对工业控制网络自身的故障检测与诊断：理论、方法与手段.doc

题目：对工业控制网络自身的故障检测与诊断：理论、方法与手段

姓　 名：
学　 号：
系 别： 电子信息工程
专 业： 电子科学与技术

2014年 10月 18日
摘要
对故障检测与诊断(FDD)技术在控制领域的最新进展进行了综述,内容主要包括三类基本方法,即:基于解析模型的FDD 、基于信号处理和基于知识的故障检测与诊断方法。重点评述了近年来发展起来的信息融合方法、多Agent 方法、鲁棒故障检测、网络控制系统的故障诊断等。最后介绍了故障检测与诊断技术在控制系统中的若干应用成果, 并指出尚待解决的主要问题和值得进一步研究的方向。
关键词:控制系统;故障检测与诊断;解析模型;鲁棒性

Abstract
The new development of fault detection and diagnosis (FDD)for control systems is surveyed,which consistsof the main three categories :analytical model-based approach ,signal processing based approach and knowledge-based approach .The recently developed methods such as information fusion , multi-agent approach , robust FDD ,the fault detection and diagnosis for networked control system are extensively reviewed .Some typical application resultsof fault detection and the diagnosis are given , and open issues on FDD are also pointed out .
Keywords :control system ;fault detection and diagnosis ;analytical model ;robu stness

引言
对于大型的复杂控制系统, 如果发生故障将严重影响到人的生命和财产安全,带来不可估量的损失。因此, 为了保障实际系统的可靠性、可维修性和安全性, 迫切需要建立一个监控系统来监督整个控制系统的运行状态, 实时检测系统变化和故障信息, 采取有效措施, 防止发生灾难性事故。故障检测与诊断(FDD)技术就是为了满足“监控系统”的需要而发展起来的。
FDD 是一门应用型的边缘学科,涉及控制理论、计算机工程、信号处理、人工智能等相关学科。美国麻省理工学院的Beard 于1971 年首先提出用解析冗余代替硬件冗余,利用系统的自组织使闭环系统稳定,通过比较观测器的输出得到系统故障信息的新思想,标志着FDD 技术的诞生，故障诊断已成为自控界的重要研究方向之一,取得了很多研究成果。
近年来,FDD 在一些新领域不断取得研究成果。本文拟对FDD 的三类基本方法以及最近得到发展的信息融合方法多Agent 方法、鲁棒故障检测、网络控制系统的故障诊断等的研究现状和存在问题进行综述。
1 　基于解析模型的方法
基于解析模型的方法是研究最早、最深入、最成熟的方法,可分为状态估计方法、等价空间方法和参数估计方法。尽管这三种方法是独立发展起来的,但它们之间存在一定的联系，其中基于观测器的状态估计法和等价空间法是等价的。由于设计非线性系统的状态观测器比较困难,因此参数估计法比状态估计法更适合于非线性系统,而一般的等价空间法仅适用于线性系统。
1 .1 　状态估计方法
基于状态估计的故障诊断方法发展至今已形成两种基本方法:(1)Beard 提出的故障检测滤波器的方法;(2)Menra和Peshon 提出的基于Kalman 滤波器的方法、Dlark 提出的构造Kalman 滤波器阵列或Luenberger 观测器阵列的方法。这类方法实现故障诊断一般分为两步:一是形成残差, 二是从残差中提取故障特征进而实现故障诊断。目前对于状态估计方法的研究主要集中在提高检测系统对于建模误差、扰动、噪声等未知输入的鲁棒性及系统对早期故障的灵敏度。
近年来出现了许多基于状态估计的故障诊断新方法,如Luenberger 鲁棒故障检测观测器方法 、线性矩阵不等式(linear matrix inequalities , LMI)方法、H2 估计、数据驱动Kalman 滤波器、滑模观测器法、时频分析time-frequencyanalysis , TFA)和自适应观测器相结合的方法、鲁棒故障检测与反馈控制的最优集成设计方法、鲁棒l1 估计方法、基于小波分析、模糊模型的故障检测与分离(faultdetection and isolation , FDI)方法、基于多模型(multiplemodel, MM)估计的混合估计方法等。
