基于数据的复杂工程系统故障预测与健康管理

随着信息技术和自动化技术的快速发展，现代工业中系统的集成度和复杂度越来越高，依据机理建立其精确数学模型已日趋困难。如何有效利用大量离、在线数据和其他知识，在难于建立机理模型的条件下，实现对复杂系统的故障诊断、预报和健康管理是保障这些复杂工程系统安全高效运行所亟待解决的问题。为此，本项目拟以若干工程系统（半导体制造工业、高速轨道交通、兆瓦级风力电机、石油化工）为背景，基于历史数据、当前数据及其它知识和信息，结合相关技术，建立面向大型工程系统的故障预测和健康管理方法。重点解决所遇到的一些关键科学问题，如传统PCA的模式复合现象，多源不确定特征的统一表示与度量，冲突证据条件下的组合规则和开放动态辨识框架下的并发故障诊断，模型不确定性度量及对故障诊断结果的影响度，评估对象健康水平的性能函数，视情维修的知识决策方案等，取得若干基于数据且有别于传统框架的复杂工程系统故障预测和健康管理新理论、新方法

随着信息技术和自动化技术的快速发展，现代工业中系统的集成度和复杂度越来越高，依据机理建立复杂工程系统的精确数学模型已日趋困难。如何有效利用大量离、在线数据和其他知识，在难于建立机理模型的条件下，实现对复杂系统的故障诊断、预报和健康管理是保障这些复杂工程系统安全高效运行所亟待解决的问题。本项目以复杂工程系统为应用背景，研究故障预报与健康管理系统（PHM）中涉及的关键科学问题和方法。项目执行中，既研究了基于数据的方法，也研究基于模型的方法，致力于通过实现数据方法和模型方法的 “你中有我，我中有你”，而建立基于数据且有别于传统框架的故障诊断和预报的新理论、新方法。取得的研究成果大致可以归结为七个方面。1）重点研究了数据方法和模型方法相结合的故障诊断和预报理论与方法，给出了基于思想结合的“隐模型法（Implicit Model Approach）”，和基于方法互补的“互补组合法（Complementary Combination Approach）”。2）研究了基于隐马尔科夫模型的故障诊断和预报，给出了隐马尔可夫模型的参数估计和学习算法改进和基于隐马尔可夫模型的故障诊断/预报方法改进等。3）作为“隐模型法”的基础理论之一，也研究了基于模型的故障诊断，故障预报及容错控制。特别是对基于卡尔曼状态估计理论的故障诊断和预报进行了较为系统的归纳和研究，并在基于卡尔曼理论的预报方法本身也得到新的进展。4）作为“互补组合法”的支撑理论之一，研究了基于支持向量机理论的非机理建模及故障预报方法，并取得进展。根据拟定的研究计划，我们在5）基于多元统计分析等方法的故障诊断和故障预报；6）基于多源不确定特征信息的故障诊断、故障预报；以及7）以工业应用为背景的故障诊断、预报与容错控制研究等方面也均取得了研究进展。