自-控制系统故障诊断 王建勋 b84213125 .docVIP

控制系统故障诊断 院 　系 北方科技学院 专 　业 机械设计制造及其自动化 班 级 B8４2131 学　 号 姓 名 王建勋 指导教师 王巍 负责教师 沈阳航空航天大学 2011年11月 故障诊断的概念以及方法 故障是由于系统中部分元器件功能失效而导致整个系统功能恶化的事件。当系统发生故障时，系统中全部或部分的参变量就表现出与正常状态不同的特性，这种差异就包含着丰富的故障信息。故障诊断的任务是对系统故障的特征进行描述，并利用这种描述去检测和隔离系统的故障。故障诊断包括故障特征提取、故障估价和故障决策等几个部分。 动态系统的故障检测与诊断（Faｕlt Detecｔiｏn anｄ Ｄiａgｎosｉs，FDD）是容错控制的重要支撑技术之一。ＦDＤ 技术的发展已大大超前于容错控制,其理论与应用方面的成果也远远多于容错控制,依然是人们研究的热点问题。目前国际上每年都有几百上千篇有关 ＦDD 方面的论文与报告涌现。故障诊断技术起源于　Beａｒｄ　在 1971 年发表的博士论文[2］。1９76　年,Wｉllｓky 在 Automatｉcａ 上发表了第一篇有关 ＦDD 方面的综述性文章[3]。Hｉｍmelｂlau 于 1９7８ 年出版了国际上第一本 ＦDD方面的学术著作[４]。随后有大量的这方面的重要综述文章与著作[5－1４]被发表。我国开始 FDD 技术的研究要比国外晚十年左右，清华大学的方崇智教授等从 19８3 年开始了 FDD 技术的研究工作。１98５ 年叶银忠等在《信息与控制》上发表了国内第一篇　FDD 技术的综述文章[6]。19９4 年周东华等在清华大学出版社出版了国内第一本 ＦDD　技术的学术专著［13]，随后几年又有相关的学术专著问世[14］。经过多年的发展，故障诊断技术的研究取得了丰富的研究成果,出现了众多的故障诊断方法。这些 ＦDD 方法大致可以分成依赖于模型的FDD 方法与不依赖于模型的 FＤD 方法两大类。状之间的差异，可以用隶属度函数表示;ｉｉｉ) 侯选者产生器,根据差异提出可能的故障源，一般用有限搜索法进行搜索；iv) 诊断策略，用来协调整个循环搜索过程，确定与实际过程的症状相匹配的模型。快速而高效的故障诊断算法一直是人们设计的目标，把智能算法用于故障诊断中并推广到实际应用中去，是人们研究的兴趣所在。吉林大学博士学位 1． 依赖于模型的故障诊断方法 基于模型的故障诊断方法的指导思想是用解析冗余取代硬件冗余，然后通过构造观测器估计出系统输出，再与系统输出的实际测量值作比较得到残差信号。残差信号中包含着丰富的故障信息，经过故障方向辨识，可以从中隔离出故障的部位,从而达到故障诊断的目的。基于解析模型的方法是现有 FDD 方法研究中成果最多的一个，又可以分为两种，分别是基于状态估计的故障诊断方法和基于参数估计的故障诊断方法。 ⑴ 基于状态估计的方法 一般认为,基于状态估计的方法起源于 １971　年 Beaｒd 所作的一次报告中[2]。在报告中，Ｂearｄ　首先提出了故障诊断检测滤波器的概念,这也标志着基于状态估计的故障诊断方法的诞生。随后有大量的研究人员对这种　FＤD　方法进行了探讨。基于状态估计的方法首先要构造状态观测器对系统的状态进行估计,用来得到系统输出的估计值。然后用输出的估计值和实际测量值之间的偏差信号作为残差信号来判断系统中是否发生了故障。正常情况下,系统的残差信号是很小或趋近于零的。当系统中发生了执行器、传感器或其他元部件的故障时，系统的残差信号则会有一个较大的变化，这种变化显然包含系统的故障信息在内，只需对残差信号进行故障方向辨识就可准确地定位出故障的位置。Commault 提出用一组观测器协作检测系统中发生的故障[１５］。这是更为有效、可靠的 FＤＤ方法,然而可能加大故障诊断的时间。为了使故障诊断机构对未知输入（扰动信号）和系统的参数摄动具有鲁棒性，Saｉf　应用未知输入观测器(UIO)方法设计了故障诊断算法[16]，并在线辨识受损部件的故障程度。随后,Chen 进一步研究了基于未知输入观测器的故障诊断方法[17],并将其用于含有随机噪声的一类系统的故障检测中[１８］。用于观测一类含随机噪声系统状态的更有效的工具是 Kalman 滤波器，很自然地研究人员就将 Kalman 滤波器用于随机系统的故障诊断。Caliskａn 将 Kalmａｎ　滤波器用于传感器的故障检测[19]，Kellｅr 则仔细分析了用于故障诊断的 Kalmaｎ　滤波器的结构,并对其残差进行了解耦,使得能够同时检测多个执行器故障[20]。Larson[21］使用和 Comｍault 相同的思路,但使用不同的方式发展了一组受限的kalｍan 滤波器,可以对系统中发生的执行器或传感器故障进行检测和诊断