以能源重化工为代表的现代流程工业系统由一系列机电设备通过物质流、能量流和信息流紧密耦合而成，各单元要素之间呈现复杂非线性耦合关系，具有分布区域广、组成单元多、耦合关系复杂等特点，构成了分布式复杂机电系统。流程工业系统的DCS系统包含数以千计的各种类型的传感器，遍布整个系统。DCS监测数据反映了整个系统在全生命周期的运行状态、寿命状态与工作状态，从系统层面记录了整个系统的健康状态信息，是整个系统在不同时刻、不同工况下的真实记录，蕴含了系统运行状态的内在演化规律与本质。

       课题组以DCS监测数据集的海量高维多态时序数据为研究对象，应用大数据的思维方式，结合时序数据分析领域有效的算法、理论，如多元统计分析、复杂网络可视图、复杂系统、数据挖掘、数据融合、数据可视化等，在理论上初步解决了数据的高维性、海量性、高度耦合性、非线性对系统状态分析的影响，建立了一套企业层面的系统运行健康状态的评估、预测、异常事件判断与故障溯源的理论体系。在企业级系统运行健康状态分析与评估方面，提出了分布式复杂机电系统运行状态特征谱和系统彩色图谱的概念，利用多变量相空间重构的特征谱构造技术以及数字系统处理技术，从多维空间上揭示了系统状态变化规律；在企业级系统故障诊断方面和异常模式发觉方面，将混沌和分形理论与数据挖掘的理论方法相结合，提出了以序列模式挖掘和离群数据挖掘相集成的系统潜在异常模式发现技术，基于因果序分析和传递熵计算的系统状态关联影响模式分析方法，以及基于系统故障图谱的系统异常模式匹配和健康等级评定方法；综合利用系统各类数据，通过融合数据的多种特征，从系统层面建立了一套基于多特征数据的分布式复杂机电系统状态分析、预测与异常模式发掘的理论体系，并据此开发了基于云服务模式的系统健康状态分析算法库。

       在该理论体系的指导下，结合煤化工企业的具体实际，开发了煤化工企业安全生产监控平台，将理论研究成果与企业生产实际相结合，取得了良好的社会效益与经济效益。