1 .2 　等价空间法
传统的等价空间法在进行故障诊断时存在问题:低阶等价向量在线实现比较简单但性能不好, 而高阶等价向量能带来比较好的性能却需较大的计算量,且产生较高的漏报率。针对传统等价空间法的缺陷, 一些学者提出改进方法，提出在等价空间法中引入窄带IIR 滤波器, 在提高系统检测性能的同时, 几乎不增加计算量, 但会产生高的漏报率。在低阶等价向量中引进小波变换能产生较好的检测性能, 却增加了计算量, 并使残差产生器在线实现复杂化。为此, 通过在残差产生器中引入平稳小波变换(stationary wavelet transform , SWT), 能降低计算量,且漏报率较低。利用神经网络对等价向量进行补偿,可提高系统对小幅值故障检测与分离的准确性。基于时间冗余的等价空间法不易实现故障分离,而某个故障在固定时刻位于等价空间的固定方向,通过选取最优转换矩阵, 将此固定方向与其它因素在等价空间中对应的方向相分离,可分离故障。
1 .3 　参数估计方法
参数估计法是根据模型参数及相应的物理参数变化的统计特性来检测和分离故障。由于物理参数具有明确的物理含义, 可由物理参数的异常得到故障定位和预估方面的明确信息。与状态估计法相比,参数估计法更利于故障的分离。随着研究的进展, 基于参数估计的故障诊断方法又有一些新成果。例如:基于模糊推理的参数估计方法、基于神经网络的参数估计方法,基于图像信号产生器的参数估计方法等,这些方法都提高了故障检测和分离性能。
2 　基于信号处理的方法
基于信号处理的方法是利用信号模型,如相关函数、高阶统计量、频谱、自回归滑动平均和小波变换等,直接分析可测信号,提取方差、幅值、频率等信息来进行故障检测与诊断。这种方法适用于线性系统和非线性系统。但是,避开对象数学模型的优点是实现简单、实时性较好;缺点则是对潜在的早期故障的诊断显得不足,多用于故障检测, 对故障分离和诊断的效果不很理想,若与其他方法结合可望提高故障诊断性能。
2 .1 　基于小波变换的方法
小波变换是一种信号的时间-尺度分析方法, 具有多分辨率分析的特点。在时频域都具有表征信号局部特征的能力,适合于非平稳信号的奇异性分析。利用连续小波变换可以区分信号突变和噪声, 而利用离散小波变换可检测随机信号频率结构的变化。小波变换对噪声的抑制能力较强, 具有较高的灵敏度,运算量也不大, 是一种很有前途的方法。近年来, 利用小波变换的优点,将小波变换与数学模型、神经网络、专家系统、模糊理论、矩阵奇异值等方法相结合, 提出了一些新的
FDD 方法, 进一步提高了动态系统的故障检测与诊断性能, 在实际工程应用中获得成功。
2 .2 　主元分析法
主元分析法(principal component analysis , PCA)是利用统计原理来建立描述系统的低维模型, 能有效地压缩数据和提取故障信息, 特别适合于大型的稳态动态系统进行监控, 且能实现在线实时诊断。目前PCA 与其它理论相结合的故障诊断方法,正处于快速发展之中, 如将PCA 与小波分析相结合, 将其推广到多尺度情形,更大地压缩数据矩阵;将非线性PCA 方法与径向基函数(radial basic function , RBF)神经元网络相结合进行故障检测时, 能获得更好的故障检测灵敏度和故障检测精度。PCA 方法和基于过程动态模型的故障诊断方法相结合,可对一些复杂故障和过程内部故障进行准确诊断, 将是今后进一步研究的方向。
3 　基于知识的方法
人工智能及计算机技术的飞速发展, 为故障诊断技术提供了新的理论基础, 产生了基于知识的诊断方法。此方法引入诊断对象的许多信息,特别是可以充分利用专家诊断知识,而且它具有“智能“特性, 是一种很有生命力的方法,尤其是在非线性系统领域。基于知识的方法主要可分为:神经网络方法、模糊数学方法、定性模型的方法、专家系统方法、故障树分析方法、信息融合方法和基于Agent 的方法等。
3 .1 　基于神经网络的方法
神经网络在故障诊断领域的应用研究主要集中在两个方面:一是从模式识别的角度,应用神经网络作为分类器进行故障诊断;二是将神经网络与其他诊断方法相结合而形成的复合故障诊断方法。人工神经元网络用于故障诊断主要有四种方式 :(1)用神经元网络产生残差;(2)用神经元网络评价残差;(3)用神经元网络做进一步诊断;(4)用神经元网络作自适应误差补偿。把模糊数学与神经网络相结合, 可以在神经网络框架下引入定性知识, 能得到更好的诊断性能, 具有巨大的应用
