摘要 针对信息物理系统的多变量时序数据的异常检测是预防系统故障、保证安全生产的必要手段.由于系统变量间的强耦合性和传播效应,设计异常检测算法时应考虑系统变量间的耦合特性、传播有向性和因果时滞性,从系统结构变化的角度检测早期异常.本文提出一种端到端的启发式时空图神经网络(heuristic spatio-temporal graph neural network, HST-GNN)用于多变量时序数据的异常检测.首先,考虑变量间关系的有向性和集群性,设计一种有向相似性函数和基于启发式聚类算法的图结构学习算法,对多变量时序数据进行图建模以学习变量间的空间耦合关系;其次,使用门控卷积注意单元和多头图注意层作为时空图注意模块,从时空层面同时捕获系统的非线性因果时序和空间耦合深度特征;最后,量化系统的图结构特征,将其作为时空图网络提取的传感器深度特征的补充,输入自编码器中,从系统级别和传感器级别来检测异常.本文在4个公共数据集上验证了HST-GNN的性能.实验结果表明,稀疏有向的图结构有利于系统耦合特性的提取,从系统和传感器级别检测异常增加了模型对不显著的早期异常的敏感度.

摘要 基于过程中实时采集的多变量时序关联数据进行异常检测是预防工业过程事故、保障系统安全的关键环节之一.然而,工业多变量时间序列异常检测仍面临如下两大难题:(1)时序数据变量间复杂的非线性关联特性缺乏有效的表达方法;(2)正常/异常分布极度不均衡的时间序列间复杂的相关性有待深入挖掘.本文提出一种新的基于多变量时间序列的无监督异常检测方法 ——基于Transformer GAN的多变量时间序列异常检测方法 (TGAN-MTSAD). TGAN-MTSAD采用Transformer网络作为生成对抗网络的基本模型,引入了图注意力层以自动学习时序多元变量间的复杂依赖关系,还应用了patch技巧使模型能够有效捕捉时间窗口内的异常细节信息,并提出了基于重构误差与鉴别误差相结合的异常分数计算方法.采用3个真实世界的数据集对所提方法进行了大量的性能验证与对比实验分析.结果表明, TGAN-MTSAD可以有效检测过程中的时序异常,在大多数情况下优于基线方法,并且具有良好的可解释性,可用于复杂工业异常诊断.

摘要 针对高维不平衡数据的多工况故障诊断难题,提出一种非平衡数据条件下基于动态自适应迁移的宽度学习方法 (TL-BLS),并应用于污水处理过程的多工况故障诊断.首先,针对工业过程中不同工况下存在数据分布差异过大的问题,采用迁移学习流形变换方法拉近源域数据和目标域数据的距离;其次,针对后续自适应迁移中需要伪标签的条件,提出考虑数据不平衡的两阶段目标域伪标签预测方法,第一阶段使用基于类间关系的伪标签方法得到可靠度高的伪标签,第二阶段使用考虑子集差异的集成方法来获得可靠度更高且兼顾数据不平衡问题的伪标签;最终,建立带流形正则化项和具有动态平衡因子的自适应迁移与宽度学习方法,并在宽度学习系统和自适应迁移中引入权重矩阵来解决数据非平衡的问题,实现多工况过程下的故障诊断.污水处理过程数据实验及其比较分析表明所提方法具有更优的故障识别效果和更好的实用性.

摘要 基于深度迁移学习的工业监控方法在近年来获得了大量研究关注,特别是在以故障诊断、软测量等为代表的工业监控典型监督任务中.通过挖掘与迁移相似源域的知识来完成对目标域的建模,这类方法为实际工业场景中变工况等原因导致的跨域监控问题提供了新的思路.本文系统梳理了面向工业监控典型监督任务的深度迁移学习方法,并将其分为基于模型迁移、基于样例迁移与基于特征迁移的工业监控方法.在此基础上,对不同类方法的基本研究思想在故障诊断与软测量任务中的研究进展进行了详细阐述.随后,从实际工业场景的复杂欠数据问题、可迁移性的量化与负迁移问题、工业过程的动态特性问题等角度,指出了当前基于深度迁移学习的工业监控研究中存在的挑战,并对该领域的未来研究方向做出进一步展望.

