0 引言
對于大型的復雜控制系統,如果發生故障將嚴重影響到人的生命和財產安全,帶來不可估量的損失。因此,為了保障實際系統的可靠性、可維修性和安全性,迫切需要建立一個監控系統來監督整個控制系統的運行狀態,實時檢測系統變化和故障信息,采取有效措施,防止發生災難性事故。故障檢測與診斷(FDD)技術就是為了滿足“監控系統”的需要而發展起來的。
FDD是一門應用型的邊緣學科,涉及控制理論、計算機工程、信號處理、人工智能等相關學科。美國麻省理工學院的Beard于1971年首先提出用解析冗余代替硬件冗余,利用系統的自組織使閉環系統穩定,通過比較觀測器的輸出得到系統故障信息的新思想,標志著FDD技術的誕生。Willsky于1976年在Automatica發表第一篇FDD的綜述論文心]。1978年Himmelblau首次出版FDD方面的學術專著口]。我國關于FDD的研究始于20世紀80年代。1985年葉銀忠等發表FDD的第一篇評述文章,1994年周東華等出版國內第一部關于故障檢測與診斷的學術著作口]。從1991年起,IFAC每三年召開FDD的專題會議,其它一些重要學術會議如CDC、ACC等也都設有FDD專題。故障診斷已成為自控界的重要研究方向之一,取得了很多研究成果睜。
近年來,FDD在一些新領域不斷取得研究成果。本文擬對FDD的三類基本方法以及最近得到發展的信息融合方法、多Agent方法、魯棒故障檢測、網絡控制系統的故障診斷等的研究現狀和存在問題進行綜述。
1 基于解析模型的方法
基于解析模型的方法是研究最早、最深入、最成熟的方法,可分為狀態估計方法、等價空間方法和參數估計方法。盡管這三種方法是獨立發展起來的,但它們之間存在一定的聯系。文獻討論了它們之問的關系,其中基于觀測器的狀態估計法和等價空間法是等價的。由于設計非線性系統的狀態觀測器比較困難,因此參數估計法比狀態估計法更適合于非線性系統,而一般的等價空間法僅適用于線性系統。
1.1 狀態估計方法
基于狀態估計的故障診斷方法發展至今已形成兩種基本方法:(1)Beard提出的故障檢測濾波器的方法;(2)Menra和Peshon提出的基于Kalman濾波器的方法、Dlark提出的構造Kalman濾波器陣列或Luenberger觀測器陣列的方法。這類方法實現故障診斷一般分為兩步:一是形成殘差,二是從殘差中提取故障特征進而實現故障診斷。目前對于狀態估計方法的研究主要集中在提高檢測系統對于建模誤差、擾動、噪聲等未知輸入的魯棒性及系統對早期故障的靈敏度。近年來出現了許多基于狀態估計的故障診斷新方法,如Luenberger魯棒故障檢測觀測器方法、線性矩陣不等式(1inear matrix inequalities,LMI)方法、H2估計、數據驅動Kalman濾波器、滑模觀測器法、時頻分析(time-fre—quency analysis,TFA)和自適應觀測器相結合的方法|16、魯棒故障檢測與反饋控制的最優集成設計方法、魯棒l,估計方法”、基于小波分析、模糊模型的故障檢測與分離(faultdetection and isolation,FDI)方法、基于多模型(multiple—model,MM)估計的混合估計方法心¨等。
1.2 等價空間法
傳統的等價空問法在進行故障診斷時存在問題:低階等價向量在線實現比較簡單但性能不好,而高階等價向量能帶來比較好的性能卻需較大的計算量,且產生較高的漏報率。針對傳統等價空問法的缺陷,一些學者提出改進方法。文獻提出在等價空間法中引入窄帶IIR濾波器,在提高系統檢測性能的同時,幾乎不增加計算量,但會產生高的漏報率。在低階等價向量中引進小波變換能產生較好的檢測性能,卻增加了計算量,并使殘差產生器在線實現復雜化。為此,文獻通過在殘差產生器中引入平穩小波變換(stationary wavelet transform,SWT),能降低計算量,且漏報率較低。利用神經網絡對等價向量進行補償,可提高系統對小幅值故障檢測與分離的準確性。基于時間冗余的等價空間法不易實現故障分離,麗某個故障在固定時刻位于等價空間的固定方向,通過選取最優轉換矩陣,將此固定方向與其它因素在等價空間中對應的方向相分離,可分離故障瞳。
