控制工程论文：复杂工程系统的可靠控制（续）.docVIP

　　控制工程论文：复杂工程系统的可靠控制（续） 摘要:阐述了复杂工程系统可靠控制的发展状况，并分别对近年来发展起来的基于故障诊断的容错控制技术，故障预报技术，可靠性分析技术等可靠控制技术进行了分析和评述，最后指出了该领域鱼待解决的一些关键问题和关键技术。关键词:可靠控制;故障诊断;容错控制;故障预报;自修复控制3故障预报技术随着对系统安全性要求的进一步提高，在设备发生故障前，预先进行预测预报工作就显得极为必要。只有事先做好充分准备，对将要出现的故障原因作出判断，提出对策建议，才能有助于在紧急情况下迅速排除故障，及时避免或减少事故的发生，特别是对投资巨大、结构复杂、可靠性要求很高的工程系统(如航空航天、核能等领域)，故障预报已经作为很重要的问题提了出来。在美国旅行者号深空探测器通信系统的故障诊断专家系统(sHARp)口2，中就装有预测预报模块，以对飞行器性能进行预测和实时分析。随着维修体制的改革，经过世界各国研究与实践证明，根据设备实际状态进行维修是行之有效的方法，这既可以节省高额的维修费用，又可以避免定期维修给设备带来的人为损害。故障预报技术为状态维修的推行提供了条件。故障预报的主要功能是利用算法对监测数据进行分析，以判断设备运行是否会出现故障。如果经判断有可能出现故障，则发出故障警报，以便及时对故障进行诊断，避免故障发生和传播。其中，预报算法是进行故障预报的核心，它对测试数据的异常变化趋势很敏感。故障预报对早期发现故障并及时处理有着重要的意义。故障诊断技术的发展和成熟，为故障预报技术的进一步发展提供了条件。故障预报是故障诊断与事件预报技术相结合的领域，早在1979年Sakes〔川等人就开始了这方面的研究，但进展一直很缓慢。现有的故障预报技术主要分为两大类，参数模型法和非参数模型法。参数模型预报法首先对观测的历史数据(序列)的模型做一定的假设，然后经过模型参数的估计得到相应的预测值。常用的参数模型有多项式曲线拟合、主观概率预测、回归预测、卡尔曼滤波器、确定型时间序列、随机型时间序列、灰色模型等方法。这类方法的不足是如果模型的假设与实际不符，预测性能就会很差。非参数模型法不需要系统的精确的数学模型，因此它比参数模型法具有更广泛的应用范围。现有的非参数模型法主要是基于神经网络、粗糙集理论、模糊聚类、模糊神经、小波神经网络等方法。神经网络具有极强的非线性映射能力，在故障预报方面受到了广泛的关注。故障预报的神经网络主要以两种方式来实现:一是神经网络作函数逼近器，对系统各工况下的某些参数进行拟合预测;二是用动态神经网络对过程或工况参数建立动态模型而进行故障预测。函数逼近器的神经网络目前应用较广泛的仍然是基于多层的前馈网络(如BP网络)，这种网络只代表了一类可通过代数方程描述的静态映射，只适用于静态预测。动态神经网络是一个对动态时序建模的过程。人们已经提出了许多有效的网络结构，其中包括全连接网络以及各种具有局部信息反馈结构的网络模型等，这些网络本身具有相应的动态结构，因此其预测是动态预测。动态神经网络己经在实际的非线性动态系统的建模和预测中得到了成功的应用34]。最近几年，由于聚类运算法则和模糊集理论的综合而产生了一个所谓模糊聚类算法的发展。这种方法主要能有效地解决不确定模型或无人监督模式的系统。2000年，在第巧届国际模式识别会议上，美国学者polieker和Geva提出了一种新的基于时间序列的模糊聚类预报算法。这种算法基于时间聚类的结构，已成功地应用到例如语音识别和医学信号分析等不稳定的信号模式的分析、分割和预报上。模糊理论和神经网络的结合，为故障预报技术的发展进行了一种有益的尝试。2000年，AjithAb-raham和BaikunthNath36]在第2届工业计算机国际会议上提出了一种软计算的方法对电子电路系统进行智能在线监控。这种方法是通过直接测量或是通过传感器得到有效的控制向量，经过处理和标准化输入到神经一模糊模型中，和常规神经网络的预测结果相比较结果表明，这种算法明显优胜于人工神经网络的方法。粗糙集方法在故障预报中，同样也显示了其较为优越的性能。JoseM.Pena等利用粗糙集理论对数据进行分析和推理的能力，将粗糙集方法用到航空领域的飞机故障预报中，通过对飞机系统中众多传感器所收到的数据进行属性约简，提取规则，建立预测变量模型，从而实现故障预报。许多学者对小波神经网络在故障预报方面应用也作了有益的探讨。如P.M/ang和G.Vachtsevanos在1999年发表的文章就提到用动态小波神经网络对工业和制造业方面进行故障预报。动态小波神经网络结合了当时的信息和存储能力，因此能预言将来，并完成故障预报的任务。故障预报技术是安全技术研究中一个新兴的领域，它对提高系统的可靠性，提高企业的经济效益以及促进企业的科学管理都具有十分重要的