存在环境影响下动态系统在线故障预测与最优维护研究

以导航系统中对安全性和期望性能具有较高要求的惯性器件为背景，研究动态系统的故障预测和最优维护问题。由于实际工程系统的复杂性，往往无法得到其解析模型，且系统中一些故障不能被直接观测，即故障是隐含的。另外，故障过程还会受到外界环境因素的影响。已有的基于滤波器和基于定性知识的方法无法很好地解决这类系统的故障预测和最优维护问题。本项目旨在解决上述难题，在理论上：(1) 提出新的基于隐含马尔可夫链和置信规则库的模型，用于存在环境影响下隐含故障过程的建模；(2) 结合马尔可夫链的性质，给出隐含故障在线预测方法；(3) 基于隐含故障预测结果，建立存在安全性和期望性能要求的维护模型，从而确定维护的最佳时机。在工程上：(1) 利用在实验室获取的陀螺仪漂移数据对故障预测和最优维护算法进行验证；(2) 结合部队在操作过程中得到的漂移数据，对故障预测和最优维护模型进行修正，为武器装备的延寿和最优维护提供决策依据。

以导航系统中对安全性和期望性能具有较高要求的惯性器件为背景，研究动态系统的故障预测和最优维护问题。由于实际工程系统的复杂性，往往无法得到其解析模型，且系统中一些故障不能被直接观测，即故障是隐含的。另外，故障过程还会受到外界环境因素的影响。已有的基于滤波器和基于定性知识的方法无法很好地解决这类系统的故障预测和最优维护问题。本项目旨在解决上述难题，在置信规则库（BRB）基本理论研究方面：(1)系统地提出了基于证据推理的BRB参数迭代估计算法，从而实现了BRB参数的在线更新，能够满足工程实际中的实时性要求；(2)基于AIC准则，提出了一种BRB前提属性选择准则，并提出了BRB前提属性确定方法，使用该方法所构造的BRB能够自动保留重要的前提属性，删除不重要的前提属性，从而在保证建模精度的基础上，使所构造的BRB具有紧凑的结构。这两项研究成果进一步完善了BRB基本理论，为后续BRB的构造和参数更新奠定基础。在故障预测和最优维护研究方面：(1)基于BRB前提属性在线确定方法，提出了新的基于隐含马尔可夫链和BRB的模型，用于存在环境影响下隐含故障过程的建模；(2)结合马尔可夫链的性质和BRB参数在线更新算法，给出隐含故障在线预测方法；(3)基于隐含故障预测结果，建立了存在安全性和期望性能要求的维护模型，从而为确定动态系统的最佳时机奠定基础。在工程应用研究方面：(1)利用在实验室获取的陀螺仪漂移数据对故障预测和最优维护算法进行验证；(2)结合部队在操作过程中得到的漂移数据，对故障预测和最优维护模型进行修正，为武器装备的延寿和最优维护提供决策依据。以这些研究成果为重要支撑，申请人所完成的博士论文于2012年获全国百优提名奖，2011年获军队优秀博士论文；出版专著1部；发表学术论文26篇，其中第一作者和通信作者被SCI检索论文6篇，包括IEEE Trans. Cybernetics和IEEE TSMC(Part A)长文各1篇；申请国家发明专利3项。鉴于在青年基金研究过程中所取得的突出成绩，申请人于2013年获得了第二届国家自然科学基金青年连续面上项目的资助，为后续研究的顺利开展奠定基础。