本发明涉及对工程系统的健康分析领域，具体涉及一种基于临界相变理论的工程系统健康分析系统和方法。
背景技术：
目前，工程系统健康分析研究主要分为三个方面：故障诊断、故障预测和健康管理。在故障诊断方面，现有研究使用基于模型的智能决策方法对机电系统进行故障诊断，同时也有研究使用案例推理(case-basedreasoning，简称cbr)智能方法，如在航空系统中尝试通过基于案例推理的方案和遗传算法对波音747-700进行故障诊断；在故障预测方面，有研究使用模糊神经技术对系统的故障进行预测分析，也有部分研究基于神经网络来预测系统故障和评估设备剩余寿命，目前水利发电系统有在神经网络预测故障方面做出一些尝试，悬挂机械系统通过使用基于模型的决策手段分析和评估系统部件的剩余使用寿命，也有研究专注于使用统计数据驱动的方法评估部件的使用寿命；在健康管理方面，有研究使用机器学习和知识发现方法对工程系统进行健康管理,飞机控制系统通过使用基于模型的决策方法尝试对系统进行健康管理。
然而，上述研究方法对工程系统的故障诊断和预测大多局限于单个部件或单个变量的状态检测和故障诊断，由于工程系统中部件和状态数量众多，各部件之间关联越来越复杂，部件层面的故障诊断不便于全面反映系统级状态变迁。而且健康分析系统对机理知识依赖度较大，且难以用于实时预测。目前有少量研究在系统级健康管理方面做出尝试，如一些研究者利用贝叶斯网络设计预警系统安全状态的集成方法，该研究以燃气系统为应用，不仅对部件的安全性做分析，还对系统级的隐患做出预测,取得一定成果，但是针对系统级状态变迁和健康管理的研究相对较少，仍处于不成熟阶段。
复杂系统理论是一种近年来新兴的进行系统级特性分析的理论依据,mscheffer在《nature》上提出在复杂系统中预测系统临界相变点的理论，引起了各界关注，目前复杂系统理论已被应用于经济学、生态学、金融学、医学、统计物理学各个学科来进行系统级的研究。复杂系统是具有中等数目基于局部信息做出行动的智能性、自适应性主体的系统。在复杂系统中通常存在系统临界相变点，使得系统在这一时间点从一个状态突然转变为另一个状态。在医学方面存在自发性系统故障，如癫痫或哮喘发作；在金融方面存在系统崩盘现象；在气候方面，有气候突变现象发生。当系统临近临界相变点时，系统便处于不稳定状态。发布于《nature》上的研究表明，在复杂系统临近临界相变点时，系统通常会具备一些普遍的特性：第一，当复杂系统接近系统临界相变点时，系统在受到干扰之后恢复到正常状态的速度会减慢，即临界慢化现象(criticalslowingdown)；第二，在时间序列上系统的前后状态变得越来越相似；第三，系统在临近系统临界点时，系统的自相关性会逐渐增强。上述复杂系统理论已经在多个领域得到应用，以寻找系统的临界相变点。如在气象学方面，通过分析气候系统的自相关性增强反映系统临界慢化现象，以判断系统是否接近于临界相变点，从而预判气候发生急剧变化。在生态学方面，通过监测湖泊系统的状态方差是否增加来预测湖泊富营养化这一临界相变点。在社会学方面，通过分析系统出现临界慢化现象来预测人口崩溃这一系统突变状态。
但是，目前尚没有研究人员想到将临界相变应用于工程系统中，这是因为临界相变理论主要运用于生态、环境、社会、金融等具备复杂系统动力学特性的系统中，这些中都具有较大的随机性，并且其动力学方程很难用动力学方程来解析描述，而工程系统因为是人为设计的，其系统动力学往往被认为可以通过精确的系统动力学方程来描述，因此，鉴于工程系统与以上系统在形式上的巨大差别造成相关领域科研人员未曾想到将临界相变理论运用于工程系统健康分析研究中。
技术实现要素：
针对工程系统健康分析中无法全面反映系统级状态的变迁，以及健康分析系统对机理知识依赖度较大、难以实时预测的问题，本发明利用工程系统的系统级随机动力学特性，基于临界相变理论，通过对工程系统预警信号指标分析，实现对系统级健康分析理论的支撑。
本发明的申请人发现，虽然工程系统与生态、环境、社会、金融等系统在形式上具有巨大差别，但是临界相变理论运用于工程系统仍有较大的适用性，且能较好的进行工程系统健康分析。
具体而言，本发明提供一种基于临界相变理论的工程系统健康分析系统，其特征在于，所述系统包括如下单元：
