数据驱动的伺服系统故障预测与健康管理关键技术研究

伺服系统结构复杂、价格昂贵、故障率高且故障危害大。由于外部干扰因素多且内部参数不确定，难以依据其内在机理建立精确数学模型进行故障诊断和健康维护。如何有效利用伺服系统的历史测试数据和其他经验知识，在难以建立精确数学模型的情况下实现伺服系统的故障预测和健康管理，已经成为军事及相关学科领域迫切需要解决的问题。本课题拟以某型导弹伺服系统为研究背景，基于历史测试数据、当前数据和专家经验信息，以故障预测和健康评估为途径，对数据驱动的伺服系统故障预测与健康管理关键技术展开研究，解决局部模型辅助数据驱动的故障预测、伺服系统健康评估性能函数建立和伺服系统中单元及全系统主动健康维护等关键问题。课题研究成果可为故障预测与健康管理技术在伺服系统中的应用奠定理论基础和提供技术支持，对于提高伺服系统的可靠性和安全性、降低维护成本具有十分重要的意义，同时可推动故障预测与健康管理技术在相关领域的深入研究和广泛应用。

本项目基于历史测试数据、专家经验及其它可用的知识和信息，针对由若干单元组成的某型导弹伺服系统，以故障诊断为基础，研究数据驱动的故障预测与健康管理方法。通过对面向伺服系统故障预测与健康管理的数据信息预处理、局部模型辅助数据驱动的故障预测方法以及数据驱动的健康水平评估与主动维护方法等关键问题进行深入研究。为提高伺服系统的可靠性和安全性、降低管理维护成本奠定理论基础和提供技术支持。.主要研究内容包括：面向伺服系统故障预测与健康管理的数据信息预处理、局部模型辅助数据驱动的预测方法研究、数据驱动的健康水平评估与主动维护方法研究以及面向导弹伺服系统故障预测与健康管理方法的综合实验验证等。.项目组成员通力协作、攻坚克难已经完成了本项目所有的研究内容，并顺利超额完成项目预期研究目标。获得2项军队科技进步二等奖和1项西安市科技进步二等奖。在《IEEE Transactions on Automation Science and Engineering》、《Neural Networks》、《Journal of Systems Engineering and Electronics》、《自动化学报》和《物理学报》等国际、国内重要期刊和会议上发表高质量学术论文22篇（被SCI检索9篇，被EI检索18篇）。.项目主要研究了PHM技术相关的故障预测算法和健康水平评估方法，而伺服系统的智能维护必将极大提高伺服系统的安全性和可靠性，下一步计划研究基于PHM的伺服系统智能维护策略及其优化。