多特征数据支持下的分布式复杂机电系统健康状态预测与评估方法研究

以流程工业为典型代表的分布式复杂机电系统为背景，以企业现有多特征和海量数据为基础，利用复杂系统理论、统计学习理论和数据挖掘方法，针对分布式复杂机电系统设备间高度耦合、高度关联的特征，从系统设备群的角度，结合生产系统的DCS监控、设备寿命管理、监测诊断等多特征数据，研究分布式复杂机电系统动态演化规律、动力学特征与系统故障扩散机制，建立以多特征数据为基础的分布式复杂机电系统健康状态预测与评估方法，为系统安全运行与科学维护奠定理论与方法基础。

1．指标完成情况：课题组已在重要的国际学术会议和国内外核心学术期刊发表11篇论文，其中SCI 3 篇，EI 8篇；获得国家发明专利授权2项，软件著作权3项；参加学术会议4次。百度学术显示发表论文共被引用4次，其中基于彩色图谱系统状态分析方法，被引用和应用到航空发动机的健康状态分析上。共培养博士生5名，硕士生4名。其中毕业博士3名，硕士4名；在读博士生3名。课题已经完成了预期的研究目标，部分指标有突破，特色明显。.2.研究特色：坚持问题导向，坚持理论研究与生产实际紧密结合。课题组长期扎根陕西渭河煤化工集团，从实际需求出发凝练与修正研究内容与目标，并将理论研究成果应用于企业实际中予以验证，实现了理论创新与企业应用的双丰收。.3.理论创新：1）提出了分布式复杂机电系统运行状态特征谱和系统彩色图谱的概念，利用多变量相空间重构技术，从多维空间上揭示了复杂系统状态变化规律；2）提出了以序列模式挖掘和离群数据挖掘相集成的系统潜在异常模式发现技术和基于因果序分析和传递熵计算的系统状态关联影响模式分析方法，提出了基于系统故障图谱的系统异常模式匹配和健康等级评定方法；3）从系统层面建立了一套基于多特征数据的分布式复杂机电系统状态分析、预测与异常模式发掘的理论体系，开发了基于云服务的系统健康状态分析算法库。.4.企业实践与成果应用：在理论研究的基础上，开发了一套大数据驱动的《复杂机电系统健康状态评估预测系统与平台》。建立了集成企业经营、生产和设备安全运行保障等多维数据的云服务平台，提供了30多种数据分析工具，实现了企业多工位、多状态的动态看板显示与综合分析。在陕西渭河煤化工集团成功应用的基础上，在榆林炼油厂得到了推广应用，取得了明显的经济效益。同时还推动了交叉研究，如：课题组成员和西安交通大学第二附属医院联合开展了“基于多态数据分析的高血压病趋势预测研究”，并获西安交通大学交叉学科研究基金的支持。.5.建议:通过调研和研究我们认为，以DCS为核心的监控系统广泛应用于复杂工业系统如：能源电力、化工、钢铁、航空航天等领域。如何有效的利用庞杂的DCS数据，实现对复杂工业系统的安全管控仍有许多关键问题没有解决。还需要进一步深入开展以DCS数据为基础的复杂工业系统健康状态分析、服役寿命质量控制等问题的研究，研究开发系列分析方法与工具平台。建议将该项研究列入国家自然科学基金的重点项目进行进一步支持。