信号采集单元，所述信号采集单元用于采集所述工程系统中与所述工程系统工作状态相关的具有时序性的信号；
信号分析单元，所述信号分析单元用于对所采集的信号进行预处理并基于预处理后的信号进行临界相变分析。
在一种优选实现方式中，所述信号分析单元还包括：交互展示单元，所述交互展示单元用于输出或展示所述临界相变分析的结果。
在另一种优选实现方式中，所述信号分析单元用于基于预处理后的信号进行与所述工程系统失效相关的随机波动信号的提纯。
在另一种优选实现方式中，对所采集的信号进行预处理包括对所采集的信号进行重采样。
在另一种优选实现方式中，所述随机波动信号提纯过程包括：去除系统失效不敏感状态和系统工作状态下的趋势信号，仅提取系统失效相关的随机波动信号。
另一方面，本发明提供一种基于临界相变理论的工程系统健康分析方法，其特征在于，所述方法包括如下步骤：
1)采集所述工程系统中具有时序性的信号，
2)对所采集的信号进行预处理，
3)基于预处理后的信号进行临界相变分析。
在另一种优选实现方式中，所述方法还包括：输出或展示临界相变分析的结果。
在一种优选实现方式中，所述方法还包括：基于预处理后的信号进行与所述工程系统失效相关的随机波动信号的提纯。
在另一种优选实现方式中，对所采集的信号进行预处理包括对所采集的信号进行重采样。
在另一种优选实现方式中，所述随机波动信号提纯过程包括：去除系统失效不敏感状态和系统工作状态下的趋势信号，仅提取系统失效相关的随机波动信号。本发明中所提到的信号采集单元可运用所有能够采集时序性信号的方法或装置进行信号采集，包括但不限于人工测量或加装传感装置辅助测量等。需要说明的是，本发明中所提到的时序性信号指的是：按照时间序列采集的传感器信号。任何具有时序性特点的信号，随时间具有变化性的信号都包含在本发明的范围内，比如：轴承转动过程中所采集的振动信号、列车的运行过程中的轴温传感信号。
需要说明的是，本发明中，去除失效不敏感状态是指基于系统特点分析相关信号将对系统失效影响较小的信号剔除。系统工作状态下的趋势信号可以通过趋势学习方法求取并去除系统整体状态趋势。所述趋势学习方法可选用但不限于高斯拟合方式，具体可基于系统特点选择拟合学习方法。本发明中，所述临界相变预警信号分析：是指选用合适的指标指示临界相变现象。主要表征包括但不限于临界慢化(criticalslowingdown)和对称偏移(deviatingskewness)。其中临界慢化现象主要包括自相关(autocorrelation)和变异(variance)指标信号增强。
本发明的有益效果是：
(1)本发明跳出目前对工程系统所采用的健康分析的传统方式，着眼于复杂机电系统的随机动力学特性，以新的系统级研究视角进行健康分析研究。是一种针对工程系统的通用系统和方法。
(2)本发明将原本人们认为并不适用于工程系统的临界相变理论应用于工程系统健康分析。将临界相变理论应用于工程系统上，为工程系统健康分析提供了新的切入点；意外收到了良好的分析效果。本发明能够全面反映系统级状态的变迁，实现实时预测，且具有较好的适用性。
附图说明
图1为本发明的工程系统健康分析系统的示意性架构图；
图2为本发明的工程系统健康分析方法的实施流程图；
图3为工程系统中所用到的绝缘栅双极晶体管的集电极信号图；
图4为本发明中随机波动信号提纯过程示意图，其中a、b、c分别代表去除系统失效不敏感状态的过程，去除趋势信号的过程以及最终得到的系统失效相关的随机波动信号；
图5是工程系统中的绝缘栅双极晶体管临界相变预警信号指标；
图6为工程系统中的轴承的振动信号；
图7为本发明中临界相变预警信号指标示例；
图8为本发明实施例3中的分析方法的示意性流程图。
具体实施方式
本实施例中基于临界相变理论工程系统健康分析系统包括如下单元：信号采集单元、信号分析单元、交互展示单元。
其中信号采集单元主要是运用所有能够采集时序信号的方法，如人工测量、加装传感装置辅助测量等，从工程系统中获取任何具有时序性的信号。信号分析单元主要完成数据的预处理与临界相变分析工作。交互展示单元主要对临界相变信号分析结果进行展示。
实施例1
本实施例中基于临界相变理论工程系统健康分析方法包括如下步骤：
1)工程系统信号采集
