（控制理论与控制工程专业论文）广义系统观测器设计及故障诊断.pdf

中文摘要 本文的工作是围绕广义系统观测器的设计及故障检测和诊断而 展开。 首先对控制系统的变结构控制、 广义系统、 故障检测和诊断技 术研究方法和成果进行了回顾。 然后， 本文重点讨论了 两种观测器的 设计及其故障检测和诊断方法: 基于滑模观测器的广义系统故障检测 和诊断方法、基于函数观测器的广义系统故障检测和诊断方法。 近二十年来， 为了 提高系统运行的可靠性， 寻找更为有效的 方法 对控制系统进行故障检测和诊断 ( f d 工 )一直是研究的热点。故障检 测的目的是当故障发生时能够及时报警， 而故障隔离 ( 诊断) 的目的 是能够准确地确定故障所发生的位置。 在对系统的结构特征以 及系统 的输入输出 信号分析的 基础上， 获得表征系统故障的 信息， 以 检测并 分离出系统的故障， 是进行系统容错控制决策的基础， 具有重要的 意 义。 目 前， 故障检测和诊断最有效的方法之一是基于观测器的设计方 法。 这种方法的主要思想是构建观测器去估计系统的输出， 再利用实 际输出 和估计输出的差值生成残差信号， 由 此残差信号， 对系统的 故 障进行分析和判断。 滑模观测器对不确定的参数变量和噪声具有不敏感性和良 好的 鲁棒性， 设计和补偿都很简单， 这些都决定了滑模观测器是一种很好 的观测器设计方法。 观测器的参数化可用于解决最优h z 1 f i滤波问 题，鲁棒观测器，观测一控制器设计及故障检测等设计问题。 本文 分别讨论了 滑模观测器和函数观测器的设计方法及其在故障检测中 的应用。 分析了观侧器的生成机理， 最后给出了数值仿真例子以阐述 所提方法的使用步骤。 关键词: 广义系统，变结构控制，观测器，参数化，滑动模态， 故障诊断，故障检测。 abs tract i n t h i s p a p e r , t h e d e s i g n o f o b s e r v e r s a n d t h e i r a p p l i c a t i o n s i n f a u l t d e t e c t i o n a n d i s o l a t i o n任d i ) a r e i n v e s t i g a t e d i n d e t a i l . f i r s t l y , a v a r i a b l e - s t r u c t u r e o b s e r v e r i s d i s c u s s e d a n d a f d i m e t h o d i s i l l u s t r a t e d f o r g e n e r a l i z e d d y n a m i c a l s y s t e m s . t h e n , a c l a s s o f fu n c t i o n o b s e r v e r s i s c h a r a c t e r iz e d a n d it s a p p l i c a t i o n s i n o b s e r v e r - b a s e d c o n t r o l a n d f a u l t d e t e c t i o n a r e a n a l y z e d . h o w t o d e t e c t a n d i s o l a t e t h e s y s t e m f a u l t s h a s b e e n o f c o n s i d e r a b l e i n t e re s t d u r i n g t h e p as t t w o d e c a d e s . t h e r e s e a r c h i s s t i l l u n d e r t h e w a y i n d e v e l o p in g m o re e ff e c t i v e s o l u t i o n s t o f d i in a u t o m a t ic c o n t r o l s y s t e m s . t h e p u r p o s e o f t h e f a u lt d e t e c t i o n i s t o d e t e r m i n e i f a f a u l t h a s o c c u r r e d i n t h e s y s t e m, w h e r e a s t h e f a u l t i s o l a t i o n i s t o d e t e r m i n e t h e l o c a t i o n o f t h e d e t e c t e d f a u l t . b as e d o n t h e a n a l y s e s i n s y s t e m s t ru c t u re a n d i n p u t a n d o u t p u t i n f o r m a t i o n , i t i s i