前言
伴随着现代工程技术的长足发展，系统规模的不断扩大，集成化和复杂化程度的日益增强，系统一旦发生故障，损失难以估量，加之人们对系统高安全、稳定性的需求，以及对系统经济、高效运行的期待，使得复杂的系统故障诊断这一后系统事件亟待前移至系统的设计阶段，而作为故障诊断研究基础的故障可诊断性评价，也亟须从较为粗放的定性评价提升到更为精细的定量评价上来。然而，如何在系统设计之初就将故障诊断纳入其中，如何通过精准的故障可诊断性评价结果达到安全高效的系统设计目标，都是传统的系统故障诊断研究所面临的挑战。
研究表明，故障可诊断性低是导致系统事故的主要原因之一，即可测信息不足以为迅速、可靠的检测系统故障做支撑。对于故障可诊断性的研究，传统的方法大都是在故障发生之后且集中于定性研究，既无法量化明确故障可诊断性的真实水平，又难以改造提升。因此，探索如何在设计阶段（故障发生之前）就能了解系统的故障可诊断性能，如何在设计阶段通过传感器优化配置使系统具有较高的故障诊断能力，又如何选取适当的方法对系统进行有效的故障诊断，
这些问题亟须提上日程。着眼于上述问题，本书展开了如下工作。
1） 非线性系统故障可诊断性量化评价方法
针对非线性系统故障可诊断性量化评价缺失的问题，以
KL散度（kullbackleibler divergence）算法为基础，充分考虑扰动、噪声等不确定性因素对评价结果准确性的影响，以稀疏内核密度估计与蒙特卡洛方法为有益补充，通过对单一故障或不同故障情况下概率密度函数的相似度和差异度计算，给出对非线性系统故障进行准确量化评价的求解方法和步骤，并进行满足故障可诊断性评价指标的测量噪声可行域分析，为系统进一步开展故障可诊断性设计和故障诊断奠定了基础。
2） 非线性系统故障可诊断性设计方法
为了增广系统的测量信息，提高系统的故障可诊断性评价指标，综合运用贪心算法进行测点传感器的优化设计，并借助
核偏最小二乘（kernel partial least squares，KPLS）方法构建软传感器，实现以软代硬的测点传感器设计。通过测点信息的优化配置，使得系统达到满足故障可诊断性的基本要求，从而将系统的故障诊断性能作为系统的本征需求纳入系统设计之初，为提高系统的安全水平提供有效的途径。
3） 基于故障可诊断性量化评价的传感器优化配置方法
为了对测点传感器进行优化配置，设计以量化评价为主，兼顾可靠性、经济性等优化目标的
传感器优化配置模型。从量化角度运用非线性动态规划和改进的NSGAⅡ算法使传感器优化配置过程更为高效，为现实中高品质低成本的系统运行提供可借鉴的方法和参考依据。
4） 基于模型的非线性系统故障诊断方法
在满足故障可诊断性评价指标的基础上，设计了一种基于粒子滤波的故障检测和分离方法，通过引入对数似然和作为评价指标，可以实现对故障的有效检测和分离。同时，还提出了一种基于残差统计特性分析的自适应阈值设计方法，在不依赖系统机制和数学模型的情况下，可有效降低故障诊断的漏报率和误报率。
5） 基于数据驱动方法的非平稳过程故障检测研究
采用模式适配度方法确定无故障时系统残差概率密度函数的分类数，并以此为前提运用K均值
（K-means）算法对残差数据进行聚类； 进而借助KL散度算法，在线计算系统实时数据与离线数据残差概率密度函数的距离差异度，通过对具有多模式运行系统的非平稳残差过程的分类评价进行故障检测。
6） 基于电源车系统的故障诊断方法应用研究
以电源车系统为应用对象，从传感器时间和空间的角度出发，基于时间相关建立时间序列预测模型，通过阈值的选取和引入KL散度实现了传感器的故障检测，然后引入注意力机制，再次提高了传感器故障检测能力。基于空间相关建立传感器数据重构模型，通过互信息熵的引入和改进，实现了传感器的数据重构，同时又引入注意力机制，将互信息熵与注意力机制结合，有效地提高了传感器数据重构的精度，最终提升了电源车远程运行的安全性和可靠性。
根据本书的研究脉络，本书以三篇12章的内容进行了组织安排，其具体的研究内容如下。
