《鹖冠子·世贤第十六》曾记载这样的故事，魏文王求教于名医扁鹊，问其兄弟三人谁的医术最高明。扁鹊认为自己的医术最弱，而其大哥的医术，在病症没有表现出来之前，就能化解于无形。如同扁鹊对医术的品鉴，基础设施网络（交通网络、能源网络）也可基于风险前兆防患于未然，一直是系统可靠性领域的一大愿景。但在未来的“数字孪生”与“物联世界”中，有些改变正在逐步发生，预测维护将会成为保障智能化基础设施的主要手段，来自清华大学的助理教授梁正霖致力于预测性维护与网络化设施资产管理的研究，使未雨绸缪、未焚徙薪成为未来智能化新基建的一部分。

数字孪生，衍生智能

梁正霖毕业于剑桥大学圣约翰学院，又曾在剑桥大学担任博士后研究员，期间参加了由英国商业、能源和工业战略部资助的数字化英国建设项目（Digital Built Britain）。该项目旨在开发一个服务于智能数字经济的国家级数字孪生体，以建设信息模型（BIM）为基础，结合设施寿命周期信息构造数字孪生体，并以此为媒介搭建智能策略减少寿命周期成本。梁正霖解释到：“数字孪生是未来智能化基础设施建设的重要智能技术之一。随着数字传感、大数据、机器学习等先进技术的出现，为获得实时有效的健康数据提供了手段，通过结合此类丰富数据可以构造一个服合设备、设施寿命周期特性的镜像，也即为数字孪生体。目前，有效地结合多源数据、物理机理、时空特性生成较大规模的数字孪生体仍面临多方面挑战。而数字化英国建设项目在通过点云图、BIM、数据融合、寿命周期管理等方面成功实现了大规模3D 数字孪生体，具有先驱性和开创性的研究”。数字孪生体的开发有助于智能策略的试运行与验证，从而降低其寿命周期成本，其中一种主要手段就是使用预测维修与健康管理。

故障预测，健康管理

故障预测与健康管理是目前可靠性研究领域的热点。故障预测可以概括为通过设备或系统的状态监测数据，预测其状态未来的发展趋势、可能出现的故障模式以及剩余使用寿命。基于此类前瞻性的信息，有益于更好地管理设备的健康状态，梁正霖说：“目前预测性维修已在交通、电力、制造、航天等领域应用，并成功地减少了机器故障概率，减少过度维修，提高设备正常生产、运行时间，延长设备使用寿命。”相关研究的兴起已经在工业界引起了范例式的转变，如工业4.0 与数字化制造等。梁正霖通过多元维修策略融合以及多种机器学习方法协同实现智能化维修，并应用于西门子汽轮机故障预测与健康管理。

在未来，故障预测与健康管理也必将成为开启数字化、智能化设施资产管理的钥匙。关键基础设施如桥梁等具有寿命周期长、易受环境影响的特点，这使此类设施的寿命周期管理具有挑战。梁正霖针对此类挑战，构建满足上述特征的随机寿命周期模型，并优化其维修策略，降低寿命周期成本，该研究为在环境恶化的风险下，为维护、管理关键基础设施提供重要理论基础，并发表在国际主要期刊International Journal of Production Economics。

复杂系统，分层化解

“故障预测是研究的切入口，如何将故障预测应用到系统乃至网络层面，实现前瞻性的风险防护，将是自己未来研究的主要方向。”梁正霖说道，“从新冠状病毒（COVID-19）疫情的爆发，人们已经认识到风险的影响范围可能已经超出了现有系统模型的界定。追溯其原因，倘若此次疫情宏观层面的风险可以预先估计，那么就可以防微杜渐，从而更好地控制和解决疫情。同理，在复杂网络中，通过维修提高一个组件的可靠性，也可产生正向涟漪效应，使网络更加稳定可靠。因此，超越系统范围探索网络特性，将更好地实现并提升系统可靠性的实际价值。”而模型的范围拓展将不可避免地造成复杂度、计算时间攀升，甚至会产生状态空间爆炸等问题。针对这一难点，梁正霖提出了通过马尔可夫空间聚合压缩系统状态空间的方法，为将模型拓展到大规模系统、网络提供了理论支撑，该研究发表在国际主要期刊Reliability Engineering & System Safety。

梁正霖参加了由工程与物理科学研究委员会和创新英国资助的智能基建中心项目，主要负责构建道路桥梁交通网络的预测性组合式维修。基于英国桥梁委员会所提供的信息，考虑了环境和气候变化对桥梁组件退化的影响，构建了从材料、组件到桥梁到网络的分层架构模型。提高了模型实用性，同时利用共享交通停滞时间和维修初始设置成本带来的双重经济相关性，通过预测性组合式维修，从网络层面减少交通停滞时间，在桥梁系统层面降低维修初始设置成本。基于英国赫特福德郡关键桥梁网络原型该方法在降低运维成本方面展现了较高的潜力，研究成果发表在国际主要期刊Reliability Engineering & System Safety。