复杂系统故障早期多变量序列的混沌模式分析和预测

复杂系统在故障状态下，其动态行为会呈现出混沌等具有特殊演化行为的类随机过程。利用这一性质，针对系统变量观测序列中的故障早期异常信号，在分析其混沌动力学特性的基础上，构建描述故障前的暂态，系统内部单变量或多变量时间序列变化规律的方法框架，实现故障的早期预测。首先利用混沌理论相应方法诱导、提取或识别早期的异常信号，辅以概率统计方法的最新进展，合理确定嵌入维数、嵌入延迟和嵌入窗宽等相空间参数，重构多元变量相空间；利用混沌信号的初始条件敏感性，在相空间内放大早期微弱的故障信号，并分析序列关联维数、Lyapunov指数等混沌特性参数，建立故障因子与混沌模式间的关系规则，进行相空间内故障特征的知识获取和推理；在可预测范围内，结合先进的人工智能方法，通过实时跟踪奇异吸引子轨迹及同时跟踪多条邻近吸引子轨迹两条途径实现多变量序列的故障早期预测，并研究多模型组合预测方法提高预测精度，完成系统的健康状态检测。