智能故障诊断的控制方案解读.pptVIP

智能故障诊断技术 主讲人：沈志熙 shenzhixi@cqu.edu.cn 重庆大学自动化学院 第三章 智能故障诊断的控制方案 1. 基于状态反馈的故障诊断与容错控制* 2. 基于故障补偿的故障诊断与容错控制* 3. 基于多模冗余的故障诊断与容错控制 4. 基于功能模块的故障诊断与容错控制* 5. 基于神经网络的故障诊断与容错控制 6. 基于专家系统的故障诊断与容错控制 容错控制的基本概念 基本思想是利用系统的冗余资源来实现故障容错。即在某些部件发生故障的情况下，通过系统重构等，仍能保证设备按原定性能指标继续运行；或以牺牲性能损失为代价，保证设备在规定时间内完成其预定功能。 故障诊断是容错控制的基础——首先需要适时地检测出故障，并对故障的部位、类型、原因、程度等做出准确判断，然后采取相应的容错控制策略，对故障进行补偿、抑制、削弱或消除。 容错控制方法可分为硬件结构和解析冗余两大类。 1. 基于状态反馈的故障诊断与容错控制* 设监控对象正常状态下的动态方程为： 采用状态反馈后，正常状态下的动态方程为： 则出现故障时变为： 为了使设备出现故障时的性能与正常状态时的性能尽可能地接近，应选取合适的Kf，使： 控制方案：在状态反馈控制系统中，通过选取合适的状态反馈增益Kf，使得当某个回路（状态）失效时，由其余完好的状态反馈回路平均分担故障回路的控制作用。 2. 基于故障补偿的故障诊断与容错控制* 故障补偿：就是指监控对象在运行过程中出现故障或即将出现故障时，能够采取相应的补偿措施，保证设备在规定时间内完成其规定功能。 故障补偿可通过设计故障补偿器来实现。 设正常情况下的补偿器方程为： 监控对象的闭环方程可写为： 则某一元部件发生故障时，其闭环反馈系统为： 为了使故障系统性能尽可能地接近原系统性能，只要设计出合适的故障补偿器 即可 控制方案：当某一元部件发生故障时，通过设计合适的故障补偿器 ，使得故障系统的性能尽可能接近原系统性能。 3. 基于多模冗余的故障诊断与容错控制 控制方案：就是利用多余资源，来保证设备在发生故障时仍能正常工作。可分为硬件冗余和软件冗余两种。 硬件冗余：采用双重或多重备份的方法来实现，可用于任何硬件环节失效的容错控制。优点是设计简单，故障消除准确，可靠性和安全性高；缺点是所需元部件多，成本高。 软件冗余：利用系统中不同部件在功能上的冗余性来实现，又分为解析冗余、功能冗余和参数冗余三种。可采用故障屏蔽、控制器重构等方法实现。 4. 基于功能模块的故障诊断与容错控制* 控制方案：容错控制模块能够根据故障检测信息，具有自动修改控制策略、改变控制器结构、重新配置系统软硬件、自适应和自学习功能。 基于功能模块的模糊模型自学习 一个模糊模型中包含多条规则，全部规则构成模糊关系集合R，每次只启用部分规则产生预报 ；当模型出现误差时，只需修改参与的部分规则，不必涉及其余规则；如果把参考模糊集合固定下来，可认为修改规则，实际上就是修改模糊关系集合R。 5. 基于神经网络的故障诊断与容错控制 控制方案：训练神经网络，建立N+1个状态估计器；采用模式匹配诊断故障；系统状态估计，输出测量值与预测值之差为预测误差；网络不断训练学习以修正权值，使残差趋于零，实现容错控制。 基于神经网络的故障诊断与容错控制方式 1）神经网络作为控制器使用——直接控制方案 简单直接，能实现系统的逆动力学；但由于无法获得系统的输入和输出关系，因此难以保证学习的收敛性 2）神经网络作为辨识器使用——间接控制方案 神经网络输出并不直接控制系统，而是用于调整控制器 3）神经网络作为补偿器使用 基于神经网络的自适应控制 RBF辨识器：网络输入为当前系统输出和期望输出；网络输出un并不直接控制系统；网络输出un和PID控制器的控制量u之差作为调整网络参数的性能指标。 RBF控制器：网络输入同前；网络输出作为系统的控制输入u；系统输入和输出之差作为调整网络参数的性能指标。 优点：网络参数不再是随机选取，可有效克服神经网络直接控制器难以稳定问题，且收敛速度非常快。 6. 基于专家系统的故障诊断与容错控制 控制方案：知识库存放领域专家知识；数据库存放监控对象原始数据、故障特征数据等；推理机按一定的推理规则，对监控对象进行故障识别、估计和决策，根据故障性质采取相应策略进行容错控制。 专家系统故障诊断与容错控制的实现方法 6.1 知识库的建立 6.2 推理机的实现 6.3 特征信息处理器的构造* 6.4 控制机构的设计* 6.5 专家知识的获取 6.1 知识库的建立 知识库是专家系统的核心 主要解决问题是：如何有效地表达已获取的知识 专家系统中最普遍的知识表达方式是：产生