摘要 针对工业生产关键设备故障数据稀疏的问题和故障诊断的需求,本文提出了一种基于知识图谱和多任务学习的工业生产关键设备故障诊断模型MKFD (multi-task learning for knowledge graphenhanced fault diagnosis),通过对故障根因的推断实现故障诊断.设计了多任务学习框架,并构造了一种改进十字绣单元用于实现框架内子任务之间的信息共享.利用运维数据构建故障现象–故障根因关联矩阵,使用多层感知机搭建知识图谱嵌入模型;分别将关联矩阵嵌入和知识图谱嵌入作为多任务学习框架中的两个子任务,通过子任务的交替学习,优化MKFD模型参数,实现对故障根因的推断,从而达到故障诊断的目的.最后,基于国内某工业企业的运维数据所构建的两个工业生产关键设备故障知识图谱对上述方案进行了验证实验,结果证明所提出的方法具有良好的性能.

摘要 旋转导向钻井系统是油气开发领域的高端装备,其核心部分——动态指向式旋转导向钻井工具的可靠运行是钻井系统正常工作的重要前提.本文基于模型的方法研究了导向钻井工具装备的微小故障检测,有望为系统的运行维护与健康管理提供重要保障.首先,基于机理建模方法得到了导向钻井工具装备的数学模型.然后,利用移动加权平均方法提高了残差对微小故障的敏感性.基于非中心χ~2分布的性质,实现了对微小故障在统计意义下的可检测性分析,得到了保证误报率与漏报率在允许范围内的窗口长度和权值.最后,在旋转导向钻井工具原理样机上进行实验,实验结果验证了所提方法的有效性.

摘要 风机状态预测是风电数字化和智能运维的关键环节.深度学习由于在挖掘复杂高维数据隐藏关系上具有强大潜力,逐渐被应用于风机状态预测中.然而深度学习在实际运行中也存在着推理性和解释性差等局限性,如何将领域知识与智能算法有效结合是智能运维的一个重要方向.本文以多元时间序列图神经网络通用框架(multivariate time series graph neural network, MT-GNN)为基础,提出了一个知识嵌入式图神经网络模型(knowledge-embedded graph neural network, K-GNN),对风机多元时间序列状态数据进行预测.在该模型中,本文将知识嵌入模块与图学习模块相结合,通过嵌入相关、因果、专家经验3种知识矩阵,更好地刻画出状态变量之间的关联关系.结果显示,在3种知识嵌入式K-GNN模型中,嵌入了专家经验矩阵的图神经网络模型在预测上的表现更为出色,说明领域知识能够有效提升图神经网络模型的泛化性能和可解释性.本文的研究成果对于风电预测性维护技术的研发和推广具有参考意义.

摘要 面向系统状态安全的分析与控制,是目前控制领域内的热点研究之一.针对一类具有可行状态集的动态系统,本文深入讨论障碍函数与状态安全判据之间的相关性,通过设计一种新颖的障碍函数,提出了基于障碍函数的状态安全判据,该状态安全判据可用于此类系统的安全分析、诊断与控制.受启发于倒数障碍函数与零障碍函数,本文设计了一类非正障碍函数,并在此基础上提出了面向可行状态集的动态系统状态安全判据,通过验证该可行状态集的前向不变性,从而保证系统的安全性;根据非正障碍函数,建立了控制障碍函数,以此设计面向动态控制系统的状态安全控制器,保障系统的运行安全.上述理论与方法在一类连续搅拌釜反应器的安全运行控制中得以应用,通过仿真验证,证明了理论与方法的有效性,实现了基于障碍函数的安全控制理论在过程控制中的首次尝试.