1.3 參數估計方法
參數估計法是根據模型參數及相應的物理參數變化的統計特性來檢測和分離故障。由于物理參數具有明確的物理含義,可由物理參數的異常得到故障定位和預估方面的明確信息。與狀態估計法相比,參數估計法更利于故障的分離。隨著研究的進展,基于參數估計的故障診斷方法又有一些新成果。例如:基于模糊推理的參數估計方法心、基于神經網絡的參數估計方法,基于圖像信號產生器的參數估計方法劉等,這些方法都提高了故障檢測和分離性能。
2 基于信號處理的方法
基于信號處理的方法是利用信號模型,如相關函數、高階統計量、頻譜、自回歸滑動平均和小波變換等,直接分析可測信號,提取方差、幅值、頻率等信息來進行故障檢測與診斷。這種方法適用于線性系統和非線性系統。但是,避開對象數學模型的優點是實現簡單、實時性較好;缺點則是對潛在的早期故障的診斷顯得不足,多用于故障檢測,對故障分離和診斷的效果不很理想,若與其他方法結合可望提高故障診斷性能。
2.1 基于小波變換的方法
小波變換是一種信號的時間一尺度分析方法,具有多分辨率分析的特點。在時頻域都具有表征信號局部特征的能力.適合于非平穩信號的奇異性分析。利用連續小波變換可以區分信號突變和噪聲,而利用離散小波變換可檢測隨機信號頻率結構的變化。
小波變換對噪聲的抑制能力較強.具有較高的靈敏度,運算量也不大,是一種很有前途的方法。近年來,利用小波變換的優點,將小波變換與數學模型、神經網絡、專家系統、模糊理論、矩陣奇異值等方法相結合,提出了一些新的FDD方法,進一步提高了動態系統的故障檢測與診斷性能,在實際工程應用中獲得成功。
2.2 主元分析法
主元分析法(principal component analysis,PCA)是利用統計原理來建立描述系統的低維模型,能有效地壓縮數據和提取故障信息,特別適合于大型的穩態動態系統進行監控,且能實現在線實時診斷。
目前PCA與其它理論相結合的故障診斷方法,正處于快速發展之中,如將PCA與小波分析相結合,將其推廣到多尺度情形,更大地壓縮數據矩陣;將非線性PCA方法與徑向基函數(radial basic function,RBF)神經元網絡相結合進行故障檢測時,能獲得更好的故障檢測靈敏度和故障檢測精度。PCA方法和基于過程動態模型的故障診斷方法相結合,可對一些復雜故障和過程內部故障進行準確診斷,將是今后進一步研究的方向。
3 基于知識的方法
人工智能及計算機技術的飛速發展,為故障診斷技術提供了新的理論基礎,產生了基于知識的診斷方法。,此方法引入診斷對象的許多信息,特別是可以充分利用專家診斷知識,而且它具有“智能“特性,是一種很有生命力的方法,尤其是在非線性系統領域。基于知識的方法主要可分為:神經網絡方法、模糊數學方法、定性模型的方法、專家系統方法、故障樹分析方法、信息融合方法和基于Agent的方法等。
3.1 基于神經網絡的方法
神經網絡在故障診斷領域的應用研究主要集中在兩個方面:一是從模式識別的角度.應用神經網絡作為分類器進行故障診斷;二是將神經網絡與其他診斷方法相結合而形成的復合故障診斷方法。人工神經元網絡用于故障診斷主要有四種方式(1)用神經元網絡產生殘差;(2)用神經元網絡評價殘差;(3)用神經元網絡做進一步診斷;(4)用神經元網絡作自適應誤差補償。
