通过相空间随机游走对混沌系统退化建模

为什么混沌对日常机械很重要

我们依赖的许多设备——从汽车变速箱到保护数据的电子设备——表现出看似随机的行为，但实际上由一种称为混沌的有序不确定性支配。由于混沌系统对微小变化极为敏感，工程师很难预测这些机器在多年使用中的磨损情况。此处描述的论文提出了一种预测此类系统长期磨损的新方法，有望加快设计周期并提升产品可靠性。

表面随机中的隐藏模式

传统的可靠性模型假定性能在一条平滑、可预测的趋势周围波动，将不规则的起伏视为噪声。然而，最新研究表明，在许多机器中，这些波动源自确定性的混沌动力学。在原始时间序列数据中——例如含噪振动信号——这种隐藏的秩序难以察觉。但当工程师在“相空间”中观察时（一个每一点代表系统完整状态的数学空间），运动会描绘出复杂却受限的轨迹。要设计寿命长的混沌系统，工程师需要理解随着零件缓慢退化这些轨迹如何演化，而现有工具难以实现这一点。

旧方法为何不足

当前的退化建模方法大致分为三类：基于物理的模型、数据驱动的机器学习，以及两者混合的混合方法。对于磨损几乎独立于系统快尺度动力学的简单系统，基于物理的模型表现良好。而在混沌系统中，每个部件的磨损速率与机器的整体状态紧密相关，迫使仿真器必须使用极小的时间步长和高数值精度才能保持准确。数据驱动和混合方法需要大量高质量的老化数据来学习模式，但当系统仍在设计阶段时，这类数据通常不存在。这些策略都难以捕捉随着机器老化常常出现的从平稳到强混沌行为的突变。

一张新图：在退化相空间中的随机游走

作者提出了一种不同的视角：他们不再追踪每一刻的时间演化，而是构建一个“退化相空间”，其坐标由最关键部件的损伤度量构成。在该映射的每一点，他们仅运行短时、精细的系统快动力学仿真，并对这些仿真结果随时间取平均，以估算在该状态下每个部件的局部磨损速率及该速率的不确定性。这些局部磨损速率定义了退化地图上的一个有效速度场。然后将长期行为重建为在相空间中跳跃的随机游走：由平均磨损方向推动，但允许在计算出的不确定性范围内漫游。采用这一策略，模型避免了对超细、长时间域仿真的需求，同时仍然遵循基础物理规律。

从电路与齿轮箱到通用规则

为了展示该方法的广泛适用性，研究者将其应用于两类非常不同但都混沌的系统：产生复杂电信号的电子电路（Lars 电路），以及随着齿面退化可能产生混沌振动的双轴齿轮箱。两者首先被统一表示为网络模型，使用广义流和势以一致的方式处理电子与机械元件。随后，团队构建了退化相空间——例如通过追踪电路中三只关键电阻的老化，或追踪齿轮箱中齿裂与表面点蚀的增长——并从不同初始条件出发模拟随机游走束。这些束揭示了当系统在低混沌与高混沌区域之间移动时，老化路径如何弯曲和扩散。

新模型对老化揭示了什么

相空间轨迹在电子与机械示例中显示出共同模式。当系统运行在低混沌或非混沌的状态时，退化路径平滑且紧密聚集，反映出较为可预测的磨损。随着系统漂入更混沌的状态，路径出现显著的拐折并扩散开来，表明组件失效的方式和时间存在更大的不确定性。然而即使在强烈混沌的区域，路径仍被限制在有界的束内，暗示长期结果在统计意义上仍可控。当系统从高度混沌区域返回到更平静的区域时，路径的方向与分布往往沿着早期状态的轮廓延伸，提示损伤累积方式存在一种“记忆”效应。

这对未来技术意味着什么

对于工程师而言，这一框架提供了一种在设计阶段预测混沌系统长期健康状况的方法，无需依赖数十年的测试数据或无法承受的计算开销。在对混沌电路的数值测试中，随机游走模型与传统的细步长仿真相匹配，同时将计算时间缩短了百倍以上，并将预测误差控制在约五个百分点以内。由于该方法建立在通用网络表示和物理定律的平均上，它可以扩展到许多其他混沌系统，从复杂的机械传动到通信网络，甚至种群动力学模型。就实用性而言，它为预判当今机器中“有序的随机性”如何影响寿命与安全提供了一条更快、更可靠的途径。

引用: Lu, Z., Wang, C., Zhang, Y. et al. Degradation modelling of chaotic systems via random walks in phase space. Commun Eng 5, 34 (2026). https://doi.org/10.1038/s44172-026-00587-7

关键词: 混沌系统, 退化建模, 相空间, 随机游走, 可靠性工程