m p o r t a n t t o d e t e c t a n d i s o l a t e t h e f a u l t s i g n a l s f o r f a u l t - t o l e r a n t c o n t r o l d e c i s i o n . o b s e r v e r - b as e d f d i a p p r o a c h i s o n e o f t h e m o s t i m p o r t a n t m e t h o d s i n s y s t e m d e s i g n . t h e e r r o r b e t w e e n t h e a c t u a l o u t p u t a n d i t s e s t i m a t i o n i s u t i l i z e d as t h e f a u l t i n d i c a t o r . t h e s l i d i n g m o d e o b s e r v e r i s i n s e n s i t i v e t o u n k n o w n p a r a m e t e r v a r i a t io n a n d n o i s e s . t h u s t h e s l i d i n g m o d e o b s e r v e r - b a s e d f d i h as n i c e r o b u s t n e s s a n d h a s b e c o m e a k i n d o f p o w e r f u l d e s ig n a p p ro a c h e s . t h e f u n c t i o n o b s e r v e r p a r a m e t e r i z a t i o n c a n b e u t i l i z e d t o s o l v e o p t i m a l h , 1 h . f i lt e r in g p r o b l e m s , r o b u s t o b s e r v e r d e s i g n p r o b l e m a n d f d i p ro b l e m . b y s e l e c t i n g t h e fr e e p a r a m e t e r g ( s ) e r h, t h e f a u lt s i g n a l c a n b e e x h i b i t e d p r o p e r l y v i a t h e r e s i d u a l s i g n a l w h e n a f a u l t o c c u r s i n a s y s t e m. n u m e r i c a l e x a m p l e s a r e g i v e n t o i l l u s t r a t e t h e d e s i g n p r o c e d u r e . t h e s i m u l a t i o n r e s u l t s s h o w s a t i s f a c t o ry p e r f o r m a n c e k e y wo r d s : g e n e r a l i z e d d y n a m i c a l s y s t e m s , v a r i a b l e s t ru c t u r e p a r a m e t e r i z a t i o n , s l i d i n g m o d e , f a u l t d e t e c t i o n a n d i s o l a t i o n . c o n t r o l , o b s e r v e r , 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果， 除了文中特别加以标注和致谢之处外， 论文中不包含其他人已 经发表 或 撰 写 过 的 研 究 成 果， 也 不 包 含 为 获 得 2 边叁鱿乞或 其 他 教 育 机 构 的 学 位 或 证 书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均己 在论文中 作了明确的说明并表示了谢意。 学位论文作者签名 o 、 签 字 日 期 : 如 娇知，介 学位论文版权使用授权书 本 学 位 论 文 作 者 完 全 了 解二 气 建 大生 有 关 保留 、 使 用 学 位 论 文 的 规 定 。 特 授 权 适进选崖 上 可 以 将 学 位 论 文 的 全 部 或 部 分内 容 编 入 有 关 数 据 库 进 行 检 索， 并采用影印、 缩印或扫描等复制手段保存、 汇编以供查阅和借阅。