一类系统在闭环运行情况下的多模态数据驱动故障诊断方法

The existing fault diagnosis methods both based on data-driven and the analytical model are mostly designed for a open-loop system, while most of the existing systems running in a closed-loop operation. The introduction of the feedback loop makes the correlation between system variables more complex, meanwhile, the closed-loop process shows a multi-mode characteristic. The existing fault diagnosis methods for open-loop control system are no longer applicable and effective. Therefore, this project will carry out the following researches: 1) On the background of a class of typical closed-loop system (such as UAV flight control system), by means of the data-driven fault diagnosis theory, data-driven multi-mode fault diagnosis methods for the closed-loop system are studied: to reveal the fault pattern respectively in the form of open-loop and closed loop system with the same fault, build a dynamic projection framework, define fault detectable standards, identify the real failure and "pseudo fault", and establish multi-mode fault diagnosis methods for the closed-loop system. 2）multivariate statistical analysis method combined with the information fusion theory are mainly used to solve the underlying problems in the existing data-driven multi-mode fault diagnosis methods: data representation and modeling of multi-mode process in the closed-loop operation, the mapping relationship between fault pattern and multi-mode model, fault diagnosis method based on the fault propagation mechanism analysis, feature vector extraction method reflecting dynamic characteristics of the fault behavior.

现有无论基于数据驱动或基于解析模型的故障诊断方法大多是针对开环系统设计的，而现有系统大多运行在闭环情况下，反馈回路的引入使得系统各变量间的相关性变得更加复杂，闭环过程呈现出多模态特性，已有面向开环控制系统的故障诊断方法显得不适用，效果不佳。为此将重点研究：1）以一类典型的闭环系统(如无人机飞控系统)为背景，以数据驱动的故障诊断理论为手段，开展一类系统在闭环情况下的多模态数据驱动故障诊断方法研究：揭示同一故障在开环、闭环下的表现形式，建立动态投影框架，定义故障可检测标准，辨识真实故障和"伪故障"，建立闭环系统的多模态故障诊断方法。2）以多元统计分析方法为主，结合信息融合等技术，重点解决现有数据驱动的多模态故障诊断方法中存在的深层次问题：在闭环运行情况下，多模态过程的数据表示和建模，故障模式和多模态模型间的映射关系，基于故障传播机理分析的故障辨识方法，反映故障动态特性行为的特征向量的提取方法。

闭环运行情况下，反馈控制的引入改变了开环系统特征空间中的故障模式，已有基于开环系统的故障诊断方法时常显得不能适用，效果不佳。通过对多模态飞行过程的数据特性及变量特点进行分析后发现，不同的稳定模态常常呈现出明显不同的数据特性。为此，对闭环运行情况下的故障诊断问题，结合信息融合技术开展了多模态数据驱动方法研究。具体内容如下：1）提出两种无需进行非线性迭代偏最小二乘(NIPALS)计算的直接的潜变量空间投影方法；基于核质量潜结构投影研究了非线性过程质量监测方法；将相对化变换思想引入T-PLS中，提出了相对T-PLS方法；综述了现有质量相关的故障诊断方法。2）针对不同大小的故障数据，逐级分解多个主元空间以进行故障检测；建立一种基于PCA的多空间诊断方法，实现同时对故障进行检测和诊断；研究了潜空间分解下的变量重要性和敏感性，设计比重因子的选取方法，有助于提高重要变量故障检测的效果，降低不重要变量的灵敏度。3）针对快速频繁切换的多模态现象，基于“量体裁衣”的思想提出一种联合多模态故障诊断方法，能够实现模态的实时监测；针对具有时序特性的间歇过程，提出一种基于信息增量的模态划分和过程监测方法；无需预估数据，提出基于k近邻的多模态在线实时异常监测方法和快速异常监测方法。4）将超限学习机ELM引入到线性PLS建模过程中，进一步建立了闭环运行情况下基于ELM的故障诊断方法。5）基于异值理论研究了微小目标快速检测方法；基于离散状态马尔可夫链研究了一类系统在闭环运行情况下的可靠性评估问题。所提方法在典型闭环系统的基准实例进行了仿真验证测试工作。相关成果共发表学术论文15篇。