推广Kalman滤波和人工神经网络相结合的故障诊断策略及其应用.pdfVIP

中国SAFEPROCESSl99，北京清华大学，1999年5月 推广Kalman滤波与人工神经网络相 结合的故障诊断策略及应用 刘伟 (河北理工学院自动化系·唐山，063009) 摘要：本文阐述了～种基于推广Kalman滤波与人工神经网络相结合的故障诊断簧略， 神经网络的输入是诸如：压力、流量、温度这类生产过程的I／0数据，由推广 Kalm∞滤波器所估计的参数，以及一些由动态方程计算出的状态值，而神经网络 的输出则是过程的故障状况，如：故障的位置和故障的强度等，并给出了该策略 在酵母发酵过程故障诊断中的应用情况． 关键词：神经网络，故障诊断，分类，推广Kalman滤波，酵母发酵 1 引言 动态控制系统的故障检测与诊断技术的发展，是应用现代控制理论和数理统计等方 法来分析处理非正常工况条件下的系统分析和综合问题，自70年代初到现在已得到了迅 速的发展，目前它已成为自动控制领域中的一个新的研究方向．其主要的研究途径有： (1)．基于参数估计方法的故障检测与诊断的途径．这一方法的基本思想是：假设被控系 统的故障可由某些参数的变动来反映，如：电阻、电容、电感、质量、刚体等，这些故障 参数一般隐含在系统数学模型的参数中，系统数学模型的参数可以是定常的，也可以 是时变的．从这一方向研究动态系统故障检测与诊断的主要文献有h2]；(2)．基于状 态估计方法的故障检测与诊断的途径．当动态系统的故障可由状态变量来描述时，可以 使用推广卡尔曼滤波来实现故障检测与诊断[3，4]；(3)．基于观测器方法的故障检测与 诊断的途径．前两种方法的共性是通过增强故障信息来进行动态系统故障检测与诊断的， 而观测器方法的指导思想则是通过抑制其它故障对系统的影响来确定某一故障是否已 发生[5，6，7]；(4)．基于数理统计方法的故障检测与诊断途径．动态系统故障的发生以 及所引起的现象一般都遵循一定的统计规律，因而人们可以从过程的输入与输出数据中 发现内在的特征并进行故障诊断，从这一方向研究动态系统故障检测与诊断的主要文 献有[8一11]：(5)．基于人工智能方法的曲障检测与诊断途径．自70年代以来，有关人工 智能的理论研究取得了很好的结果，人工智能在解决动态系统的各种控制问题上也显示 出了强大的生命力．近年来国内外许多学者开始用这一方法解决动态系统的故障检测 中国SAFEPROCESS’99，北京清华大学，1999年5月 诊断的方法，$orsa等人则提出了用人工神经网络方法解决动态系统的故障检测与诊断 的问题，这方面的文献有[12—20]． 本文针对生化发酵过程的特点，提出了一种基于推广Kalman滤波与人工神经网络相 结合的故障诊断策略，其中推广Kalman滤波器主要用于对某些无法进行在线检测的状态 变量或过程参数进行估计，神经网络的输入是诸如：压力、流量、温度这类生产过程的 I／0数据，由推广Kalman滤波器所估计的参数，以及一些由动态方程计算出的状态值，而 神经网络的输出则是过程的故障状况，如：故障的位置和故障的强度等，并给出了该策略 在酵母发酵过程故障诊断中的应用情况． 2诊断策略的提出 生化发酵过程是 一类复杂的工业生产 U… 过程，有许多关键的 变量和参数不能实现 在线检测，目前还很 难实现对诸如：菌体 浓度、基质浓度、产 物浓度等这些直接反 映生物代谢状况变量 的在线检测，它们一 图1．故障诊断结构 般通过实验室离线分 析得到．基于这一原因我们提出了推广Kalman滤波与人工神经网络相结合的故障诊断 策略t其结构如图1所示．其中的推广l浏【m距滤波器用于在线估计过程状态和参数，神 经网络则对过程的输入、输出量、以及估计量进行联想记忆与分类处理，进而确定系 统中是否发生了故障，若发生了故障，它还将进一步给出故障的具体情况，如：故障 的位置强度等． 3参数和状态估计 3．1过程模型 生化发酵大多是间歇反应过程，亦即将碳源、氮源、无机盐等加入发酵罐内，接入 ～定量的菌种，在一定条件下，通过微生物的作用，不断消耗基质而生成产物．在一 般情况下菌体浓度∽、基质浓度∽、产物浓度◇)被认为是系统的状态，根据Mond的 反应原理可得到以下的状态方程： 中国SAFEPROCESS’9