同 意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名 a ( t 导 师 签 名 : 高 琳 签 字 日 期 : y -* 月 r f1签 字 日 期 :-),00 牙 年6 月 标 第一章 绪论 第一章绪论 1 . 1 滑模变结构控制理论研究及发展背景 变结构控制是在俄罗斯产生的控制理论，5 0年代末由叶米里亚若夫倡导， 其后由乌特金等追随， 研究中心是莫斯科控制问 题研究所。7 0年代中期，欧美 学者注意到这一理论。 8 0 年代中期，此理论引起了我国学者的重视。 根据乌特金的看法变结构控制理论的研究历史可划分为三个时期和两个发 展阶段 1 。 第一时期，1 9 5 7 年1 9 6 2 年，基本上研究的是二阶线性系统，其中以 误差 ( 或其导数) 进行反馈， 并假定反馈系数可以 在两个可能的值中取一个。 这样的 系统的行为， 在误差及其导数构成的相平面内进行研究， 相应的方程具有如下形 式: x , =x 2 ， x 2 =- a , x , 一a 2 x 2 +u 式中，x : 一误 差，a , , a ， 一常数。控制u 取如下形式: y x i 系 数w 在坐标轴和 直线s = c x , + x 2 ( c 是常 数 ) 上 切换， x s 0 x s 0 x s 。 0 并将它用于多变量的变结构系统的设计。 仿真结果说明， 这种设计能保证由 初始 时刻到最后时刻都有鲁棒性， 而传统的固定结构在系统到达切换面之前的正常运 动段，对参数变化和外部扰动是很灵敏的。 文 3 j 提 出 了 修改 变 结 构 控 制 器 。 基 本 思 想 是 用 两 个 切 换 面 s , = 。 和s 2 = o 构成滑动扇面。目的是让切换频率降低， 减小抖振， 但又保持鲁棒性与快速响应 特性等。 文【 4 , 5 提出了旋转 ( 时变斜率) 和移动 ( 时变截距) 滑动面的概念用 于二阶系统的跟踪控制。文 6 提出了随机超平面的概念。早在1 9 7 5 年z i n o b e r 就提出过非线性切换面的设计法。 该非线性切换面相当于任一时刻根据系统的状 态自 动而 恰当 地选取参数c ， 的 线性 切换面。 文 7 提出 带 指数的 切换面。 以 上都是切换面的选取。至于控制的求取，历来使用状态构成控制，这样 就要全状态可测， 若输出不含全状态变量， 理论上可用状态观测器重构状态， 再 用于滑模控制。当系统参数不确定时， 状态变量难以精确重构，因此， 通过状态 变量观测器来实现滑模控制鲁棒性不好。 冯纯伯等提出了仅用输入和输出信号实现变结构控制方案。这样既保持变 结构控制具有高鲁棒性的特点， 又便于实现。 此方案引入了一个严格正实的比 较 模型和适当逻辑切换的状态变量过滤器。 在系统建模部分的相对阶为1 时， 所设 计的系统能实现滑模控制; 在相对阶大于1 时，尚需引入一个符号跟随系统， 此 方案理论性强，但它的方案却针对着实用。 看到这个方向的有h e c k 和f e r r i ， 他们 1 9 8 9 年就提出要把输出反馈用于变 结 构系统。 其后， w a n g w e n - j u n e 等建议 用直接输出 反 馈变结 构控制来 稳定不 确 定系统。当然还有其他工作，这里不一一列举【 8 9 1 。 在变结构控制系统的研究中，注意力集中在滑动模态上，而对进入切换面 之前的运动，即正常运动段关心较少。 高为炳等首先提出了 趋近律的概念， 列举 了诸如等速趋近律， 指数趋近律， 幕次趋近律直到一般趋近律。 高氏还首先提出 了自由递阶的概念。 这里， 还要指出近年来我国学者在变结构系统方面的一个动向， 那就是把变 结构控制和其他控制结合起来。 比 如， 与自 适应控制相结合， 与模糊控制相结合， 与神经网 络控制相结合等。 其研究前景是相当广阔的。 但就作者所知，关于广义系统变结构控制的研究方面的文献还很少，从而 使得这个领域的研究还需要深入， 本文的研究初衷也在于此， 希望在正常系统的 第一章 绪论 变结构控制的基础上，将一些方法移植到广义系统变结构控制中来。 1 . 3 故障检测和诊断技术的 研究背景及发展 1 . 3 . 1 故障检测和诊断的基本定义 故障为使系统表现出不希望特性的任何异常现象， 或动态系统中部分元器件 功能失效而导致整个系统性能恶化的 情况或事件 l o f t 川。 故障的种类， 从系统的结构分有受校对象故障、 传感器故障、 执行器故障和 控 制器 ( 控制 机构或计算机 接口 ) 故障: 从故 障 程 度分 有缓变故障 ( 又 称软故障， 元 器 件参数 值随时间的 推移和环境的 变 化而 缓 慢变 化的 故障 ) 、 突 变故障 ( 元 件参 数 突 然出 现很大 偏差， 事前不可监测 和预 测) 、间 隙 故障( 老化、 容 差不 足 或接触 不 良 引 起的 时隐时 现的 故障 ) ; 从故障间 的 相互关 系分 有单故障( 故障 仅 涉 及单 个 元 件故 障 或性能降 低) 、 多故障( 故障涉及多 个 元件故障或性能降低 ) 、 独 立故障 ( 故 障由 元器件本身因素引 起，与其它元器件故障与否无关) 和局部故障( 由 某一个元 器件引起的故障) 。 1 . 3 . 