数据驱动的深海空间站动态系统故障诊断：隐模型法相关研究

Environmental non-Gaussian noise and intrinsic nonlinearity pose challenges to the fault diagnosis research for deep-sea station. This project aims at the two urgent needs to carry on fault diagnosis research with a kind of data-driven method called implicit model approach (IMA). IMA takes the advantages of both model-based and data-driven method and is capable of handling dynamic system issues. Information theoretic entropy involved in IMA-based fault diagnosis to address non-Gaussian noise in the system. Considering the nonlinearity of dynamic system of deep-sea station, the results for linear system will be extended into nonlinear system with networked-induced factors. The project will form systematic IMA-based fault diagnosis algorithms for nonlinear system under non-Gaussian noise. The theoretical results will be validated on a typical dynamic system simulation platform and test bench of deep-sea space station. We believe the more mature IMA will provide new ideas and methods for safe operation of typical dynamic systems in deep-sea space station.

本项目针对深海空间站环境特性和自身特性对动态系统故障诊断提出的挑战：环境非高斯噪声问题亟待解决，自身非线性特性亟待应对，开展数据驱动的隐模型法用于动态系统故障诊断相关研究。通过信息熵相关方法处理非高斯噪声，发展基于隐模型的线性系统在非高斯噪声下的故障诊断方法；考虑深海空间站动态系统非线性及设备互联网络特性，将前述线性系统的隐模型故障诊断理论与方法的研究结果拓展到非线性系统，发展基于隐模型的非线性系统故障诊断。项目旨在形成基于隐模型的非线性系统在非高斯噪声环境下故障诊断方法体系，并在深海空间站典型动态系统仿真平台和试验台架进行实验验证，以期为深海空间站典型动态系统的安全运行提供新思路和新方法。

本项目围绕深海空间站典型动态系统自身特征与环境特征，以隐模型法的技术核心与实际应用范围拓展为主线，开展基于数据的隐模型故障检测、诊断研究。在基于隐模型的非线性系统故障诊断方面，开展非线性模糊建模的隐模型法故障检测、含权重因子的非线性工业系统隐模型故障检测方法、基于隐模型法的含时延非线性网络化控制系统故障检测方法等研究，形成了一系列基于隐模型的非线性系统故障诊断算法。在基于隐模型的非高斯系统故障检测层面，开展含非高斯噪声的隐模型法故障检测研究，形成了基于隐模型的非高斯噪声系统研究框架。在基于深海空间站典型动态系统的实验验证层面，开展仿真平台与实物平台数据实验研究，获取了6种工况正常运行数据集，69组异常运行数据集，获取典型动态系统17个运行日的实际运行数据，通过仿真与实际数据实验验证，证明了所提出算法在深海空间站典型动力系统故障检测的有效性。本项目所提出的针对非线性系统、网络化系统、非高斯噪声系统的隐模型故障诊断算法有望应用于压水堆健康管理系统，提升相关系统智能化水平，推动压水堆运行维护方法由“被动式”向“主动式”转变，在深海空间站、破冰船等大型水面、水下航行器相关系统中具有广阔的应用前景。后续将持续推进本项目研究成果在动态系统数字孪生的健康管理等方面的应用，为提升以深海空间站为代表的高、精、尖装备的数字化、智能化水平提供技术基础。