监测数据的特征提取、故障分类与剩余使用寿命（RUL）估计。然而，诊断算法的进步本身并不能解决诊断功能应在何处执行的架构问题。集中式处理具备广阔上下文与计算能力，但可能增加通信需求与时延，并将诊断能力集中于少数处理节点。嵌入式与边缘智能通过将选定分析功能移近被监测过程提供互补路径，轻量级AI模型、硬件感知实现与分布式推理使局部处理能够在受限计算、存储与能量资源下运行。但仅靠计算放置并不能界定诊断职责、不确定性、功能能力、决策权限以及分布式节点间协作应如何组织。
现有研究横跨嵌入式与边缘智能、分布式故障诊断、分层健康监测、数字孪生与PHM、飞机健康管理系统等若干已确立但仅部分集成的领域。PHM文献覆盖从信号处理与特征工程向数据驱动故障分类、预测与剩余寿命估计的演进；嵌入式与边缘智能文献主要关注计算放置与资源效率，而非诊断职责、权限与系统级健康推理的协调分配；分布式故障诊断方法通常针对特定应用或算法，一般未从传感器级评估延伸至子系统融合、系统后果与全寿命周期推理；分层健康监测架构反映复杂资产的物理分解，但通常对显式诊断权限、不确定性感知升级与协同全寿命周期交互处理有限；数字孪生提供状态同步、高保真建模、预测、情景分析与维修支持，但其功能常与传感器、部件与机载子系统间诊断智能的内部分布相分离。近期研究显示上述方向日趋融合，但所引研究一般仅涉及所需能力的一个子集，未联合定义一种受治理架构，以集成诊断职责、功能能力推理、有界权限、不确定性与冲突驱动升级、来源追溯、优雅降级以及与全寿命周期数字孪生服务的受控交互。
二、研究内容与结论
研究人员提出分布式嵌入式智能（DEI）框架，将诊断职责跨五个层级协调：L0智能传感器与局部数据采集单元、L1部件级嵌入式智能、L2子系统级诊断代理、L3整系统健康管理、L4数字孪生、机队与全寿命周期智能。其核心原则为最低可行智能层级，即把每项功能分配给具备充分数据、上下文、资源、经验证能力、连通性与权限的最低层级，而非追求最大限度的去中心化。框架区分物理健康与功能能力，后者以需求相对的能力因子表达；结构化健康表示保留故障假设、功能能力、不确定性、置信度与来源追溯；分层融合考虑物理与功能依赖、冗余、来源可靠性与运行上下文；不确定性、冲突、能力与风险感知的事件驱动升级包括同行咨询、分层移交、应急路径与优雅降级；与数字孪生及机队服务的集成将全寿命周期学习与模型部署同安全相关运行执行相分离。研究以飞机液压泵渐进退化为例说明该分配如何将部件证据同子系统能力与系统级后果相联结，并在明确假设下计算表明局部处理与诊断信息的选择性传输可降低通信需求与检测确认时延；受控合成仿真支持参考融合与防护计算的数值一致性并显示其对噪声标定的敏感性。研究结论指出，最低可行智能层级原则为根据可用信息、计算资源、时序要求、经验证模型能力与允许响应权限分配诊断功能提供了基础；局部评估与高层解释通过显式升级与支持角色相联结；全寿命周期服务支持模型开发与维修规划，架构规定了在高层连通性丧失期间经批准局部诊断功能可继续运行的条件。上述发现仍以所选模型与参数为条件，未确立飞机诊断精度、实测执行时间或替代架构间的等效诊断性能，验证是下一研究步骤。
三、关键技术方法
研究采用架构与立场论文方法，提出DEI框架的形式化表示，包括节点集合、物理与功能依赖、诊断信息链路、控制与权限关系及层级分配函数；建立最低可行智能层级分配原则并将其形式化为离线的混合整数线性规划，含数据、模型、权限与韧性二值掩码及资源、带宽、端到端时延约束；提出局部健康表示与分层融合的形式化描述，给出功能能力因子及其动态包络界；提出不确定性感知事件驱动升级条件与路由模式；给出L2贝叶斯融合参考模块及伪代码，含联合高斯似然、后验、冲突与熵度量及防护判据；提出数字孪生受控模型发布流程与服务保持条件；以飞机液压泵案例进行架构级映射，并使用假定的消息尺寸、事件率与执行时间进行通信与时延的示例性计算，以及受控合成数值一致性检查。样本队列方面，文中提及可用的液压系统状态监测公开数据集（2205个60秒实验室循环）作为后续模块基准，但本研究未使用实测数据。
四、研究结果
1. 概念基础：研究人员界定嵌入式智能节点为集传感、局部处理、诊断推理、通信与有界响应于一体的单元，其权限为经配置的许可，置信度、模型复杂度或更高层级不授予额外权限；界定DEI为诊断功能、知识与决策职责在协作节点间分布并集体构建系统级认知的架构，物理、信息与权限结构不必重合；区分嵌入式智能同边缘AI、AIoT与数字孪生的概念差异；建立五级层次并区分物理健康与功能能力，给出能力因子的取值范围与动态包络界。
2. 提出的概念框架：研究人员给出DEI的一般架构表示，含物理部件、智能节点、监测层次、关系、诊断功能与治理机制；提出局部动作须经共享互锁与权限许可执行，硬保护具有独立更高优先级路径；将诊断功能分配表述为可行性问题并形式化为混合整数线性规划，给出渐进语义压缩的接口准则；提出局部评估与分层融合流程，给出L2贝叶斯融合的似然、后验、冲突与熵定义及未知状态处理；提出不确定性感知事件驱动升级条件、三种路由模式、升级包内容与阈值标定工作流；提出数字孪生集成的状态更新、受控模型发布、运行期监控与服务保持条件及评估向量。