2故障 检测和诊断的研究的内 容 i i i 通常人们定义故障为使系统表现不希望特性的任何异常现象动态系统中部 分元器件功能失效而导致整个系统性能恶化的情况或事件。 当系统发生故障时。 系统中的各种量 ( 可测或不可测的) 或它们的一部分表 现出与正常状态不同的特性， 这种差异就包括丰富的故障信息， 如何找到这种故 障的特征描述， 并利用它来进行故障的监测隔离就是故障诊断的任务。 故障诊断 包括特征提取、故障的分离与预计和故障评价与决策等几个方面的内 容。 故障的特征提取: 通过测量和一定的 信息处理技术获取反映系统故障的特征 描述的过程。 故障的分离与估计: 根据检测的故障特征确定系统是否出现故障以 及故障的 程度的过程。 故障的评价与决策: 根据故障分离与估计的结论对故障的危害及严重程度做 出 评价， 进而作出是否停止任务进程及是否需要维修更换的决策。 故障诊断的任务，由 低级到高级，可分为四 个方面的内 容: ( 1 ) 故障建模。 按照先验信息和输入输出的关系， 建立系统故障的数学模型， 作为系统故障 检测和诊断的依据。 ( 2 ) 故障检测。 从可测或不可侧的估计变量中， 判断运行的系统是否发生故障。 一旦系统发 第一章 绪论 变结构控制的基础上，将一些方法移植到广义系统变结构控制中来。 1 . 3 故障检测和诊断技术的 研究背景及发展 1 . 3 . 1 故障检测和诊断的基本定义 故障为使系统表现出不希望特性的任何异常现象， 或动态系统中部分元器件 功能失效而导致整个系统性能恶化的 情况或事件 l o f t 川。 故障的种类， 从系统的结构分有受校对象故障、 传感器故障、 执行器故障和 控 制器 ( 控制 机构或计算机 接口 ) 故障: 从故 障 程 度分 有缓变故障 ( 又 称软故障， 元 器 件参数 值随时间的 推移和环境的 变 化而 缓 慢变 化的 故障 ) 、 突 变故障 ( 元 件参 数 突 然出 现很大 偏差， 事前不可监测 和预 测) 、间 隙 故障( 老化、 容 差不 足 或接触 不 良 引 起的 时隐时 现的 故障 ) ; 从故障间 的 相互关 系分 有单故障( 故障 仅 涉 及单 个 元 件故 障 或性能降 低) 、 多故障( 故障涉及多 个 元件故障或性能降低 ) 、 独 立故障 ( 故 障由 元器件本身因素引 起，与其它元器件故障与否无关) 和局部故障( 由 某一个元 器件引起的故障) 。 1 . 3 . 2故障 检测和诊断的研究的内 容 i i i 通常人们定义故障为使系统表现不希望特性的任何异常现象动态系统中部 分元器件功能失效而导致整个系统性能恶化的情况或事件。 当系统发生故障时。 系统中的各种量 ( 可测或不可测的) 或它们的一部分表 现出与正常状态不同的特性， 这种差异就包括丰富的故障信息， 如何找到这种故 障的特征描述， 并利用它来进行故障的监测隔离就是故障诊断的任务。 故障诊断 包括特征提取、故障的分离与预计和故障评价与决策等几个方面的内 容。 故障的特征提取: 通过测量和一定的 信息处理技术获取反映系统故障的特征 描述的过程。 故障的分离与估计: 根据检测的故障特征确定系统是否出现故障以 及故障的 程度的过程。 故障的评价与决策: 根据故障分离与估计的结论对故障的危害及严重程度做 出 评价， 进而作出是否停止任务进程及是否需要维修更换的决策。 故障诊断的任务，由 低级到高级，可分为四 个方面的内 容: ( 1 ) 故障建模。 按照先验信息和输入输出的关系， 建立系统故障的数学模型， 作为系统故障 检测和诊断的依据。 ( 2 ) 故障检测。 从可测或不可侧的估计变量中， 判断运行的系统是否发生故障。 一旦系统发 第一章 绪论 变结构控制的基础上，将一些方法移植到广义系统变结构控制中来。 1 . 3 故障检测和诊断技术的 研究背景及发展 1 . 3 . 1 故障检测和诊断的基本定义 故障为使系统表现出不希望特性的任何异常现象， 或动态系统中部分元器件 功能失效而导致整个系统性能恶化的 情况或事件 l o f t 川。 故障的种类， 从系统的结构分有受校对象故障、 传感器故障、 执行器故障和 控 制器 ( 控制 机构或计算机 接口 ) 故障: 从故 障 程 度分 有缓变故障 ( 又 称软故障， 元 器 件参数 值随时间的 推移和环境的 变 化而 缓 慢变 化的 故障 ) 、 突 变故障 ( 元 件参 数 突 然出 现很大 偏差， 事前不可监测 和预 测) 、间 隙 故障( 老化、 容 差不 足 或接触 不 良 引 起的 时隐时 现的 故障 ) ; 从故障间 的 相互关 系分 有单故障( 故障 仅 涉 及单 个 元 件故 障 或性能降 低) 、 多故障( 故障涉及多 个 元件故障或性能降低 ) 、 独 立故障 ( 故 障由 元器件本身因素引 起，与其它元器件故障与否无关) 和局部故障( 由 某一个元 器件引起的故障) 。 1 . 3 . 2故障 检测和诊断的研究的内 容 i i i 通常人们定义故障为使系统表现不希望特性的任何异常现象动态系统中部 分元器件功能失效而导致整个系统性能恶化的情况或事件。 当系统发生故障时。 