把模糊數學與神經網絡相結合,可以在神經網絡框架下引入定性知識,能得到更好的診斷性能,具有巨大的應用前景。聯合多個神經網絡的診斷方法能提高故障診斷的可靠性。因為神經網絡存在諸如:訓練樣本獲取困難、網絡權值表達方式難以理解、忽視了領域專家的經驗知識等問題,所以通過與基于模型的方法、專家系統、信息融合等理論相結合,可以彌補其不足。
3.2 基于模糊數學的方法
模糊故障診斷方法便于處理定性知識,適用于測量值較少且無法獲得精確模型的系統。其優點是:計算簡單、應用方便、結論直觀、減少許多不確定因素給診斷工作帶來的困難;缺點是:構造隸屬函數有一定的主觀因素,而且如果特征元素的選擇不合理,將影響診斷結果,甚至造成診斷失敗。基于模糊數學的方法主要有:(1)基于模糊模型的故障診斷方法;(2)基于自適應模糊閾值的殘差評價方法;(3)基于模糊聚類的殘差評價方法;(4)基于模糊邏輯的殘差評價方法;(5)基于模糊模式識別的故障診斷方法。單純利用模糊推理進行故障診斷具有一定的局限性,一般利用復合式方法來進行故障診斷,如模糊故障樹法、模糊專家系統法、模糊神經網絡法口、模糊小波神經網絡法、模糊信息融合法n玎等,這些方法的診斷性能得到明顯提高。
3.3 基于定性的方法
在實際應用中,基于定量信息的故障診斷方法由于種種原因無法實現,比如:故障不能用解析模型合理的描述;系統的先驗知識不確定、不完備;系統知識是定性知識;系統本身太復雜,只能采用近似模型來描述等。為了解決這些問題,許多學者采用定性模型的方法來進行故障診斷,主要的方法有:(1)基于定性仿真理論的診斷技術;(2)基于定性過程理論的診斷技術;(3)基于帶符號有向圖的診斷技術;(4)基于定性觀測器的診斷技術。利用定性方法進行故障診斷可以克服定量方法的魯棒性和頻響特性相對較差的缺陷,提高診斷精確度,減少誤報,但定性方法也有其自身的局限性。為此提出了將定性方法與定量方法相結合的故障診斷新方法,如基于定性推理與定量仿真集成的故障診斷推理方法、隨機定性推理方法臥陽等,這些方法可以彌補各自的不足,實現優勢互補。
3.4 基于專家系統的診斷方法
傳統的專家系統故障診斷方法存在著一些自身難以解決的問題,如:知識獲取的“瓶頸”問題、邏輯推理的“組合爆炸”;在自適應、學習能力及實時性方面也有局限性。為克服這些不足,有人提出~些新的專家系統故障診斷方法。基于Petri網建立對象行為模型,結合專家系統的優點,對電力系統輸電網絡故障進行診斷。該方法不僅有效、準確、通用,還提高了故障診斷速度。文獻把遺傳算法與專家系統相結合進行故障診斷,提高了系統抑制噪聲的能力,同時較好地解決了推理速度和知識獲取困難的問題。同樣,在專家系統中引入故障樹,可以避免建立繁瑣而龐大的規則庫。基于人工神經網絡的專家系統故障診斷方法和基于模糊數學的專家系統診斷方法,都能提高故障診斷效率,且有利于知識的升級、更新與維護。
3.5 故障樹分析方法
利用故障樹分析法(fault tree analysis,FTA)進行故障診斷兼顧了基于規則和基于定量模型的優點,為復雜系統的故障診斷提供了一種有效途徑,是實際系統中常用的比較有效的診斷方法,近年來又出現一些新的進展。在經典故障樹重要度分析方法的基礎上引入模糊集合理論,可解決可靠性工程中因數據不充分而帶來的模糊性,有效彌補了經典概率方法的不足。文獻通過在給定故障樹頂事件和底事件概率描述的基礎上,計算故障樹最小割集的重要度,并在量級上進行分析比較,為系統的故障源搜尋提供具體有效的測試步驟,適用于大型復雜系統的故障診斷,在工程上有廣泛的應用前景。Petri網町用于表達系統邏輯關系,完成知識表示和診斷推理,文獻提出把Petri網與故障樹分析相結合的故障診斷方法,滿足了實際復雜系統的需要,提高了診斷性能。
3.6 故障診斷的信息融合方法