第1章： 以非线性系统故障可诊断性评价及诊断方法的研究意义和背景为出发点，对与本研究内容相关的国内外研究现状进行了全面的综述，并总结了目前的研究成果和本课题相关领域存在的核心问题与挑战。
第2章： 设计了一种非线性系统
故障可检测性和可隔离性的量化评价方法。采用KL散度算法，并借助稀疏内核密度估计和蒙特卡洛计算方法，从而实现了非线性系统故障可诊断性的量化评价。
第3章： 设计了一种提升非线性系统故障可诊断性评价水平的设计方法，将系统故障可诊断性设计作为系统的本征需求纳入系统设计之初，为提高系统的故障可诊断性水平提供有效的途径。
第4章： 考虑到系统设计时经济条件和系统复杂度等因素的制约，在保障系统具备故障可诊断性的前提下，以系统故障可诊断性量化评价指标为基础，给出传感器优化配置的几种方法。
第5章： 设计了一种基于数据驱动的传感器可重构性量化评价方法，借助软测量方法重构可靠性下降的传感器，提出一种运用量化指标来评价重构能力的方法，进一步提升了系统的故障诊断能力和容错能力。
第6章： 在深度分析了系统的残差特性并得出其统计规律的基础上，设计了一种基于
自适应阈值的粒子滤波算法的非线性系统故障诊断方法，实现了非线性系统的可靠故障诊断。
第7章： 以KL散度算法为基础，借助数据驱动技术，通过对具有多模式运行系统的非平稳残差过程的分类评价，并
在运用K均值算法对残差数据进行聚类的基础上，设计了一种非平稳过程的故障检测方法。
第8章： 借助高斯混合分布模型对残差数据进行了建模，基于此，运用KL散度算法，进行了微小故障的诊断和幅值估计。该方法的提出进一步拓宽了微小故障诊断的外延，为保障系统的安全运行提供有力支撑。
第9章： 提出了一种基于混合信息熵约束下的电源车传感器优化配置方法，量化评价指标主要包括故障可诊断性评价指标和传感器之间的冗余度评价指标。其中，故障可诊断性评价的方法选用了基于信息值的方法，即通过衡量故障影响下传感器残差后验概率值的变化，来获取传感器集合信息值的变化，以此为依据得到使得电源车故障序列可被检测的传感器配置集合。同时对传感器之间存在的冗余信息，采用传递熵方法进行评价，在得到传感器之间的冗余度的同时，获取信息传递的因果关系。最后，通过多个量化指标约束下的多目标优化配置方法获得传感器配置数量和位置的最优解。
第10章： 在电源车传感器的故障检测问题上，首先，针对目前存在电源车传感器时间序列预测模型的时间依赖性，将考虑新旧数据对模型的影响，引入了一种对新旧数据具有选择机制的极限学习机建立电源车传感器时序预测模型。其次，通过对无故障传感器输出数据的分析，确立传感器的故障检测阈值，最后利用所建立的时间序列预测模型进行传感器的故障检测。与此同时，将改进后的KL散度引入BiLSTM网络，从相似度度量的角度进行传感器的故障检测，进而弥补由于阈值选取所引起的传感器故障检测能力低等问题。
第11章： 为了保证电源车传感器的故障容错能力，需对故障传感器的失效数据进行重构。通过考虑电源车传感器之间的空间相关性，首先引入信息熵理论量化评价传感器所含信息值，然后借助改进后的互信息熵理论量化评价传感器之间的空间相关性，在量化评价的基础上对次要特征进行剔除，进而利用机器学习算法开展传感器的数据重构。
第12章： 在实现传感器故障检测和数据重构的基础上，为了应对不断增长的传感器输出数据及计算精度的下降，在考虑传感器时间相关的基础上，引入注意力机制以区分所提取的不同特征，提升关键特征对模型输出的影响力，降低次要特征对模型预测输出的干扰，建立一种注意力机制下的传感器故障检测和数据重构模型并验证其有效性。
本书的研究内容得到了国家自然科学基金项目（项目编号： 61763027）和甘肃省杰出青年基金项目（项目编号： 20JR10RA202）的支持，在本书出版之际，特此鸣谢！
由于作者理论水平有限及研究工作的局限性，特别是故障诊断技术本身正处于不断的发展中，书中难免有一些不足和错误，恳请广大读者批评指正。
作者
2023年7月于兰州