系统中的各种量 ( 可测或不可测的) 或它们的一部分表 现出与正常状态不同的特性， 这种差异就包括丰富的故障信息， 如何找到这种故 障的特征描述， 并利用它来进行故障的监测隔离就是故障诊断的任务。 故障诊断 包括特征提取、故障的分离与预计和故障评价与决策等几个方面的内 容。 故障的特征提取: 通过测量和一定的 信息处理技术获取反映系统故障的特征 描述的过程。 故障的分离与估计: 根据检测的故障特征确定系统是否出现故障以 及故障的 程度的过程。 故障的评价与决策: 根据故障分离与估计的结论对故障的危害及严重程度做 出 评价， 进而作出是否停止任务进程及是否需要维修更换的决策。 故障诊断的任务，由 低级到高级，可分为四 个方面的内 容: ( 1 ) 故障建模。 按照先验信息和输入输出的关系， 建立系统故障的数学模型， 作为系统故障 检测和诊断的依据。 ( 2 ) 故障检测。 从可测或不可侧的估计变量中， 判断运行的系统是否发生故障。 一旦系统发 第一章 绪论 生意外变化，应发出报警。 ( 3 ) 故障的分离与估计。 如果系统发生了故障， 给出故障源的位置， 区别出故障原因是执行器、 传感 器和被控对象等或者是特大扰动。 故障估计是在弄清故障性质的同时， 计算故障 的程度、大小及故障发生的时间等参数。 ( 4 ) 故障的分类、 评价与决策。 判断故障的严重程度， 以 及故障对系统影响和发展趋势， 针对不同的工况采 取不同的措施，其中包括保护系统的启动。 1 . 3 .2 . 1系统故障的 特征量及其获取 表现系统故障的 特 征量可以 是: ( 1 ) 可 测的 系统输入输出 信息; ( 2 ) 不可 测的 状态 变量: ( 3 ) 不可测的 模型 参 数向 量; ( 4 ) 不可测的 特征向 量; ( 5 ) 人的 经 验知识。 获取这些特征量的方法主要有三种: ( 1 ) 直接观测和测量: ( 2 ) 参数估计、 状 态估 计或滤波与重构; ( 3 ) 对测量值进行某种信息处理。 1 . 3 .2 . 2 系统故障的决策和分离方法 故障决策和分离的 方法主 要有: ( 1 ) 阐 值逻 辑法; ( 2 ) 多 种模型假设检 测法; ( 3 ) 贝 叶斯决策函 数法; ( 4 ) 特征量 统 计检测法; ( 5 ) 人工神经网 络法; ( 6 ) 专 家系统 法; ( 7 ) 模式识别法; ( s ) 模 糊数学 法: ( 9 ) 逻辑代数法。 1 . 3 .3 控制系统故障 检测 和诊断的 各 种方法1 1 1 1 2 1 3 1 根据系统采用的特征描述和决策方法的差异形成了不同的故障诊断方法， 概 括起来有:依赖于模型的故障诊断方法和不依赖于模型的故障诊断方法两大类。 1 . 3 .3 . 1依赖于模型的故障诊断方法 基于模型的故障诊断技术的核心思想是用解析冗余取代硬件冗余 ( 物理冗 余) 。解析冗余主要是通过构造观测器估计出系统的输出，然后将它与输出测量 值作比较从中获得故障信息。 它又可以分为两种: 基于状态估计的故障诊断方法 和基于参数估计的诊断方法。 ( 一 ) 基于状态估 计的 故障 诊断 方法。 1 9 7 1 年， b e a r d 首先提出 故障诊断 检测滤波器的概念， 标志着基于状态估计 的解析冗余故障诊断方法的诞生。 这种故障诊断方 法至 今形 成了 三 种基本方法: ( 1 ) b e a r d 提出 故障 诊断 检 测滤 波器的 方法: ( 2 ) m e n r a 和p e s h o n提出的 基于k a l m a n 滤波器的 方法、 c l a r k 提出 的构 造k a l m a n 滤波器阵列或l u n b e r g 观测器阵列的方法; ( 3 ) d e c k e r t 提出的 一致 第一章 绪论 生意外变化，应发出报警。 ( 3 ) 故障的分离与估计。 如果系统发生了故障， 给出故障源的位置， 区别出故障原因是执行器、 传感 器和被控对象等或者是特大扰动。 故障估计是在弄清故障性质的同时， 计算故障 的程度、大小及故障发生的时间等参数。 ( 4 ) 故障的分类、 评价与决策。 判断故障的严重程度， 以 及故障对系统影响和发展趋势， 针对不同的工况采 取不同的措施，其中包括保护系统的启动。 1 . 3 .2 . 1系统故障的 特征量及其获取 表现系统故障的 特 征量可以 是: ( 1 ) 可 测的 系统输入输出 信息; ( 2 ) 不可 测的 状态 变量: ( 3 ) 不可测的 模型 参 数向 量; ( 4 ) 不可测的 特征向 量; ( 5 ) 人的 经 验知识。 获取这些特征量的方法主要有三种: ( 1 ) 直接观测和测量: ( 2 ) 参数估计、 状 态估 计或滤波与重构; ( 3 ) 对测量值进行某种信息处理。 1 . 3 .2 . 2 系统故障的决策和分离方法 故障决策和分离的 方法主 要有: ( 1 ) 阐 值逻 辑法; ( 2 ) 多 种模型假设检 测法; ( 3 ) 贝 叶斯决策函 数法; ( 4 ) 特征量 统 计检测法; ( 5 ) 人工神经网 络法; ( 6 ) 专 家系统 法; ( 7 ) 模式识别法; ( s ) 模 糊数学 法: ( 9 ) 逻辑代数法。 1 . 