面向视情维修的多变元网络数据可视化方法

With the large number of large complex weapon equipments fitted out in force, the traditional corrective maintenance and hard time maintenance are unable to meet the requirement of effectively restoring or maintaining the technical state of weapon equipment, and the on-condition maintenance is increasingly attracted and concerned by the military. However, the current theory and method of on-condition maintenance face the problem that predictive modeling and process is neither intuitive nor visible. Thus experts taking part in the processing of maintenance decision is limited, and prediction result is difficult to explain. Based on overall analyzing on-condition maintenance data characteristics, this proposal is to solve above problems via information visualization. The existing visualization methods can not effectively meet the on-condition maintenance data analysis requirements, we introduce a novel multivariate network visualization paradigm that can not only uncover the multivariate distributional characteristics of datasets intuitively, but also display the associations of networks clearly. The method investigates the problems in depth, including the pre-process of mixed data sets, the robust lay-out of multivariate networks nodes for on-condition maintenance data with high frequency characteristic , and the lay-out of edges in multivariate networks on the basis of weapon equipments structure. Through this study, we are able to reinforce on-condition maintenance theory and method, to realize the beneficial exploration that utilizing information visualization to analyze and understand the maintenance data, and to predictive guide weapon equipment maintenance work.

随着大批大型复杂武器装备列装部队，传统的修复性维修及定期（时）维修已渐渐无法满足有效保持或恢复武器装备规定技术状态的需求，视情维修日益引起军方重视和关注。但是，目前的视情维修理论及方法存在建模及预测过程不形象、不直观、不可见，专家参与度不高，预测结果难以解释的不足。本课题拟在全面分析视情维修数据特征的基础上，使用信息可视化技术解决上述问题，并针对现有可视化方法无法有效满足视情维修任务需求的现状，通过深入研究面向混合数据集可视化的数据预处理方法、具有高频时变特征的视情维修数据多变元网络节点鲁棒布局方法、考虑装备结构信息的视情维修数据多变元网络边布局方法，提出一种能同时展现视情维修数据集多变元分布特征、网络关联特性以及二者之间关系的多变元网络可视化方法。通过本研究，渴望丰富视情维修理论及方法体系，实现一次利用信息可视化方法分析、理解维修数据并预测指导武器装备维修工作的有益探索。

课题针对目前视情维修任务中，预测过程不形象、不直观、不可见，专家参与度不高，预测结果难以解释的问题，全面分析了视情维修数据特征，深入研究了视情维修数据预处理方法，创新提出了视情维修数据的多变元网络可视化方法，并通过具有相同特征的网络公开数据进行了验证。课题丰富了视情维修理论及方法体系，实现了一次利用信息可视化方法分析、理解维修数据并预测指导武器装备维修工作的有益探索。具体包括：基于低秩矩阵分解的重要功能因子提取与分析，视情维修应用中存在大量的部件与部件之间的关联关系，这种关联关系可以转化为矩阵模型，通过矩阵的关联关系，可以刻画节点和节点之间的关系来建模视情维修中的部件与部件的关系。如何基于关联矩阵基本特征，例如稀疏性，低秩性，是重要功能因子提取与分析的关键问题。研究表明基于低秩矩阵分解的重要功能因子提取与分析对提取视情维修中的潜在因子就有良好的性能。基于节点图表示的视情维修网络特征表达方法，视情维修应用中存在大量的部件与部件之间的关联关系，这种关联关系可以转化为图卷积模型来建模，通过节点和节点之间的关系来建模视情维修中的部件与部件的关系，结果表明这种图表征方法不仅能够刻画潜在的关联关系，还能帮助进行低维可视化。基于注意力时态图卷积网络的视情维修故障预测方法，提出一种图卷积网络和门控循环单元，并在此基础上添加注意力机制，提出了一种基于注意力时态图卷积网络；基于Ricci曲率的视情维修网络几何结构分析，本研究借助ricci曲率的基本性质，通过对视情维修网络的几何分析，发现了其脆弱节点。有助于进一步理解视情维修网络的基本性质。