基于混沌信号激励和非线性频谱分析的复杂系统故障诊断方法研究

基于混沌信号激励和非线性频谱分析的复杂系统故障诊断方法,是指以导弹弹载系统为研究对象,运用广义频谱响应函数（GFRF）或输出频率响应函数（OFRF）建立复杂系统的非线性模型,基于该模型,研究复杂系统在混沌信号激励下正常工作状态、临界故障状态和故障状态下混沌特征量与GFRF（OFRF）核函数的变化规律和对应关系,从理论和实验上探索混沌特征量与模型之间的互补关系,从而获取准确描述复杂系统故障现象的特征量,基于该特征量和实测的模型输出,运用粗糙集和支持向量机等方法建立判定系统工作状态的决策方法,构建一类复杂工程系统的快速测试与故障诊断方法。课题所研究的混沌特征量与GFRF（OFRF）核函数之间的互补关键具有重要的理论价值。构造的复杂系统建模、特征提取和故障快速识别方法将从根本上克服传统的基于经验或线性系统理论故障诊断方法的不足,对我国导弹武器的快速测试与故障诊断将会起到积极的推动作用。

导弹武器系统结构复杂、且具有长期贮存、一次使用的特点，为确保导弹武器处于良好状态并满足快速作战反应等条件，研究复杂系统状态辨识和故障诊断方法、形成导弹武器系统的快速测试方法是提高装备现代化水平的重要基础工作。项目以导弹武器系统快速测试系统涉及的关键理论问题为对象，研究基于混沌信号激励和非线性频谱分析的复杂系统故障诊断方法，为确定导弹武器系统的健康状况、实现导弹武器装备的快速测试提供科学的决策依据和技术支撑。研究内容包括基于Volterra级数的非线性系统快速建模与预测、复杂系统中的瞬态混沌状态辨识与建模、复杂系统最佳激励信号设计、总体最小二乘估计、次成分迭代分析、非线性时间序列模型预测建模及数据驱动的基于性能退化的非线性时间序列可靠性评估方法等，解决非平稳条件下复杂系统的故障预测和可靠性评估问题。在基于Volterra级数的非线性系统快速建模与预测、具有瞬态混沌的非平稳时间序列分析、复杂系统的最佳激励与状态辨识、基于核向量迭代的MCA、TLS算法研究，迭代学习算法的确定性离散时间系统分析等方面取得一系列重要理论创新成果：在非线性系统辨识与建模研究方面，提出了一种多音信号激励下的非线性系统的Volterra核非参数辨识算法，并将其推广至MIMO系统的广义频谱响应函数的辨识，提出了一种快速有效确定Volterra级数最高显著阶的方法，提出了一种基于非线性频谱和灵敏度分析的故障诊断方法；针对非平稳非线性时间序列，提出了一种状态空间重构方法，并对多尺度混沌特征量及其算法等进行了理论研究、综合分析和仿真实验，提出了一种识别瞬态混沌信号和非平稳信号方法；在复杂系统最佳激励的研究方面，采用混沌信号作为被测系统的激励信号，提出了自适应光滑局部投影降噪算法，研究故障特征提取及故障特征与被测电路参数之间联系等问题，定义了匹配混沌激励，提出了基于指向Lyapunov指数的最佳激励信号评估方法，算法的有效性在模拟电路的故障诊断方面得到验证。在可靠性评估与预测方法方面，提出了一种基于WSVR和FCM聚类的实时寿命预测方法，提出了一种基于遗传算法优化小波支持向量回归机的实时寿命预测方法。研究成果具有重要的意义和效益.