前景。联合多个神经网络的诊断方法能提高故障诊断的可靠性。因为神经网络存在诸如:训练样本获取困难、网络权值表达方式难以理解、忽视了领域专家的经验知识等问题,所以通过与基于模型的方法、专家系统、信息融合等理论相结合, 可以弥补其不足。
3 .2 　基于模糊数学的方法
模糊故障诊断方法便于处理定性知识,适用于测量值较少且无法获得精确模型的系统。其优点是:计算简单、应用方便、结论直观、减少许多不确定因素给诊断工作带来的困难;缺点是:构造隶属函数有一定的主观因素,而且如果特征元素的选择不合理,将影响诊断结果, 甚至造成诊断失败。基于模糊数学的方法主要有:(1)基于模糊模型的故
障诊断方法;(2)基于自适应模糊阈值的残差评价方法;(3)基于模糊聚类的残差评价方法;(4)基于模糊逻辑的残差评价方法;(5)基于模糊模式识别的故障诊断方法。单纯利用模糊推理进行故障诊断具有一定的局限性, 一般利用复合式方法来进行故障诊断, 如模糊故障树法、模糊专家系统法、模糊神经网络法、模糊小波神经网络法、模糊信息融合法等, 这些方法的诊断性能得到明显提高。
3 .3 　基于定性的方法
在实际应用中, 基于定量信息的故障诊断方法由于种种原因无法实现, 比如:故障不能用解析模型合理的描述;系统的先验知识不确定、不完备;系统知识是定性知识;系统本身太复杂,只能采用近似模型来描述等。为了解决这些问题, 许多学者采用定性模型的方法来进行故障诊断, 主要的方法有:(1)基于定性仿真理论的诊断技术;(2)基于定性过程理论的诊断技术;(3)基于带符号有向图的诊断技术;(4)基于定性观测器的诊断技术。利用定性方法进行故障诊断可以克服定量方法的鲁棒性和频响特性相对较差的缺陷,提高诊断精确度,减少误报,但定性方法也有其自身的局限性。为此提出了将定性方法与定量方法相结合的故障诊断新方法, 如基于定性推理与定量仿真集成的故障诊断推理方法、随机定性推理方法等,这些方法可以弥补各自的不足, 实现优势互补。
3 .4 　基于专家系统的诊断方法
传统的专家系统故障诊断方法存在着一些自身难以解决的问题, 如:知识获取的“瓶颈”问题、逻辑推理的“组合爆炸“ ;在自适应、学习能力及实时性方面也有局限性。为克服这些不足,有人提出一些新的专家系统故障诊断方法。基于Petri 网建立对象行为模型, 结合专家系统的优点,对电力系统输电网络故障进行诊断。该方法不仅有效、准确、通用,还提高了故障诊断速度。文献把遗传算法与专家系统相结合进行故障诊断, 提高了系统抑制噪声的能力, 同时较好地解决了推理速度和知识获取困难的问题。同样,在专家系统中引入故障树, 可以避免建立繁琐而庞大的规则库。基于人工神经网络的专家系统故障诊断方法和基于模糊数学的专家系统诊断方法, 都能提高故障诊断效率, 且有利于知识的升级、更新与维护。
3 .5 　故障树分析方法
利用故障树分析法(fault tree analysis , FTA)进行故障诊断兼顾了基于规则和基于定量模型的优点, 为复杂系统的故障诊断提供了一种有效途径, 是实际系统中常用的比较有效的诊断方法,近年来又出现一些新的进展。在经典故障树重要度分析方法的基础上引入模糊集合理论,可解决可靠性工程中因数据不充分而带来的模糊性,有效弥补了经典概率方法的不足。通过在给定故障树顶事件和底事件概率描述的基础上, 计算故障树最小割集的重要度, 并在量级上进行分析比较,为系统的故障源搜寻提供具体有效的测试步骤, 适用于大型复杂系统的故障诊断,在工程上有广泛的应用前景。Petri 网可用于表达系统逻辑关系, 完成知识表示和诊断推理,提出把Petri 网与故障树分析相结合的故障诊断方法,满足了实际复杂系统的需要,提高了诊断性能。
3 .6 　故障诊断的信息融合方法
基于信息融合原理的智能故障诊断方法, 是通过多传感器获取设备状态的特征信号来提取征兆, 并进行多层面的关联组合、数据选择, 从而获得对诊断对象故障信息更可靠的认识和潜在故障发展趋势的态势评估。信息融合用于故障诊断的起因有三个方面:一是多传感器形成不同通道的信号;二是同一信号形成了不同的特征信息;三是不同诊断途径得出了有偏差的诊断结论。融合诊断的最终目标是综合利用各种信息, 提高诊断准确率。信息融合故障诊断方法主要包括:Bayes 证据理论、模糊融合、D-S 证据推理、神经网络信息融合等。目前又提出了许多复合诊断方法, 如模糊神经网络信息融合方法、集成小波神经网络信息融合方法、基于多级支持向量机(multi-class support vector machines , MSVM s)的集中和分布式数据融合方法、神经网络与证据推理相结合的信息融合方法等。
3 .7 　基于Agent 的故障诊断