3. 飞机案例与数值检查：研究人员将五级层次映射至飞机传感、部件智能、子系统诊断代理、机载健康管理与数字孪生或机队服务；选取发动机驱动液压泵渐进退化情景，给出故障传播链、竞争假设集与三层概念图；在L0至L4各级说明局部评估、子系统融合、飞机级后果与全寿命周期支持，给出液压子系统能力实例与简化连续性/节流表示；说明三条升级路径与升级包内容；比较集中式、边缘辅助式与DEI三种架构并给出功能分配对比；在假定输入下计算得集中式原始数据速率约164 kB/s，边缘辅助式约1.27 kB/s，DEI平均约0.71 kB/s，相对集中式分别约降低99.2%与99.6%，估计检测确认时延分别为1.11 s、0.61 s、0.17 s，相对降低约85%；说明韧性与优雅降级行为属设计目标未经实验验证；通过受控合成检查验证后验归一化、冲突与拒绝分支及上下文防护的误拒概率敏感性。
五、讨论与结论
讨论部分指出，DEI将分布式嵌入式智能视为分层健康监测的架构原则而非特定诊断算法，其核心前提是诊断职责应依据数据局部性、时序要求、可用上下文、计算资源、经验证能力与权限进行分配；该架构介于完全集中式诊断与无限制去中心化之间，目标是有目的地分布诊断职责而非最大局部自治；DEI同嵌入式或边缘AI的差异主要在架构范围，边缘计算提供局部执行能力、AIoT提供连通性、数字孪生提供更广的历史预测与全寿命周期上下文，DEI通过显式职责、权限、信息交换、升级与韧性协调这些能力。讨论强调局部异常不应独立解读，分层融合结合异构证据与物理功能依赖以判定观察是否支持共同故障机制及是否影响所需系统功能；物理健康与功能能力须区分；不确定性与来源间冲突决定结论能否留在本地，升级由诊断不确定性、功能后果、风险与可用权限的组合而非仅异常幅度支配；多故障推理应区分独立同时故障、共因失效与单一初始故障传播的多症状，来源与模型多样性须显式评估；并发事件竞争通信与处理资源，需独立事件标识、准入控制、预留应急服务与有界队列。讨论指出基于假设的架构对比说明两项潜在效应：局部处理与语义健康消息可显著降低通信需求，局部评估在预算内可缩短诊断关键路径，但结果依赖所述传感、消息尺寸与时序假设，不应解释为普遍性能特征；分布亦支持优雅降级，失去数字孪生连通性可保留必要的部件与子系统诊断；对飞机健康管理而言DEI补充而非取代IVHM、ISHM、结构健康监测、预测性维修与数字孪生方法。讨论还涉及保障与治理，指出溯源是健康表示的基本组成部分，候选模型须经验证、版本控制、完整性检查与授权后方可部署，密码学真实性不等于诊断正确性或安全性；向其他复杂系统的迁移是设计假设，单一概念性泵案例未确立架构或其诊断模型的普适性。局限性部分指出主要局限是飞机案例提供架构级演示而非实验验证，通信与时延结果为基于显式参考假设的推导，不代表实测或适航飞机性能，诊断模型仍为概念性，时延条目为选定预算而非实测调度或硬件计时，通信计算比较有效载荷速率而未显式建模网络开销与负载相关时延，无故障数据集或部署分类器以确立三种架构的等效诊断精度，假设平均事件率并非由标定升级阈值获得，因此数值降低应视为有条件的算术示例；后续工作应在动态液压系统模型中实现该架构，在共同故障情景下比较三种配置，验证不确定性感知融合与升级，评估同时与共因失效下的故障隔离覆盖率、漏报关键事件与升级截止时间，评估代表性硬件上的计算与能量需求并集成原型数字孪生，且在安全关键部署前对有限自治与升级规则进行形式验证，网络安全感知诊断是额外扩展方向；对Algorithm 2的实证测试仍有必要，初始模块基准可使用公开液压系统状态监测数据集，但该数据集非飞机任务/硬件在环基准且不能复现20 kHz振动通道。
结论部分译文如下：本架构与立场论文提出分布式嵌入式智能作为在从局部传感到数字孪生与机队服务的五个层级上协调健康监测与诊断的框架。其主要贡献是在共同架构内集成诊断功能分配、结构化健康评估、分层融合、功能能力推理、事件驱动升级与模型治理。最低可行智能层级原则为根据可用信息、计算资源、时序要求、经验证模型能力与允许响应权限分配诊断功能提供了基础。局部评估与高层解释通过显式升级与支持角色相联结。全寿命周期服务支持模型开发与维修规划，而架构规定了在高层连通性丧失期间经批准局部诊断功能可继续运行的条件。概念性飞机液压泵案例说明该分配如何将部件证据同子系统能力与系统级后果相联结。在所述假设下的计算表明，通过局部处理与诊断信息的选择性传输，存在降低通信需求与检测确认时延的机会。受控合成仿真支持参考融合与防护计算的数值一致性，并展示其对噪声标定的敏感性。上述发现仍以所选模型与参数为条件；它们未确立飞机诊断精度、实测执行时间或替代架构间的等效诊断性能。因此，验证是下一研究步骤。验证应结合动态对象与网络仿真、代表性嵌入式硬件以及受控的单发、并发与共因故障情景。比较应评估诊断覆盖率、漏报关键事件、误升级、响应截止时间、计算与能量需求以及故障期间的服务保持。阈值标定、模型发布、运行期监控与恢复程序亦须在代表性运行条件下验证。应用于其他技术系统将需要领域特定模型与保障证据。所提框架为设计这些实现并评估局部诊断职责与高层协调之间的权衡提供了明确基础。