本发明的健康分析主要是基于物理信号的健康分析，尤其是基于传感器测得的物理信号进行的分析的。在工程系统中，比如，为了测量航空发动机的转速或压力；驱动电机的电流或电压，会用到绝缘栅双极晶体管。
这里，仅以绝缘栅双极晶体管进行信号处理过程的详细说明。获取绝缘栅双极晶体管(insulatedgatebipolartranslator)的集电极电流(collectorcurrent)信号，获取的信号如附图3所示。通过分析该晶体管的信号可以分析该晶体管所在的工程系统的健康状态。
2)信号预处理，
该步骤主要分两部分，第一部分是通过处理获取时序数据，第二部分是随机波动信号提纯。
传感器数据因为受到多种环境因素的影响，常常会存在不一致，缺失和重复的数据。为了获取等时间间距的时序数据，我们首先去除重复和不一致的数据，在此基础上对缺失数据进行插值，最后对已插值的数据进行重采样作为随机波动信号提取过程的输入。
假设我们有时序信号{x1,x2,x3,…,xn}，分别对应时刻{t1,t2,t3,…,tn}的观测值。时序信号中存在的任意缺失值表示为(tk,xk)。我们可以使用线性插值(1)计算缺失值。也可以使用p次多项式对已知的时序信号进行回归得到(2)，则缺失值xk＝f(tk)。我们还可以使用p次样条插值，首先需要将时序信号分割成不相交的分段，s1,s2,s3,…sm,对于每个分段使用p次多项式进行回归学习得到(3)，那么缺失值xk＝g(tk).
(ta,xa),(tb,xb)为缺失点(tk,xk)前后的两个相邻的观察点。
不同信号对系统失效敏感性不同，有些信号甚至无法感知系统失效，因此为了提升临界相变预警信号的强度，本实例基于系统的先验知识、专家知识和相关性分析等方式对获取的信号进行系统失效相关的随机波动信号提纯。基于时序数据的可分解性，我们利用有效的方法对信号进行分解并提取出与系统稳定性高度相关的随机波动信号。
随机波动信号提纯主要包括去除系统失效不敏感状态和系统工作状态下的趋势信号，从而提取到系统失效相关的随机波动信号作为分析内容。
其中去除失效不敏感状态主要是基于系统特点分析相关信号将对系统失效影响较小的信号剔除。以绝缘栅双极晶体管的信号为例，如附图4a所示即为从图3中所示信号中截取的一个片段，我们利用可视化分析结合系统相关的先验知识确定工作状态数(如图3,4a，信号工作于两个工作态，高工作态和低工作态)，并鉴别出对系统失效敏感的工作态(如图4a，4b，信号的低工作态为敏感态)因此，信号分析单元的预处理模块可以对处于高工作态的信号进行去除，留下失效敏感的低工作态信号即为图b中所示信号。
对敏感信号还需去除系统工作状态下的趋势信号，即剔除符合某一给定规律的子信号以获得残差，此处的残差也就是反映了系统稳定性的随机波动信号。对于规律子信号的提取，我们可以使用通用的方法，比如多项式回归(公式2)，高斯核回归(公式4)，自回归(公式5)等方法来拟合时序信号而得。另外，我们还可以使用系统相关的方法，本实例中基于专家知识得到规律子信号满足方程(6)，基于此我们可以使用(6)提取出规律子信号(如图4b实线)并将其从原信号中剔除以获得残差(如图4c)。图4c所示信号即为提纯后最终的随机波动信号并将作为预警指标计算的基础。
k是带宽(bandwith)为h的核函数,x为输入，y为输出
yt＝ar(p)＝α0+α1yt-1+α2yt-2+…+αt-pyt-p(5)
yt＝exp(α1t+α0)(6)
3)临界相变预警信号指标分析，
该步骤通过信号分析单元实现。在该步骤中，选用合适的指标指示临界相变现象。可选用的表征包括但不限于临界慢化(criticalslowingdown)和对称偏移(deviatingskewness)。其中临界慢化现象主要包括自相关(autocorrelation)和变异(variance)指标信号增强。图5给出了本示例中临界相变预警信号指标。
我们使用xt,t＝1,2,…,n表示t时刻的信号值。根据(7)式可计算时序信号的均值，(8)式计算方差(variance)，(9)式计算滞后1个时间点的自相关(lag-1autocorrelation)，(10)式计算偏斜量(skewness)。需要注意的是，此处的指标均基于滑动窗口的形式计算。
