数据驱动的随机系统信号特征信息提取与性能退化建模关键技术研究

Missiles have the characteristic of long-term reserve and one-times use, and it is a major engineering problem for the campaign army to solve to insure missiles weapons in a good technoloty state at any moment. The service of a great deal of missiles with excess scheduled term, and a great lot applications of new material and new apparatus and new technology, and complex electronic information furnishment offer missile weaspons many new fault models, and also put forward new challenge for their fault diagnosis. Based on performance degradation experiment data , or history test data, of key parameters for key parts of missiles, this project will extract the feature information of these data which include the essential attribute of key parts, and establish the performance degradation rule model of the key parts, open out the inherent rule of the fault producing in the course of the reserve and use of key parts of missiles weapons, and evaluate the reliability and residual life-span, which have important significance for the forecast maintenance, scientific forecasting life-span, and health management of missile weapons. This research is really the feature information extraction and parameter performance degradation modeling and residual life-span estimation problem for stochastic system signal, and these problems and their methods have prevalent meaning in the aspects of signal processing, data analysis, diagnosis and modeling, etc.,based on data driven. These technology progress and breakthrough will promote the advancement and developmentof modeling theory and technology based on data driven, and these researches have important scientific theory meaning and extensive application value.

导弹装备具有长期贮存、一次使用的特点，确保导弹武器随时处于良好的技术状态是部队作战使用必须解决的重大工程问题。大量现役导弹超期服役，新材料、新器件、新技术以及复杂电子信息装备的大量使用，给导弹武器带来了新的故障模式，给故障诊断提出了新的挑战。本课题基于导弹控制系统关键部件参数性能退化实验测试数据，及导弹装备关键部组件的历史检测数据，提取包含本质属性的特征信息，建立关键部组件性能退化规律模型，揭示导弹装备关键件在贮存、使用过程中故障产生的内在规律，评估其可靠性和剩余寿命，这对于导弹武器的预测维护、科学定寿、健康管理等均具有重要意义。本研究本质上属于随机系统信号特征信息提取、参数性能退化建模和剩余寿命估计问题，这些问题及解决方法在数据驱动的信号处理、数据分析、诊断与建模等方面具有相当的普遍性，其技术的进步与突破，将促进数据驱动的建模理论与技术的发展，项目研究有重要的科学理论意义和推广应用价值。

导弹装备具有长期储存、一次使用的特点，如何确保导弹随时处于良好的技术状态是导弹武器作战运用必须解决的重大工程问题。基于导弹控制系统关键部组件的历史检测时间序列数据，或性能退化实验测试数据，提取包含本质属性的信号特征信息，建立关键部组件关键参数的性能退化轨迹模型，估计剩余贮存寿命，是实现导弹武器装备的预测维修、科学定寿及健康管理工作的重要基础性工作。课题研究内容主要包括：基于Hebbian规则的随机信号特征提取、基于确定性离散时间系统的特征提取算法性能分析、基于非线性时间序列模型的参数性能退化建模、基于性能退化建模的剩余寿命估计等，课题在基于Hebbian规则的主次成分自适应提取算法、自适应耦合特征提取算法、自适应广义特征提取算法、自适应奇异特征算法、多特征并行提取算法、广义特征提取算法的确定性离散时间系统分析、具有工作状态切换系统的剩余贮存寿命预测、在相似度框架内基于布朗运动的剩余寿命预测等方面取得一系列理论创新成果。在随机系统信号特征信息提取方面，提出了一系列自适应主成分分析拓展算法，在广义主成分分析、耦合主成分分析、奇异主成分分析、并行多维主成分分析等方面取得重大突破，解决了该领域自适应特征算法的“速度-稳定性”、多特征提取、广义特征并行提取等问题；在性能退化轨迹建模方面，提出了一种退化数据特点包括瞬时可变性、个体到个体可变性、测试可变性等三源可变性的产品性能退化建模方法，提出了一种具有可变随机效应的退化模型建模方法，深化了随机系统性能退化轨迹建模方法研究；在剩余寿命估计方面，提出了一种具有运行状态切换系统的剩余贮存寿命预测算法，提出了一种在相似度框架内基于布朗运动的剩余寿命估计算法。研究成果可为导弹武器装备的预测维修、科学定寿及健康管理等提供科学的决策依据和技术支撑，具有重要的军事意义和效益，也可促进数据驱动的建模理论与技术的发展，项目研究具有重要的科学理论意义和广泛的应用推广价值。