3 .3 控制系统故障 检测 和诊断的 各 种方法1 1 1 1 2 1 3 1 根据系统采用的特征描述和决策方法的差异形成了不同的故障诊断方法， 概 括起来有:依赖于模型的故障诊断方法和不依赖于模型的故障诊断方法两大类。 1 . 3 .3 . 1依赖于模型的故障诊断方法 基于模型的故障诊断技术的核心思想是用解析冗余取代硬件冗余 ( 物理冗 余) 。解析冗余主要是通过构造观测器估计出系统的输出，然后将它与输出测量 值作比较从中获得故障信息。 它又可以分为两种: 基于状态估计的故障诊断方法 和基于参数估计的诊断方法。 ( 一 ) 基于状态估 计的 故障 诊断 方法。 1 9 7 1 年， b e a r d 首先提出 故障诊断 检测滤波器的概念， 标志着基于状态估计 的解析冗余故障诊断方法的诞生。 这种故障诊断方 法至 今形 成了 三 种基本方法: ( 1 ) b e a r d 提出 故障 诊断 检 测滤 波器的 方法: ( 2 ) m e n r a 和p e s h o n提出的 基于k a l m a n 滤波器的 方法、 c l a r k 提出 的构 造k a l m a n 滤波器阵列或l u n b e r g 观测器阵列的方法; ( 3 ) d e c k e r t 提出的 一致 第一章 绪论 性空间的方法。 这 类方法实 现故障诊断分两步: ( 1 ) 形成 残差，即 真实 系统的 输出 与 状态 观 测器或k a l m a n 滤波器的 输出的差 值; ( 2 ) 从 残差中 提取故障特征进而实 现故障诊 断。 ( 二 ) 基于 参数估计的故障诊断 方 法。 i s e r m a n ( 1 9 8 4年) 对于参数估计的故障诊断方法做出了完整的描述。这种 故障诊断方法实现故障诊断的思路是: 有机理分析确定系统的模型参数和物理元 件 参 数 之 间 的 关 系 方 程b 二 f ( p ) ， 由 实 时 辨 识 求 得 系 统 的 实 际 模 型 参 数 6 ， 由 9 = f ( p ) 和 9 求 解 实 际 的 物 理 元 器 件 参 数 p ， 将 户 和 p 的 标 称 值 比 较 从 而 确 定 系 统是否故障及故障的程度。 1 .3 .3 .2不依赖于模型的故障诊断方法 ( 一 ) 基于直接可测信号的故障诊断方法 ( 1 ) 可测值或其变化趋势值检查的方法。 这种故障诊断方法根据直接可测量的输入输出及其变化趋势来进行故障诊 断， 其依据是: 正常情况下， 被控过程的 输入输出 及其变化趋势在一定范围内 变 动 ， 即 u , _ 4 0 :5 u -， y . . y ( t ) y -。 ( 2 ) 基于可测信号处理的故障诊断方法。 系统的输出在幅值、 相位、 频率及相关性上与故障源存在着某种关系， 如旋 转机械中的滚动轴承在出 现疲劳脱落、 压痕或局部腐蚀等故障时， 其振动信号的 功率谱就会出现相应的反应， 利用这种反应可确定系统的故障。 常用的基于信号 因果关系的信号处理方法有:谱分析、 相关分析、功率谱分析和概率密度法。 ( 二 ) 基于 经验知识的故障诊断方法 ( 1 )故障诊断的专家系统方法。 在系统运行过程中，若某一时刻系统发生故障，领域专家往往可以 凭视觉， 听觉、 嗅觉和触觉或测量设备得到一些客观事实， 并根据对系统结构的 和系统故 障历史的深刻了解很快就做出判断， 确定故障的原因和部位。 对于复杂系统的故障诊断， 这种基于专家系统的故障诊断方法尤为有效。 随 着计算机科学和人工智能的发展形成的专家系统的方法， 克服了基于模型的故障 诊断方法对模型的过分依赖性， 成为故障检测和故障诊断的有效方法， 并在许多 领域得到应用。 ( 2 ) 故障树故障诊断方法。 故障树是表示系统或设备特定事件或不希望事件与它各个子系统或各个部 件故障事件之间的逻辑结构图， 通过这种结构图对系统故障形成的原因作出 总体 第一章 绪论 至部分按树状逐渐地细化划分。 故障树分析方法可对系统或机械的故障进行预测 和诊断。 ( 3 )基于模式识别的故障诊断方法。 这种故障诊断方法实现故障诊断的步骤分为 两个阶段。 离线分析: 通过离线分析确定能够表达系统故障状态的特征向量集和以该特征向量集 描述的故障模式向 量， 由 此形成故障的 基准模式集， 并确定区分识别这些故障模 式向量的判别函数。 在线诊断: 实时提取故障的特征向量，由判别函数对故障进行分离定位。 ( 4 )基于模糊数学的故障诊断方法。 系统的状态有时是不分明的、 不确定的， 因此可以用模糊集来描述。 通过采 用模糊聚类分析将模糊集分为不同水平的子集，由 此判别故障最可能属于的子 集。 另一个有效的方法是首先建立起故障与故障成因的模糊关系矩阵r， 如果当 前故障的故障成因向量的模糊隶属度为c ( c h a r a c t o i i s t ic ) ，则故障f通过模糊合 成加以确定，故障f= r - co ( 5 )基于人工神经网络的故障诊断方法。 人工神经网络的故障诊断方法是8 0 年代末9 0 年代初才真正具有实用性的故 障诊断方法。在实现故障诊断时分为两个阶段。 