基于公式(7)-(10)可以进行临界相变指标分析，进而发现临界慢化等现象。
对于图5中所示的绝缘栅双极晶体管信号的临界相变预警信号指标分析可知，当变异(variance)指标和自相关(autocorrelation)指标突然变大，即出现临界慢化现象；当同时出现临界慢化(criticalslowingdown)现象和对称偏移(deviatingskewness)现象时，即说明出现临界相变，系统会给出警示。
4)信号分析展示
该步骤由信号分析展示单元实现，该步骤中，主要是根据工程系统临界相变信号分析结果，为工程系统的健康分析预测以及预警提供警示。
实施例2
本实施例中基于临界相变理论工程系统健康分析方法包括如下步骤：
1)工程系统信号采集
本实例运用所有能够采集时序信号的方法，包括但不限于人工测量或加装传感装置辅助测量，获取工程系统中轴承(bearing)的振动信号(vibrationsignal)，获取的信号如附图6所示。
2)信号预处理，
由于本实例中获取的信号过于密集，因此在该步骤中对本实例中获取的信号进行重采样。
3)临界相变预警信号指标分析，
在该步骤中，选用合适的指标指示临界相变现象。可选用的表征包括但不限于临界慢化(criticalslowingdown)和对称偏移(deviatingskewness)。其中临界慢化现象主要包括自相关(autocorrelation)和变异(variance)指标信号增强。
图7给出了本示例中临界相变预警信号指标。
本实施例中，根据图7中所示的轴承信号的临界相变预警信号指标分析可知，当变异(variance)指标和自相关(autocorrelation)指标突然变大，即出现临界慢化现象；当同时出现临界慢化(criticalslowingdown)现象和对称偏移(deviatingskewness)现象时，即说明出现临界相变，系统会给出警示。
4)信号分析展示
该步骤中，主要是根据工程系统临界相变信号分析结果，为工程系统的健康分析预测以及预警提供警示。
实施例3
在本实施例中对上面的第3步进行了调整，临界相变分析的方法如图8所示，该分析方法包括下述步骤：
1)、通过典型复杂机电系统动力学特性分析和系统传感信号随机噪声分析，获取复杂机电系统的系统级随机动力学特性；
2)利用复杂系统临界相变理论，对复杂机电系统随机动力学临界相变特性进行分析；
3)、在复杂机电系统随机动力学属性分析的基础上，结合基于物理机理的复杂机电系统基础参考模型和系统运行信号日志记录完成基础参考模型参数学习，从物理机理角度建模，以直接反映系统各参数之间的关系；
4)、结合系统运行信号日志记录基于动态图模型完成复杂机电系统随机扰动参数学习，使用动态图模型建模，以更好的描述随机变化的参数之间的关系以及参数本身因噪声存在造成的波动。基于这两部分构建的系统级随机动力学模型能更全面的描述复杂机电系统的运行状态，也是之后建立系统级临界相变状态模型的基础
5)接下来，利用随机噪声激励模拟和临界相变状态评价，通过噪声驱动的深度强化学习方式完成临界相变学习，构建系统级的临界相变状态模型。在学习过程中，通过设置系统传感信号参数值模拟随机噪声激励，不断迭代训练，使系统主动达到临界相变状态，通过记录系统状态参数数据分析系统状态参数的变化特征，基于此模型可根据系统当前的运行信号分析系统的响应趋势，从而完成系统健康状态分析。
本发明提供的基于临界相变理论的工程系统健康分析系统和方法，基于工程系统的传感信号分析临界相变特性，构建工程系统随机动力学临界相变特性理论。通过对工程系统随机动力学临界相变特性理论的研究，提供了一种新的从系统的角度研究工程系统中各个部件之间的关系的方法，为工程系统的健康分析提供了一个新的视角。
虽然上面结合本发明的优选实施例对本发明的原理进行了详细的描述，本领域技术人员应该理解，上述实施例仅仅是对本发明的示意性实现方式的解释，并非对本发明包含范围的限定。实施例中的细节并不构成对本发明范围的限制，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案的等效变换、简单替换等显而易见的改变，均落在本发明保护范围之内。