面向複雜系統耦合性信息的局部反向建模診斷方法研究

《面向複雜系統耦合性信息的局部反向建模診斷方法研究》是依託西安交通大學，由劉彈擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：面向複雜系統耦合性信息的局部反向建模診斷方法研究
• 項目類別：青年科學基金項目
• 項目負責人：劉彈
• 依託單位：西安交通大學

項目摘要

複雜機電系統參數耦合性普遍存在，且耦合故障所占比重逐年增加，迫切需要研究針對複雜機電系統耦合故障的監測診斷方法。本項目通過研究數據間關聯關係的數學表示方法，並建立其與故障的映射模型，利用關聯關係的變化跟蹤系統狀態變遷。主要內容包括：構造非線性基函式模板庫，以典型相關分析為基本工具，提取監測數據序列各種局部非線性關係模型，建立模型與故障的映射；設計高效索引結構，通過快速的模型匹配，實現故障診斷；基於非線性關係模型匹配結果，構造參數間的可達矩陣，標識參數的傳遞路徑，從而識別源發性故障；引入時間窗，建立時變非線性關係模型，並提取綜合性指標，以捕捉系統狀態變化；以一類支持向量機為工具，建立綜合性指標的自適應報警線，實現系統狀態的自動監測；通過仿真數據和試驗數據進行技術驗證。本項目以數據為基礎，利用數據的局部關聯關係反向建立系統的狀態模型，有望提高建模的精度和效率，為複雜系統的故障診斷提供了新思路。

結題摘要

複雜機電系統參數耦合性普遍存在，且耦合故障所占比重逐年增加，迫切需要研究針對複雜機電系統耦合故障的監測診斷方法。本項目通過研究數據間關聯關係的數學表示方法，並建立其與故障的映射模型，利用關聯關係的變化跟蹤系統狀態變遷。主要內容包括：研究了基於典型相關分析的複雜系統故障關聯影響模式提取及故障辨識技術。利用典型相關分析，提取複雜系統的故障關聯影響模式，進而抽取故障關聯表現模板，通過模式比對實現對複雜系統故障的辨識；研究了基於廣義典型相關分析的複雜系統故障非線性關聯影響模式提取技術，提出了通過廣義映射提取非線性關聯關係的技術；研究了基於窗典型相關分析的複雜系統線上監測技術。通過改進典型相關分析，引入時間窗，實現時變相關關係的監測，滿足了系統狀態實時監測需求；研究了基於統計量的非線性關聯關係辨識技術。採用了核偏最小二乘方法建立系統的數據模型，利用SPE統計量監測模型在殘差空間的變化，並通過T2統計量監測模型在主元向量空間的波動，建立了數據關聯關係與系統狀態的映射，間接實現了數據非線性關聯關係的辨識；研究了基於貢獻率的故障源定位技術。通過改進的貢獻率計算方法，量化了變數對數據模型變化的影響程度，實現了耦合性故障源的快速定位，並利用仿真實例驗證了該方法的可行性；以隱馬爾科夫模型觀測矩陣為研究對象，提出了用觀測矩陣間的相似度來表征數據間親疏程度的方法，以全自動活塞生產線精加工工具機的刀具為監測對象，以工具機主軸電流數據為數據對象，驗證了方法在複雜套用背景條件下有效性；提出了以矩陣相似度係數大小作為故障多類分類依據的方法，避免了傳統依據概念作為分類依據方法存在的不對稱性問題，使DHMM更好地在小數據樣本背景得到套用。通過本項目的研究發表9篇學術論文，其中SCI檢索3篇，申請發專明專利1項，培養博士研究生3名，碩士研究生3人。