基于多元时间序列分析的复杂系统复合故障诊断研究

Complex systems, with a continuous process and complex structural relationships profile, have time and associated characteristics. And factors that affect reliability of running process are hard to be detected and quantified, making their precise mathematical model are difficult to establish. Multiple fault diagnosis Is a key issue in both fault diagnosis and fault-tolerance control technology fields. Focusing on the growth demand in safety control and reliability of running state of complex systems, this project carry out data driven based fault diagnosis, aiming at researching time domain based correlation analysis of operating parameters of complex systems and applied multiple fault diagnosis. This project build operational states models based on multivariate time series formed by operating parameters. Then we filtrate by using the relationship between priori knowledge and key Feature of parameters with time series, Building the mapping visually from low-dimensional space with data sets to high-dimensional working space. Finally, key feature spread based relevance network are established by multivariate time series correlation analysis and fault propagation path. The key scientific problems of multiple fault diagnosis are studied by finding potential multiple failure modes in complex systems with established model based fault recognition and failure prediction strategy. The goal is to shake off the yoke of Physical Model, develop Methodology of data driven based system safety control theory.

复杂系统工艺连续、系统结构关系庞杂，存在极强的时态和关联复杂性，其运行过程中影响可靠性的因素不易检测鉴别和量化，使得系统中存在复合故障成为常态。作为故障诊断和容错控制技术中的重难点问题，本申请关注数据驱动的复合故障诊断方法。针对复杂系统运行状态的安全控制和可靠性增长需求，拟对复杂系统运行参数在时域上的关联关系以及在复合故障诊断中的应用展开研究。本申请拟使用系统过程运行参数形成的多元时间序列建立复杂系统的运行工况模型；根据先验知识对独立故障在时间序列上的特征关键点进行筛选，并形式化表示、实现高维工况时序数据在低维特征集上的映射；通过多元时间序列分析刻画故障行为传播轨迹，建立针对故障行为的关键特征传播关联网络；基于上述模型研究故障辨识分离策略，以发现复杂系统中可能存在的多个故障模式，实现复合故障诊断。研究希望从根本上脱离对物理模型的依靠约束，是对数据驱动的系统安全控制理论方法发展和更新。

复杂系统的建模问题和复合故障诊断问题一直是复杂系统及复杂网络理论与方法和容错控制与故障诊断中的重点难点研究方向。近年来，如何发现复杂系统运行参数在时域上的关联关系以及在复合故障诊断中进行应用，是提升数据驱动故障诊断技术有效性和适应性的重要内容。.按照国家自然科学基金计划书的要求，本课题主要开展了复杂系统运行工况的多元时间序列表示理论及建模、复杂系统异常工况模式发现及复合故障诊断方法、基于多元时间序列分析的复合故障诊断方法实验验证等方面的研究。.通过理论和实证研究，形成了复杂系统运行工况时间序列建立独立故障映射空间方法、独立故障的原始空间和映射空间的关键数据点筛选方法、故障特征时间序列降维方法、复合故障时序特征集构建方法、复合故障时序特征与系统运行工况之间的关联关系发现方法、故障实体之间关联的簇相似度度量模型、基于多元时间序列分类的液压系统多故障诊断方法、多元时间序列的关键特征表示方法、基于迭代学习的非线性重复系统传感器故障估计方法、大规模运行监测时序数据的压缩传输优化控制方法和快速随机分布存储方法等成果。.在本课题的支撑下，课题组以航天发射低温加注系统中的关键部件为对象，分析了运行工况时间序列与复杂系统实体物理连接之间的关联关系，实现了液氢加注系统故障诊断和实时报警，该方法体系已在文昌航天发射场进行应用；以液压系统、轴承、齿轮系统等动设备为对象，实现了旋转机械设备系统运行工况的多元时间序列建模，相关成果已在国家重点研发计划“仪器仪表智能运维及性能测试平台”中的课题“仪器仪表故障诊断与健康预测技术研究”和“仪器仪表智能运维平台开发与应用”中开始应用。.本课题解决了利用复杂系统运行监测数据的多元时间序列特征来辨识和分离复合故障模式的关键问题、以及如何对这些大规模数据的应用进行数据服务的关键问题。其中各项成果都是对现有相关技术的创新，具有良好的理论研究和实践应用前景。