基于失效传播感知的复杂系统运行可靠性监控研究

The failure propagation is an important factor affecting the operation reliability of complex system. If the failure source, process and pattern can be accurately predicted and described by limited condition monitoring information, the operation risk can be controlled. The failure propagation perception has been introduced to study the key and difficult problem of operation reliability on complex system. The interaction mechanism among failure propagation, fault diagnosis, condition monitoring , operation reliability monitoring and controlling is analyzed. The reliability monitoring and controlling system based on failure propagation perception is built. The information of the potential variables is extracted, which improve the data utilization effectiveness and efficiency. Considering multiple failure sources and failure propagation paths in complex system operation process, the analysis and prediction method of failure propagation path is proposed. There are multiple failure mode coexist caused by multiple failure propagation in complex system operation process. The multi-model integration method for operation reliability monitoring and controlling is proposed, which improves the systematic and accuracy. The methods in the project are demonstrated effectiveness by aircraft engines and weapon systems. The project has the important meaning for enriching reliability engineering theory and methods, promoting development of reliability monitoring and controlling.

失效传播是影响复杂系统运行可靠性的重要因素，通过利用有限的监测信息，对失效传播的来源、过程和方式准确预测和精确把握，可有效控制运行风险。本项目以失效传播感知为契入点，研究复杂系统运行可靠性监控中的关键和难点问题。通过分析失效传播与故障诊断、状态监测和运行可靠性监控间的相互作用机制，构建基于失效传播感知的运行可靠性监控体系；对失效传播中的潜在变量信息进行深入挖掘，提高失效传播数据的利用率及利用效果，为失效传播感知提供数据支撑；针对复杂系统运行过程存在的多失效源、多传播路径问题，研究失效传播路径的分析与预测方法；针对因失效传播导致的复杂系统运行过程多失效模式并存的特点，提出多模型集成的复杂系统运行可靠性监控方法，提高复杂系统运行可靠性监控的系统性和准确度；通过在航空发动机系统和新型武器装备系统中的应用，验证其有效性。本项目对于丰富可靠性工程理论和方法，推动可靠性监控技术的发挥具有重要意义。

失效传播增加了故障隔离、识别和分析的难度，导致难以发现系统的潜在故障隐患，直接影响复杂系统的运行可靠性。本项目深入分析失效传播的来源、传播路径及影响可靠性的作用机制，研究复杂系统失效机理，采用深度学习及生成对抗网络等前沿的人工智能技术处理数据及建立模型，提高复杂系统运行可靠性监控准确率。建立了考虑失效传播的可靠性监控的框架体系，描述状态监测信息利用、失效传播分析，故障分析与可靠性监控关键节点。研究支撑失效传播感知的数据分析与处理方法，针对失效传播情况下，数据需求量大，且运行过程中采集的信息具有噪音，随机性强的特点，分别采用盲信号处理、小波—奇异值分解和云理论方法提取失效传播中的潜在状态信息；采用生成对抗式网络扩大数据量，为进一步实现深度学习奠定基础；采用降噪自编码器处理状态信息，挖掘可靠性数据。研究复杂系统失效传播路径分析与预测方法，采用改进的降噪自编码进行故障分析，采用深度信念网络结合结构贝叶斯方程进行失效传播和故障预测；考虑到失效传播的相关性，采用Copula函数描述失效变量之间的相关性；分析了由于失效传播导致的变点问题，构建了基于变点的可靠性分析模型。研究了基于多模型集成的复杂系统运行可靠性监控方法，从数据分析角度，采用深度学习集成网络进行复杂系统可靠性监控；进一步采用时间序列预测分析失效传播，进行可靠性预测与变化的感知，实现对维修决策的支持；从失效传播机理角度，建立了基于失效传播的多元退化失效可靠性监控模型，采用贝叶斯平均方法实现综合描述多种失效对可靠性的影响。依托本项目授权发明专利1项，发表学术期刊论文10篇，已录用论文3篇。本项目通过在航空发动机系统的应用，验证其有效性，并将部分研究成果应用到航空公司发动机健康管理中。本项目对于丰富和发展可靠性理论，推动可靠性监控技术的发展具有重要意义。