摘要 电力系统安全仿真是面向电力系统自身故障或外部攻击等安全威胁,通过仿真实验或借助数值计算研究系统行为的技术.随着自动控制、网络通信、人工智能等信息技术的广泛应用,电力系统已发展成为物理系统与信息系统深度耦合的信息物理融合系统.物理破坏或网络攻击产生的故障在电力系统中相互关联,可跨域传播,产生新的安全威胁形态.电力系统安全仿真正在面临新的挑战.本文回顾了历史上影响广泛的电力系统安全事件;从工程安全、网络安全、信息物理综合安全3个维度,分析电力系统安全仿真的需求和技术发展,对代表性的安全仿真平台进行分类和总结;探讨电力系统安全仿真技术面临的挑战和发展趋势.

摘要 高速列车牵引系统的微小渐变故障诊断是保障高速列车安全可靠运行的一项重要任务,传统的数据驱动方法通常难以在故障初期实现微小渐变故障的诊断.本文考虑到传感器时序信号的非平稳特性和微小渐变故障具有的慢时变特性,提出了一种基于改进长短期记忆网络(long short-term memory,LSTM)的微小渐变故障无监督诊断方法.首先,我们提出了一种基于LSTM的改进网络结构,并结合门控循环单元(gated recurrent unit, GRU)解码器,构造了一种对非平稳特性具有鲁棒性的自编码器模型以提取故障特征.进而,采用t-SNE (t-distributed stochastic neighbour embedding)对提取的故障特征向量进行降维,使用DBSCAN (density-based spatial clustering of applications with noise)进行故障聚类与识别,实现了对微小渐变故障的无监督诊断.最后,我们基于CRH_2牵引系统的半物理仿真平台数据对上述方案进行了验证.实验结果表明,该无监督诊断方法对同时包含已知和未知故障的情况能够达到95%以上的诊断准确率.

摘要 本文针对挠性航天器执行器故障问题,提出了一种基于最小特征值的自适应故障补偿方法.首先,针对由故障和挠性模态引起的系统不确定性进行参数化;其次,为了解决由故障引起的控制增益矩阵的不确定性,构造了新的控制增益矩阵,并利用该矩阵的最小特征值设计标称控制信号;而后,设计自适应律对标称控制信号中的不确定参数进行估计,构成自适应控制信号,保证了系统稳定性和渐近跟踪性能;最后,仿真结果验证了本文提出的自适应控制方法的有效性.

摘要 航天继电器作为液体运载火箭等大型结构件复杂电子系统中的关键部件之一,其工作状态直接决定整个系统能否正常工作.本文针对航天继电器使用过程中所面临的高价值样本缺乏、系统复杂、复杂环境干扰等难题,基于考虑属性可靠度的置信规则库(belief rule base with attribute reliability,BRB-r)专家系统提出了一种新的考虑环境干扰的航天继电器故障诊断与容错控制框架.在所提出的新框架中,对航天继电器输出监测指标进行分析,基于BRB-r建立航天继电器故障诊断模型,通过其工作状态评估结果,分为功能正常、功能缺陷和功能丧失3种;然后,针对3种状态分别设计3种控制策略:保持原控制输入、重构控制率和切换备份继电器.本文所提方法通过实验室所搭建的JRC-7M航天继电器测试系统进行了实验验证.

摘要 针对遭受稀疏恶意攻击的离散时间线性系统,本文研究其安全控制问题.假设恶意攻击者受有限资源的约束,仅能操控远程控制器和执行器之间的若干通信通道.对于设计者来说,并不知道哪些通道受到攻击,哪些通道没有受到攻击.本文提出了一种新的安全的远程控制方法,它由控制律、切换函数和选择机制构成.选择机制为控制律提供合适的反馈增益,并产生一个切换函数,用以阻止攻击信号进入被控对象.理论分析表明,在基本的和必要的假设条件下,本文考虑的安全控制问题可转化为求解状态反馈镇定问题.本文所提控制方法,能保证闭环系统的稳定性且使其具有"PID"型性能的抗攻击能力.最后,通过对某无人地面车辆系统的仿真实验,验证了理论结果的正确性.