非預期故障的數(shù)據驅動診斷方法研究.pdf

1、非預期故障診斷在狀態(tài)監(jiān)控/健康管理中發(fā)揮著重要作用，在大數(shù)據的背景下，數(shù)據驅動方法成為了研究熱點。本文以衛(wèi)星姿態(tài)控制系統(tǒng)、田納西-伊斯曼過程等為研究對象，沿著“從框架到方法、從平穩(wěn)到非平穩(wěn)、從多批次到單批次、從全數(shù)據到半數(shù)據、從靜態(tài)到動態(tài)、從理論到應用”的思路開展了非預期故障的數(shù)據驅動診斷方法研究。研究要點如下：
　　(1)針對非預期故障，建立了非預期故障診斷的通用過程模型。作為全文的技術路線，該模型規(guī)范了非預期故障診斷的過程，確

2、立了數(shù)據驅動實現(xiàn)原理。針對平穩(wěn)數(shù)據，介紹并分析了基于單類多元統(tǒng)計分析方法的局限性和應對思路。
　　(2)針對多批次條件下的非平穩(wěn)數(shù)據，構造了基于平滑預處理的檢測統(tǒng)計量；評估了預處理對檢測性能的影響；提出了基于特征方向的預期故障隔離規(guī)則和非預期故障檢測規(guī)則；構造了一個新的貢獻率指標。研究表明，平滑預處理增強了計算的魯棒性，降低了數(shù)據的相關性；特征方向防止了由故障幅值不同引起的誤判問題；新的貢獻率指標防止了“負貢獻”和“故障掩飾”問題

3、。
　　(3)針對單批次條件下的非平穩(wěn)數(shù)據，給出了基于時序建模的改進檢測統(tǒng)計量，評估了該統(tǒng)計量的檢測性能；給出并證明了校正方差逆矩陣的更新公式，依此提出了改進檢測統(tǒng)計量的增量/減量算法。研究表明，改進檢測統(tǒng)計量增強了計算的魯棒性和檢測統(tǒng)計量的適應性；增量/減量算法降低了計算復雜度。
　　(4)針對靜態(tài)結構，建立了潛變量提取、回歸和檢測的統(tǒng)一權框架，在該框架下，解釋了各種潛變量回歸方法；給出并證明了關于潛變量回歸和檢測的三個定

4、理，即參數(shù)定理、校正定理和檢測定理。研究表明，三個定理成功地刻畫了不同方法的轉化條件、校正精度和檢測性能，為方法的選擇提供了理論依據。
　　(5)針對動態(tài)結構，給出了穩(wěn)定核表示的辨識算法；定義了動態(tài)模型的特征方向，依此給出了基于特征方向的預期故障隔離規(guī)則和非預期故障檢測規(guī)則；提出了高維故障信息的最優(yōu)可視化算法。研究表明，特征方向可以用于動態(tài)模型的非預期故障檢測；最優(yōu)可視化算法可以為非預期故障隔離提供豐富的空間信息。
　　(6