学习阶段: 选定合适的网络结构和规模， 借助一定的学习算法， 以能够反映系统的动态 特性、 建模误差和干扰影响变量作为神经网络输入， 以对应的状态编码 ( 可人为 规定)为期望输出，构成输入/ 期望输出样本对，对神经网络进行训练，确定神 经网 络的权值和阀值，当学习收敛后冻结神经网络的 权值和阀值。 故障诊断阶段: 使训练好的神经网络处于回想状态， 对于给定的输入， 便产生一个相应的输 出，由输出与故障编码的进行比较既可方便地确定故障。 1 .3 .4故障检测和诊断技术中存在的问 题及其发展趋势 基于观测器故障诊断方法的突出问题是未知输入 ( 干扰、 未建模动态等未知 干扰因素)与故障、故障与故障之间的可分离问 题。 第一章 绪论 至部分按树状逐渐地细化划分。 故障树分析方法可对系统或机械的故障进行预测 和诊断。 ( 3 )基于模式识别的故障诊断方法。 这种故障诊断方法实现故障诊断的步骤分为 两个阶段。 离线分析: 通过离线分析确定能够表达系统故障状态的特征向量集和以该特征向量集 描述的故障模式向 量， 由 此形成故障的 基准模式集， 并确定区分识别这些故障模 式向量的判别函数。 在线诊断: 实时提取故障的特征向量，由判别函数对故障进行分离定位。 ( 4 )基于模糊数学的故障诊断方法。 系统的状态有时是不分明的、 不确定的， 因此可以用模糊集来描述。 通过采 用模糊聚类分析将模糊集分为不同水平的子集，由 此判别故障最可能属于的子 集。 另一个有效的方法是首先建立起故障与故障成因的模糊关系矩阵r， 如果当 前故障的故障成因向量的模糊隶属度为c ( c h a r a c t o i i s t ic ) ，则故障f通过模糊合 成加以确定，故障f= r - co ( 5 )基于人工神经网络的故障诊断方法。 人工神经网络的故障诊断方法是8 0 年代末9 0 年代初才真正具有实用性的故 障诊断方法。在实现故障诊断时分为两个阶段。 学习阶段: 选定合适的网络结构和规模， 借助一定的学习算法， 以能够反映系统的动态 特性、 建模误差和干扰影响变量作为神经网络输入， 以对应的状态编码 ( 可人为 规定)为期望输出，构成输入/ 期望输出样本对，对神经网络进行训练，确定神 经网 络的权值和阀值，当学习收敛后冻结神经网络的 权值和阀值。 故障诊断阶段: 使训练好的神经网络处于回想状态， 对于给定的输入， 便产生一个相应的输 出，由输出与故障编码的进行比较既可方便地确定故障。 1 .3 .4故障检测和诊断技术中存在的问 题及其发展趋势 基于观测器故障诊断方法的突出问题是未知输入 ( 干扰、 未建模动态等未知 干扰因素)与故障、故障与故障之间的可分离问 题。 第一章 绪论 前一问 题本质上是故障诊断的 鲁棒性问 题， 所谓鲁棒性是指故障检测诊断系 统对模型误差及其他不确定干扰的抗拒能力。对它的处理途径有两种: ( 1 ) 设计时忽略不确定因 素， 将设计好的 观测器置于存在不确定因 素的 条件 下进行检验、 评估，如果不能满足性能要求，再对设计加以修改完善。 ( 2 ) 设 计时 全面考虑不确定因 素的 影响， 对系统 进行优化， 是系 统 对不 确 定 因素呈 现出 鲁棒性。 故障诊断的鲁棒性常常与故障诊断系统对故 障的敏感性要求相矛 盾， 要求 折 衷考虑。 对未知输入干扰因素的鲁棒性从某种意义上来说是决定基于观测器故障诊 断方法成败的关键， 成为8 0 年代中后期、 9 0 年代初期基于观测器故障诊断理论 研究的 热点 和重点。 p a tt o n和k a n g e t h e ( 1 9 8 9 年) 用观测器 特征结构 配置的 方 法实 现对未知输入解祸， 但缺少实用有效的 特征结构配置求解方法; f r a n k ( 1 9 8 9 年) 提出了 未 知输入感测器的 概念; .和f a n g 也 提出了 一种鲁棒观测 器设 计的 方法。 这些方法的求解大都较复杂， 寻求一种可用计算机迭代求解的鲁棒观测器 设计方法成为人们追求的目 标。 基于参数估计故障诊断方法存在的问题有: ( 1 ) 基于参数估计的 故障诊断方法利用模参 一物参关联方程反 推物理元件 参数， 而对于一个实际系统， 模参 一物参关联方程的个数不一定等于物参的个数， 且这种模参一物参关联方程是非线性的， 由 此求解物理元件参数是困难的， 甚至 是不可能的。 ( 2 ) 当 系 统发 生故障时， 不 仅可能弓 i 起 模型 参数的 变化， 而且 还可能 引 起 模 型参数的变 飞 七 。 基于参数估计的动态故障诊断所面临的是一种变结构参数系统参 数估计问 题，需要一种同时辨识模型结构和参数的实时递推算法。 ( 3 ) 系统故障发生的时刻， 系统故障引 起系统模型结构和参数变化的形式 ( 是突变还是漂移变化， 是参数变化还是结构变化， 或者两者兼而有之) 是不确 定的，而对不确定时变、变结构、变参数辨识问题，目 前的辨识方法难以 胜任。 如何解决这三个问题成为基于参数估计故障诊断方法能否成功应用的关键。 基于直接可测信号或可测信号处理的故障诊断方法实现简单， 在工程上具有 广泛的应用。 但这种方法只有当故障发展到一定程度并影响到外部特征时才有 效， 而且只能对故障范围作出粗略的判断，大多数情况下不能直接定位故障。 