数据驱动的过程数据建模及在导弹控制故障诊断中的应用研究

The latent structure modeling methods such as PCA, PLS, etc., which have the following characteristic, e.g., lower dimension, simple structure, have become prevalent industry data modeling methods and have been applied to many process monitoring and fault diagnosis of complex process industry. However, when these process or systems have such characteristics as the dynamic, nonlinear and non-gauss noises, great difficulties are encountered and the performance are not well for traditional data based latent structure modeling methods. Therefore, on the context of the measure data modeling and fault diagnosis of missile control systems under complex environments, this project aims to extend traditional latent structure modeling method, and focuses on the research topics including the latent structure modeling on coditions of basic and non-gauss noises, the latent structure modeling on coditions of dynamic and nonlinear systems, and the total least square modeling on conditions of nonlinear systems and non-gauss noises, etc. The key scientific problems encountered in aforementioned researches will be emphatically resolved including the process data modeling problem under complex environments and the systems modeling problem when the noises exists both the input data and output data. Our project will try to obtain a batch of original research productions, which can be expected to bring breakthroughs in further enching and polishing the latent structure modeling, and to provide solid theoretic foundations and crucial technical preparations for the successful applications of the new research productions in many test data modeling and fault diagnosis problems of control systems of missile under various complex environments.

以PCA、PLS等为代表的潜结构建模方法因其具有降维、结构简单等特点，已经成为当今非常流行的工业过程数据建模方法，广泛应用于许多流程工业的过程监控和故障诊断。但是，当过程或系统数据存在动态、非线性、非高斯噪声等特性时，传统的数据驱动潜结构建模方法难以取得较好的效果。本项目以地地导弹控制系统复杂环境下的系统测试数据建模和故障诊断为背景，以拓展传统潜结构建模方法为目标，重点研究：基本潜结构建模和非高斯条件下潜结构建模、非线性条件和动态条件下潜结构建模、非线性和非高斯噪声条件下总体最小乘建模等方法。重点解决：复杂环境条件下的工业过程数据潜结构建模问题、复杂环境条件下的系统输入输出数据均含有噪声的系统建模等关键问题。力争取得一批原创性研究成果，以期在丰富和完善现有潜结构建模的工作中有所突破，并为新成果在导弹控制系统复杂环境下的测试建模与故障诊断问题得以成功应用，提供坚实的理论基础和关键技术储备。

项目以导弹控制系统复杂环境下的系统测试数据建模和故障诊断为背景，以拓展传统潜结构建模方法为目标，重点研究基本潜结构建模和非高斯条件下潜结构建模、非线性条件和动态条件下潜结构建模、非线性和非高斯噪声条件下总体最小乘建模等方法。项目以信号特征提取、数据驱动建模、在线监测以及故障诊断等算法为主线，开展了基于Hebbian规则的随机信号特征提取、特征提取算法性能分析、非高斯噪声条件下的总体最小乘建模、非线性条件和动态条件下的潜结构建模等算法研究，取得一系列突破性的理论创新成果。在单层面潜结构建模算法方面，提出了一系列自适应主成分分析拓展算法，在广义主/次成分分析、奇异主成分分析、并行多维次成分分析等算法构造，广义主成分分析算法的收敛性理论分析等方面取得重要突破，解决了困扰该领域多年的自适应特征算法的“速度-稳定性”、快速并行提取等难题。在总体最小二乘建模方面，提出了一种系统输入与输出数据均含有非高斯噪声的总体最小二乘方法，一种输入数据矩阵中部分列向量含有非高斯噪声以及部分列向量不含非高斯噪的混合总体最小二乘方法，推进了总体最小二乘算法研究。在多层面过程潜结构监测方面，提出了针对动态、时变、非线性等复杂过程下的多种快速高效的质量相关的过程监测方法，在时变系统递归建模、非线性过程建模、动态过程建模方面取得了重要突破，有效提高了关键性能指标的健康状态监测性能；在数据驱动的故障诊断方面，提出了基于主成分故障重构、基于改进并发偏最小二乘的贡献图、基于高效潜结构投影贡献图等故障诊断方法，实现了对关键性能指标的故障分离和定位。课题在算法研究方面取得了一批原创性研究成果，丰富了潜结构建模和故障诊断方法；研究成果可用于导弹武器系统测试数据的特征提取与在线过程监控及故障诊断，具有重大的军事应用价值；研究也促进了数据驱动的复杂系统过程控制、诊断和建模理论的发展，具有重要的科学理论意义和广泛的应用推广价值。