面对大量、高速、持续的动态数据，挖掘、分析数据中蕴含的异常信息，实时、准确地掌握设备健康状态的诊断过程。

（一）主要研究内容

1. 基于大数据框架的流式数据分布式实时处理技术

2. 基于离线深度网络和在线增量网络集成策略的数据流异常检测技术

3. 小失效样本约束下复杂设备智能故障诊断与寿命预测技术

4. 基于融合模糊理论高效推理引擎的复杂系统实时智能专家系统

（二）主要成果

面对海量、高速、持续的动态数据流，融合大数据框架、集成学习框架、诊断推理框架，以及智能机器学习技术，攻克了数据流在线自适应学习、高维数据特征提取和小失效样本模式识别等难题，搭建流式大数据分析与智能诊断平台，快速感知数据中的异常信息、准确定位设备故障状态、预知设备故障发展趋势，如图2所示。该平台异常检测精度高达95%以上，是空间任务安全、可靠开展的重要基础，也将成为航空航天、能源、交通等其他工业系统智能管理的重要推力。

图2 流式大数据分析与诊断平台

（三）联系人

宋  磊   座机：010-82178871     邮件：songlei@csu.ac.cn

段江永   座机：010-82178870     邮件：duanjy@csu.ac.cn