专家系统方法是一种有效的方法， 也取得了一些成功应用， 但该方法是实现 第一章 绪论 故障诊断准确度依赖于知识库中专家知识的丰富程度和专家知识水平的高低。 知识库的建立本身就是一个费时而困难的工作，有些经验是领域专家的直 觉， 难以形式化描述， 而且当系统规模较大时， 存在着冲突消解和组合爆炸等问 题，推理的效率比较低。专家系统处理问题的能力至多是知识库中知识的总和。 目 前专家系统还缺少有效的自 学习和自 适应机制， 一种有效的尝试是把专家 系统和人工神经网络相结合， 把人工神经网络的学习机制引入到专家系统; 另一 种发展趋势是基于模型的方法与基于经验的方法相结合，相互取长补短。 故障树分析法可以 对系统或机器的故障进行预测和诊断， 分析系统的薄弱环 节， 实现系统的最优化。 用故障树分析法不仅可以考虑系统中硬件和软件的故障， 还可以考虑人的因素， 不仅可以分析由 单一故障引发的系统故障， 还可以 分析两 个以上构件同时发生时 才会发生的系统故障。 其缺点是由于所列举的系统故障的 种类不同， 有可能漏掉重大的部件或元件故障。 另外， 故障树分析法的理论性较 强， 逻辑性严密， 当分析人员本身的经验和知识水平不一时， 所得结论的置信度 也会有所不同。 模式识别方法的困难在于如何表述系统故障的特征向量和确定合适的判别 函数; 模糊数学的方法的困难在于建立模糊关系矩阵和如何确定某一故障属于某 一故障的隶属度， 即如何确定故障的模糊隶属度向量， 而这些都依赖于对系统的 认识和有关系统的先验知识。 从系统的运行数据中提取这些信息的方法可能是下 一步的发展方向。 基于人工神经网 络的故障诊断方法具有从样本中进行学习、 归纳、 推广的能 力，是一种有前途的方法。但如何确定合适的网络结构和规模、算法的收敛性、 快速性、 实时性， 以及如何保证学习样本的完整性和代表性是有待进一步研究的 问题。 第二章 基本概念和理论 第二章 基本概念和理论 2 . 1广义系统的基本理论 2 . 1 . 1 广义系统基本概念 所谓广义 系统 ( g e n e r a l i z e d s y s t e m ) ， 也称作奇异系统 ( s in g u l a r s y s t e m ) 或 描述变 量系 统 ( d e s c r ip t o r v a r i a b l e s y s t e m ) 、 半状态系统 ( s e m i - s t a t e s y s y t e m ) , 不明 确 系统( i m p l i c it s y s t e m ) 以 及微分 代数方 程( d i ff e r e n t i a l - a l g e b r a i c e q u a t i o n ) . 这里只使用广义系统这一称谓 巧 。 1 9 7 4 年r o s e n b r o k 在讨论互联系统( in t e r c o n n e c t e d s y s t e m ) 时。 首次提出了 广义 系统的概念。 后来 l u e n b e r g e r 发现经济领域由 大量问 题属于此范围， 例如 著名的l e o n t i e f 动态投入产出模型、 v o n - n e u m a n n 模型等。 当今， 随着系统理论 和控制理论应用于工程系统的深入和向 其他学科领域， 如社会管理系统、 生态系 统、 人口 和电子网络系统的渗透， 所研究的系统一般都包括有若千子系统的大规 模系统。 每一个子系统都有自己的动态特性， 各个子系统之间以 及子系统与整体 之间又存在非常复杂的关联， 这些都为广义系统的产生提供了广泛的物理背景。 这类系统可描述为: e d x i d i = f ( x , u , t ) y = g ( x , u , t ) ( 2 . 1 ) 其状态空间表达式为: e x=a x +b u y=e x 其中x e r ” 是系统状态向 量，u e r , y e r ( 2 . 2 a ) ( 2 . 2 b ) 分别为系统的控制输入和输出向量， e , a , b , c 为适当维数的常数矩阵， 且e 为奇异阵，即r a n k e n 。同时， 在研 究 广 义 系 统问 题 时 我 们 总 是 假 设 系 统 是 正 则 的 ， 即 d e t 沁 一 刁， 。 ， 否 则 系 统 无 解。 从广义系统的 研究的结果表明， 广义系统和一般正常系统有如下明 显区别: 首 先 ， 广 义 系 统 的 自 由 度 下 降 为 。 = r a n k e n， 即 依 赖 于 x 位) 的 独 立 值 的个数比正常系统下降了n 一 q 个。 其次，广义系统的传递函数g ( s ) 不再为真有理分式矩阵， 而变为 第二章 基本概念和理论 第二章 基本概念和理论 2 . 1广义系统的基本理论 2 . 1 . 1 广义系统基本概念 所谓广义 系统 ( g e n e r a l i z e d s y s t e m ) ， 也称作奇异系统 ( s in g u l a r s y s t e m ) 或 描述变 量系 统 ( d e s c r ip t o r v a r i a b l