基于信息融合原理的智能故障診斷方法,是通過多傳感器獲取設備狀態的特征信號來提取征兆,并進行多層面的關聯組合、數據選擇,從而獲得對診斷對象故障信息更可靠的認識和潛在故障發展趨勢的態勢評估。信息融合用于故障診斷的起因有三個方面:一是多傳感器形成不同通道的信號;二是同一信號形成了不同的特征信息;三是不同診斷途徑得出了有偏差的診斷結論。融合診斷的最終目標是綜合利用各種信息,提高診斷準確率。
信息融合故障診斷方法主要包括:Bayes證據理論、模糊融合、D-S證據推理、神經網絡信息融合等。目前又提出了許多復合診斷方法,如模糊神經網絡信息融合方法、集成小波神經網絡信息融合方法、基于多級支持向量機(multi-class support vector machines,MSVMs)的集中和分布式數據融合方法、神經網絡與證據推理相結合的信息融合方法哺們等。
3.7 基于Agent的故障診斷
診斷Agent是一種嵌套式多Agent組織模型,它將多傳感器信息融合算法引入Agent設計中,設計出一組分工協作的多Agent系統(multi-agent system,MAS)。該方法不僅能提高診斷準確率,而且增強環境的適應性,使系統在運行過程中發現和挖掘知識,提高學習能力,實現診斷系統性能的自我完善、發展和提高,很適合大規模診斷問題的智能求解。
一般Agent故障診斷系統需要解決的關鍵問題有:
(1)故障信號的檢測,特征信息的提取;(2)故障診斷Agent的刻畫;(3)管理控制Agent及數據挖掘Agent的i殳計;(4)各Agent之問的通信與協作。目前主要的診斷方法有:基于模糊數學融合診斷Agent,基于模糊神經網絡融合Agent[38l、基于D-S證據理論的融合Agent、基于案例推理(case-based reasoning,CBR)的多Agent方法等。對于一個動態分布的、實時的和不確定的復雜系統,MAS在故障的分辨、診斷和控制方面表現出了極大的優勢:它通過與所處環境、人以及個體之間進行相互協作表現出一定的社會智能,能解決一些傳統人工智能(artificial intelligence,AI)無法解決的大規模復雜的問題,現已成為AI領域研究的主流方向。
4 故障檢測與診斷的研究熱點
4.1 魯棒FDD
由于實際系統總存在噪聲、擾動、模型參數攝動及建模誤差等不確定性因素,因此研究不確定系統的故障檢測與診斷方法以及FDD的魯棒性現已成為FDD領域研究的熱點。目前對于魯棒故障診斷系統的研究方法主要有:(1)利用Ricatti方程方法、LMI方法、H∞ 控制、H2控制、l1估計等魯棒控制理論進行優化設計口;(2)設計魯棒故障檢測濾波器(robust fault detection filter,RFDF)來實現其對被控對象模型誤差和系統不確定性因素的干擾解耦;(3)系統存在不確定性建模誤差的情況下,反饋控制器與RFDF不能實現完全獨立設計,閉環控制系統的性能指標與故障檢測濾波器的魯棒性能指標會相互影響。文獻提出的基于狀態觀測器的反饋控制與RFDF集成設計最優化方法,可通過適當選取后濾波器,達到控制器和RFDF獨立設計時所實現的性能指標,解決最優集成設計問題;(4)對于不確定非線性系統,文獻提出基于自適應增益滑動觀測器的滑動控制器方法,利用參數化的正切雙曲函數作為控制器的開關函數,通過選擇合適的開關函數參數,可以使觀測器先于控制器收斂,開關函數的自適應增益在使系統獲得較低的估計和輸出跟蹤誤差的同時增強了系統的魯棒性。
4.2 網絡控制系統的故障診斷
網絡控制系統(networked control system,NCS)是在反饋控制系統的控制回路中通過各種網絡信道連接而形成的閉環系統,具有資源共享、便于系統安裝、維護、擴展等優點;網絡的介入也帶來諸如:信息傳輸延遲、丟失信息包、帶寬資源限制等問題。控制系統網絡化帶來的最大變化就是一個新的數據交換環境,在此新環境中以往研究的控制理論問題均應有相應的新變化和新結論。隨著傳統控制系統網絡化的發展,近年來對NCS的研究引起了眾多學者的興趣,涌現許多成果。
