设备异常程度检测与故障程度诊断的免疫智能方法研究

Currently, there are some prominent problems in equipment abnormal detection and fault diagnosis: the theory of state monitoring is still immaturity and lacks of the description of equipment abnormal degree; there are many studies of fault diagnosis methods but the fault degree research lags behind; the fault diagnosis methods lack of online rapid diagnostic ability; detection and diagnosis can’t fuse well, which causes the lack of timely maintenance mechanism. Thus, through fusion of the large amount of equipment testing data, this project intends to draw from the intelligence of biology immune mechanism and explore the effective methods for equipment abnormal detection and fault degree diagnosis. At last, realize the integration of equipment abnormal degree detection and fault degree diagnosis. There are four theoretical problems to be solved: (1) how to train the abnormal degree detectors from the large number of equipment normal data; (2) how to use the limited fault samples of different degree generating fault degree identifiers that can recognize the type of equipment incipient faults and fault degree; (3) how to use the result of abnormal degree detectors to activate fault degree identifiers rapidly, so as to realize rapid fault diagnosis; (4) how to fuse the abnormal degree detectors and fault degree identifiers to improve the accuracy of fault diagnosis and realize the equipment timely maintenance.

对于设备异常检测与故障诊断，目前存在一些突出问题：状态检测理论不成熟，异常程度合理刻画方法缺乏；故障诊断方法研究众多，但故障程度研究滞后; 故障诊断方法缺乏在线快速诊断能力; 检测与诊断未进行有效融合，缺乏对设备进行适时维修的判定机制。因此，本项目拟借鉴生物学的免疫智能机理，通过对设备大量检测数据的融合，探索设备异常程度检测及故障程度诊断的有效方法，并最终实现设备异常程度检测与故障程度诊断的一体化。重点解决四个方面的理论问题：(1) 如何从设备的大量正常运行数据中训练出能够检测设备不同异常程度等级的异常程度检测器；(2) 如何利用有限的故障程度样本生成能够检测设备不同故障程度等级的故障程度识别器；(3) 如何根据异常程度检测器的检测结果快速激活对应的故障程度识别器，实现设备快速故障诊断；(4) 如何将异常程度检测器与故障程度识别器相融合，提高故障诊断精度，并实现对设备维修时机的判断。

当前设备异常检测及故障诊断中存在有状态检测理论不成熟、异常程度合理刻画方法缺乏、故障诊断方法缺乏在线快速诊断能力、检测与诊断未进行有效融合等问题。为此本项目借鉴生物免疫系统的相关机理对上述几个方面问题进行了深入研究，并取得了多项重要研究成果：. （1）为了描述设备的自己空间和非己空间，提出了多种描述设备异常及异常程度的T细胞状态检测器的构造及实现方法，以此构成了设备状态空间划分及故障程度检测的理论体系。. （2）借鉴生物免疫系统B细胞特异性免疫机理，提出了能够利用有限故障样本检测不同故障及故障程度等级的尺度自适应阳性选择算法及尺度自适应B细胞的概念，减少计算复杂度的同时，提高了故障诊断准确率。. （3）借助生物免疫系统的多层免疫机理，提出了单故障非己势场检测器，其中涉及T细胞状态测器与B细胞故障识别器联合作用下的在线早期故障预示理论，实现了设备的快速故障诊断。. （4）通过对生物免疫系统疫苗机理及在线进化学习机理的深入抽象，提出了能够检测设备异常及故障，并能够实现小样本在线学习的自适应超环检测器，实现了设备在线异常检测与故障诊断的融合。.以上研究成果为实现复杂机械设备的在线异常检测及自主故障诊断提供了重要的科学依据，具有潜在的应用前景。.