诊断Agent 是一种嵌套式多Agent 组织模型,它将多传感器信息融合算法引入Agent 设计中, 设计出一组分工协作的多Agent 系统(multi-agent system , MAS)。该方法不仅能提高诊断准确率,而且增强环境的适应性, 使系统在运行过程中发现和挖掘知识,提高学习能力, 实现诊断系统性能的自我完善、发展和提高, 很适合大规模诊断问题的智能求解。一般Agent 故障诊断系统需要解决的关键问题有:(1)故障信号的检测, 特征信息的提取;(2)故障诊断Agent的刻画;(3)管理控制Agent 及数据挖掘Agent 的设计;(4)各Agent 之间的通信与协作。目前主要的诊断方法有:基于模糊数学融合诊断Agent , 基于模糊神经网络融合Agent 、基于D-S 证据理论的融合Agent 、基于案例推理(case-based reasoning , CBR)的多Agent 方法等。对于一个动态分布的、实时的和不确定的复杂系统,MAS 在故障的分辨诊断和控制方面表现出了极大的优势:它通过与所处环境、人以及个体之间进行相互协作表现出一定的社会智能, 能解决一些传统人工智能(ar tificial intelligence, AI)无法解决的大规模复杂的问题,现已成为AI领域研究。
结束语
从近年发表的文献看出, FDD 方法正趋向于综合化。把定量模型方法与基于定性模型、半定性模型的方法进行有机融合, 实现优势互补, 已成为FDD 的一个研究热点。虽然基于解析模型方法的研究仍集中于线性系统, 但对非线性系统FDD 的研究已得到重视。由于不确定性的影响, 对鲁棒性问题的研究会越来越多,而多目标约束的鲁棒FDD 方法将成为新的研究方向。另外, 基于多模型(MM )估计的诊断方法正引起人们的研究兴趣, 但如何设计最优的模型集和合理的估计器等还需要更深入的研究。基于信号处理的方法发展较完善, 将小波分析引入故障诊断, 涌现出大量的应用成果, 仍是今后研究的热点。Delta 算子方法在高速信号处理和控制方面比移位算子方法具有很大的优越性, 在故障诊断中引入Delta 算子,可以实现在线实时检测, 具有灵敏度高、计算量小、抗噪声能力强等优点。因此, Delta 算子方法在故障诊断中的应用有望成为FDD 新的研究方向之一。基于知识的方法对于非线性系统和复杂系统具有较高的应用价值,更适用于实际的工业装置。而且其“智能”特性,符合对系统的自然推理,是一种很有前途的方法。遗传算法是一种先进的全局优化算法, 将其应用于FDD 领域,有待于进一步研究。把Petri 网用到控制系统的故障诊断,能有效实现诊断系统的模型化,也是一种新方法, 值得深入研究。多Agent 方法能解决一些传统人工智能方法无法解决的大规模复杂问题, 其在故障诊断中的应用具有广阔的发展前景。基于NCS 自身的特点,对其进行故障检测与诊断将是FDD 研究的新领域。虽然故障检测与诊断在理论上取得了许多突破和进展, 但用于实际工业过程的还不多见, 因此,探索适合实际应用的故障检测与诊断方法将是科技人员面临的具有挑战性的研究课题。
参考文献
[ 1] Beard R V .Failure accommodation in linear systems through self-reorganization[ R] .Rep ort MVT-71-1 , Man Vehicle Lab ,MIT , Cambridge, Massachusetts, 1971 .
[ 2] Willsky A S .A survey of design methods f or failure detection in dynamic systems[ J] .Automatica , 1976 , 12 :601-611 .
[ 3] 叶银忠, 潘日芳, 蒋尉孙.动态系统的故障检测与诊断方法[ J] .信息与控制, 1985 , 15(6):27-34 .
[ 4] 周东华, 孙优贤.控制系统的故障检测与诊断技术[ M] .北京:清华大学出版社, 1994 .
[ 5] 张萍, 王桂增, 周东华.动态系统的故障诊断方法[ J] .控制理论与应用, 2000 , 17(2):153-158 .
[ 6] 张登峰, 王执铨, 孙金生.控制系统故障诊断的理论与技术[ J] .数据采集与处理, 2002 , 17(3):293-299 .
[ 7] 张爱玲, 张文英, 张瑞金. 控制系统故障检测与诊断技术的最新进展[ J] .系统工程与电子技术, 2007 , 29(4):659-664 .
[ 8] 魏春岭, 张洪钺.多传感器斜置系统故障检测的奇偶向量补偿方法[ J] .北京航空航天大学学报, 2001 , 27(16):698-701 .