复杂系统多模态故障诊断与健康管理的数据驱动方法

复杂工业过程普遍存在的多模态性使得传统单模态故障诊断方法不再适用，尤其在无法预料干扰存在时，现有方法因鲁棒性差而致应用效果不理想。本项目以火力发电系统为背景，结合信息融合技术建立一套数据驱动的多模态故障诊断与健康管理方法：1）研究基于微分几何特性的系统特征抽取技术，度量各模态间差异。建立统一投影框架，把时域上的差异分解到不同尺度上进行多尺度模态划分。2）解决多个稳定模态统计特征抽取的关键科学问题，建立稳定模态故障诊断方法。并基于动态特征抽取技术，建立过渡模态异常监控模型。3）定义在线模态辨识的归属度，研究在线模态"软辨识"方法，在系统运行特性改变并非模态切换引起时，研究故障诊断方法的鲁棒性。4）建立故障的横向动态传播和纵向跨模态演变模型，开展故障预测研究,估计系统剩余有效寿命。结合运行模态标识、子系统故障类型和故障预测结果，通过信息融合技术，建立系统健康评估函数，为视情维护决策提供依据。

受原料性质、外界环境、过程负荷变化等因素影响，生产过程可能运行于多个稳定模态，不同模态下系统运行特性有较大差异，传统单模态方法不再适用，本项目旨在建立一套数据驱动的多模态特征抽取与系统健康监控方法，主要成果包括：.1）研究基于微分几何特性的系统特征抽取技术，研究过渡模态基于微分几何特性的时变滚动球异常检测模型实现过渡模态特征抽取和异常检测。提出一种基于微分特性的稳定模态分级故障诊断方法，解决传感器精度下降或交流电源故障导致的故障信号过零点无法很好检测的问题。仿真结果和案例测试结果验证了方法的有效性。.2）建立统一投影框架，把时域上的差异分解到不同尺度上进行多尺度特征抽取和故障诊断。建立了各尺度上观测数据的统一投影框架，使得细尺度上的统计模型和检测统计量等均是各尺度上特征的函数。在无模态标识特征时，利用EMSPCA模型尺度递归确定能力，通过在线数据驱动的方式自适应选取历史数据在不同频率上的信息，建立更准确的监控模型。并研究基于微分特性时变滚动球和改进CPCA的多模态多尺度异常检测方法。 .3）研究多个稳定模态和过渡模态特征抽取的关键科学问题，建立稳定模态和过渡模态故障诊断方法。主要包括基于相对化变换的特征抽取技术，知识导引的数据驱动微小故障早期特征抽取及系统剩余寿命预测方法，非均匀采样数据的特征抽取技术和采样数据分布非Gaussian情况下的特征抽取新方法。提出基于微分几何特性的过渡模态动态特征抽取方法，建立滚动球异常检测模型以保证模态切换过程中的生产安全性。.4）定义在线模态辨识的归属度，研究基于混合Gaussian模型“软辨识”的多模态故障诊断方法。计算在线数据与各模态的一致性，识别在线数据所属模态，依次计算数据属于各稳态过程的一致性，进行模态辨识。若混合Gaussian模型计算的一致性指标几乎为零，则将数据划分为过渡模态，再根据相应的微分动态特性实现不同过渡模态划分。.5）复杂工业过程包含多个子系统，前一子系统的输出可以看作后一子系统的一个输入。作为故障传播研究的基础，本项目开展了输入/输出故障影响关系研。把多个子系统看成网络中的结点，综合各结点的健康状况可以进行系统健康评估。开展网络环境下基于信息融合的特征抽取方法研究，为全局系统健康评估提供基础。. 相关成果共授权发明专利2项。发表论文21篇，其中SCI收录3篇，EI收录13篇。