為了確保網絡控制系統運行的可靠性,對于網絡控制系統的故障診斷問題的研究也至關重要,目前的研究成果還比較少,主要有:通過參數設計干擾解耦向量的方法;利用LMI理論設計NCS的故障診斷濾波器,通過引入新的性能指標,可最大化對故障信號的靈敏度和對不確定網絡時延及未知輸入的魯棒性;基于Kalman濾波器的FDI方法;網絡的隨機時延是NCS在線故障檢測的難點,文獻E66]通過在NCS中加入緩沖器使隨機時延轉變為定時延,然后設計魯棒H。狀態觀測器進行故障檢測,與目前的FD方法相比,該方法能實現在線故障檢測,且具有較少計算量、較強魯棒性及對故障的敏感性;對于由于數據丟失而引起的數據信息不可測問題,文獻提出了時延殘差產生器及其閡值的聯合設計方法,減少了因為信息丟失而引起的誤報;因為T-S(Takagi—Sugeno)模型不需要網絡時延的精確信息,同時又能解決信息包的丟失,所以文獻應用T-S模型來描述具有不同網絡時延的NCS模型,再利用等價方程和模糊觀測器方法來進行故障檢測,該方法具有較高實用性和有效性。基于T-S模型的優點,用其來描述更加復雜的NCS模型進而進行故障診斷還需要更深入的研究。
5 FDD的應用成果
故障檢測與診斷技術不僅在理論上獲得了很多新的進展,在應用領域也取得了不少研究成果。表1給出FDD技術的一些典型應用。
6 結束語
從近年發表的文獻看出,FDD方法正趨向于綜合化。把定量模型方法與基于定性模型、半定性模型的方法進行有機融合,實現優勢互補,已成為FDD的一個研究熱點。雖然基于解析模型方法的研究仍集中于線性系統,但對非線性系統FDD的研究已得到重視。由于不確定性的影響,對魯棒性問題的研究會越來越多,而多目標約束的魯棒FDD方法將成為新的研究方向。另外,基于多模型(MM)估計的診斷方法正引起人們的研究興趣,但如何設計最優的模型集和合理的估計器等還需要更深入的研究。基于信號處理的方法發展較完善,將小波分析引入故障診斷。涌現出大量的應用成果,仍是今后研究的熱點。Delta算子方法在高速信號處理和控制方面比移位算子方法具有很大的優越性,在故障診斷中引入Delta算子,可以實現在線實時檢測,具有靈敏度高、計算量小、抗噪聲能力強等優點。因此,Delta算子方法在故障診斷中的應用有望成為FDD新的研究方向之一。
基于知識的方法對于非線性系統和復雜系統具有較高的應用價值,更適用于實際的工業裝置。而且其“智能”特性,符合對系統的自然推理,是一種很有前途的方法。遺傳算法是一種先進的全局優化算法,將其應用于FDD領域,有待于進一步研究。把Petri網用到控制系統的故障診斷,能有效實現診斷系統的模型化,也是一種新方法,值得深入研究。多Agent方法能解決一些傳統人工智能方法無法解決的大規模復雜問題,其在故障診斷中的應用具有廣闊的發展前景。基于NCS自身的特點,對其進行故障檢測與診斷將是FDD研究的新領域。雖然故障檢測與診斷在理論上取得了許多突破和進展,但用于實際工業過程的還不多見,因此,探索適合實際應用的故障檢測與診斷方法將是科技人員面臨的具有挑戰性的研究課題。
核心關注:拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用,蘊涵了豐富的ERP管理思想,集成了ERP軟件業務管理理念,功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理,全面涵蓋了企業關注ERP管理系統的核心領域,是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處:拓步ERP資訊網http://www.guhuozai8.cn/
本文標題:控制系統故障檢測與診斷技術的最新進展