(容错新改.docVIP

自动控制系统故障诊断技术的发展与展望 在日益大型化复杂化的自动控制生产过程中，如何保证安全生产和环境保护是一个不容忽视的问题。生产过程中的故障不仅影响产品的质量和产量，而且可能发展成严重的人身、设备事故和环境污染。应运而生的控制系统的故障检测与诊断技术(faultdetection and diagnosis—FDD)为提高复杂控制系统的安全性和可靠性提供了一项重要的途径。 自动控制系统的故障诊断技术包括故障检测、故障分离和故障辨识等。故障诊断能够判断故障的发生与否、发生时刻，并确定故障的类型和位置，进一步在分离出故障后确定故障的大小和时变特性。 FDD是一门交叉性的综合技术。它涉及多门学科，包括现代控制理论、信号处理、模式识别、人工智能、人工神经网络、计算机工程、模糊数学、数理统计等。20多年来，FDD得到了迅猛的发展，并应用了多种新的理论与方法。如：小波变换、神经网络、模糊系统、遗传算法，模式识别、自适应理论和非线性理论等等。 1 自动控制系统故障诊断方法分类 故障诊断与检测的方法基本上可以分为三类：基于数学模型的方法、基于信号处理的方法和基于知识的方法。 2 各类故障诊断方法的研究现状 根据以上分类方法，分别讨论各类故障诊断方法研究现状如下： 2．1基于数学模型的方法 基于数学模型的方法首先要建立起系统动态数学模型，根据对数学模型处理的方式不同，又分为参数估计法和状态估计法两种。 2．2基于信号处理的方法 基于信号处理的方法不需要对对象建模，适用性强。如振动信号的谱分析法是至今仍普遍采用的元件故障诊断的有效手段。目前大多数基于信号处理的方法是针对线性系统提出的，但是都可以很方便地推广到非线性系统。以下是几种较新的基于信号处理的方法： 基于小波变换的故障诊断方法、基于信息校核的故障诊断方法、基于信号模态估计的故障诊断方法。 2．3基于知识的方法 基于知识的方法虽然是较晚出现的，但一出现就得到了大家的广泛重视和研究，成为发展的热点。这主要是因为在目前控制系统日趋大型化、复杂化的情况下，系统的模型越来越难以精确地建立，而基于知识的方法恰好不需要对象的数学模型．而且能对故障定量、定因。提高故障诊断的决策水平。基于知识的方法有很多类。目前较为热门的主要有如下几种： 基于专家系统的故障诊断方法、基于人工神经元网络的故障诊断方法、基于定性模型的故障诊断方法：基于模糊的故障诊断方法、基于模式识别的故障诊断方法、基于故障树的故障诊断方法。 3 故障诊断技术的部分应用 由于故障诊断技术本身就是在应用中发展起来的学科，因此它的应用也是极为广泛的。国内外每年都有大量这方面的研究和应用。基于数学模型的故障诊断理论上的研究成果比较多，技术比较成熟，应用也较广泛，但是已经不太适应控制系统的复杂化趋势。其应用在很多文献上都有介绍．本文就不再一一论述。基于信号处理的方法和基于知识的方法目前正在迅猛地发展．而且应用也逐渐增多，本文重点介绍近几年来这些方面的应用。 4 控制系统的智能故障诊断发展趋势 虽然近年来FDD蓬勃发展，而且大量新的学科发展应用于FDD中来，但是FDD中仍存在许多未解决的问题。如由于建模误差、噪声、扰动等未知输入因素的影响，使得诊断系统的鲁棒性问题及故障诊断中的误报、漏报都成为难以解决的问题。而且，目前基于数学模型的故障诊断方法的研究成果大多是针对线性系统的，针对非性性系统的较少，并且困其所作理想假设过多，理论难以应用到实际中来。针对这些问题的存在以及随着信号处理、人工 智能、ANN、模式识别等学科的发展，FDD将会在以下几个方面不断发展： 4．1基于知识的故障诊断方法的相互融合 基于知识的故障诊断方法各有千秋，也各有不足。如专家系统可利用已有的知识和经验推理得到，但是它难于处理不确定性知识，且知识获取是它的瓶颈问题；而ANN虽然有并行性、容错性和自学习能力等优点，但存在局部最小、收敛速度慢、网络规模小和实现增量学习困难等问题；模糊方法虽擅长于知识表示和推理，但是没有自学习能力。 若把ANN引入到专家系统中，可以在系统的ANN模块中进行知识的存储和求解的推理，使专家系统获得自学习能力，且有助于克服知识获取瓶颈问题，鲁棒性好，但它也同时引入ANN的诸多缺点。若在拥有大量诊断知识的部分采用传统的专家系统，而在经验缺乏，知识不完备的部分利用ANN的自学习能力获取知识，就可以兼备两者的优点。也可在专家系统的知识表示中引入模糊逻辑，建立模糊专家系统。这样可以处理不确定性知识，但是模糊规则和隶属函数定义困难，所以模糊知识库的建立还有待于进一步研究。而将专家系统、ANN和模糊方法三者结合，则形成模糊神经网络故障诊断专家系统。此时神经网络存储和推理的是模糊模式或模糊模式对。这样的故障诊断方法既具有神经网络的优点，又能进行模 糊推理，因此在知识表示、处理