（控制理论与控制工程专业论文）热网监控系统传感器故障诊断的研究.pdf

摘要 摘要 城市热网监控系统复杂而庞大，系统中含有大量的传感器，它们的故障对供热 系统的可靠运行具有重大影响。针对热网监控系统分布面广、检测点多的特点， 本文提出了一种基于径向基函数神经网络预测器的传感器故障诊断结构和诊断方 法。首先将整个热网的数据监测系统分成若干个子系统，每个热力站即为一个 子系统，分别为每一个子系统建立r b f 神经网络预测器。热网采用分阶段改变流 量的质调节方法，对热网中的循环水温度进行调节。当热网系统的流量发生改变 时，根据压力、流量以及供、回水温度存在的数学关系，判断温度传感器的故障。 当流量恒定时，用影响温度的各相关参量的实测数据，对r b f 网络进行训练，然后 用训练好的r b f 网络对温度值进行预测，通过r b f 网络预测器的输出值和传感器实 际输出之差与设定的阈值进行比较，检测传感器故障：若差值大于设定的阈值，则 说明传感器出了故障。最后采用多传感器信息融合技术建立两级神经网络预测器， 根据二次预测输出形成决策函数，实现对故障传感器的定位，通过故障转换开关及 时对监控系统进行传感器的信号恢复，以消除故障的影响。 根据上述研究方案构建了径向基函数神经网络传感器故障诊断系统，并进行了 诊断系统仿真分析，结果表明该方法能对监控系统传感器进行有效的状态监测和故 障诊断，具有良好的实际应用前景。 图2 7 表4 参6 6 关键词：传感器；故障诊断；神经网络；信息融合 分类号：t p2 7 7 河北理i ，大学硕十学 节论文 a b s t r a c t 1 n h ec i t yh e a t i n gn e t w o r ks u p c r v i s i o ns y s t e mi sc o m p l e xa n dh u g e i th a sl o t so f s e n s o r s t h e yh a v eav e r yi m p o n a n ti n f e c t i o nt ol h eh e a ts u p p i ys y s t e m b e c a u s eo fm e c h a r a c t e r i s t i co fg f e a t n e s sa n dw i d e n e 铀o ft h eh e a t i n gn e t w o r k s u p e r v i s i o nc o n i m ls y s t e m ， i h i sp a p e rp r o p o s c san o v e lf a u nd i a 驴o s i ss t r i 王c t u f ea n dm e t h o db a s e do nr b f n e t w o r kt o t h ef a l l l td i a g n o s i s0 fh e a t i n gn e t w o r ks u p e r v i s i o nc o n t r o ls y s t e ms e n s o r f j r s tt 圭i ew h o l e d a t ao b s e a t i o ns y s t e mi sd i v i d e di n t os o m es u b s y s t e m s e a c hh e a t i n gs t a t i 伽i sa s u b s y s t e m t h e nw ec 姐b u i l du pt h e 雎u r a ln e 脚o r ke s t i m a t em a c h i n ef o re a c hs u b s y s t e m w h e nt h en l l 】【i sc h a n g c ds u d d e n l y ，t l l r o u g ht h em e t h o do fg r a d i n gn u xc h a n g e d ，t h e s e n s o rf a u l tc 柚b ed i a g n o s e dw i t hm em a t l l e m a t i cf 0 肌u l a w h e nt l l ef l u xj si n v a r i a b l e ， r b fn e t w o r ki s 打a d n c db yt h es 锄p i e so fa l lk i n d so fc o n e l a t i v ep a r a m e t e r sd e t e 咖i n i n g t h es e n s o r t 1 l e nt h er b fn 咖o r k 印p r o x i m a t i o nf 她i l i t ym e e t i gt l l ee x p e c t a t i o no f t r a i n i n ge f r o rc a l le s t i m a t et t l es e n s o rh j g ha o c u r a t e l y t h ed i s c r 印卸c yb e t w e e nt h eo u t p u t o ft h er b fn e t w o r k 趾dt l l ea c t u a iv a l u eo ft h es e n s o fj sc o m p a r e d 谢t l lt h ep r c d e t e 加i i l c d t h r e s h o l dt od c t e c tt h ef a i l u r c so ft l l es c n s o r ；i ft h eo u t p u tw a sb j g g e rt h 趾t h et h r c s h o l d ，a f a i l u r cw a sd i a 印o s e d t h et w ol e v e ln e u r a ln e m o r k sh a v eb e e nb u i l tu pw i t ht h em u l t i - s e n s o ri n f b 珊a t j o nf i l s i o nt e c h n i q u c 1 1 1 ed e c i s i o nm a j 【i n gf i l n c i i o nw j l lb cf o 玎n e db yt h e o u t p u to ft h es e c o n df o r c c 踮ia tl a s t n f o u g t iu s j n g as w j t c ht 0a c h i e v et h er e c o n f i g i l r a t i o n f o fc o n t r o ls y s t e mo ft h es e n s o r ，t l l ef a u l td i q 酣o s i ss y s t e mc o u l dc l i m i n a t et h ef a u l te 珏b c t s i n t i l e b a s e do nm es e a r c hp r o j e c tm e t i o 戏da b o v e ，t h er b fn e u t a ln e 铆o r kf a u l td i a 萨o s i s s y s t e mh a sb e e ns e tu p s j m u l a t i o nr e s u n ss h o wt h i s f a u l td i a g n o s i sm e t l l o dc a i lv e f y e f f b c t i v e l ya 咖e v es t a t em o n i t o r i n ga n dd i a 粤i o s i so fs u p e i s i o nc o n t r o ls y s t e ms e i l s o r s a l l d h a sa9 0 0 da p p l i c d f u t u r e f i g i i r e2 7 ；t 曲l e4 ；r e f b r c n c e6 6 k e yw o r d s ：s e n s o r - f a u nd i a g n o s i s ；n 吼m in e t w o r l 【；i n f o r m a 6 0 nf h s e c h i n 伪eb l 【sc a t a l o g ：t p2 7 7 i l 独创性说明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得 河北理工大学或其他教育机构的学位或证书所使用过的材料。与我一同 工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表 示了谢意。 签名：殖趄日期：w 以年钼，角 关于论文使用授权的说明 本人完全了解河北理工大学有关保留、使用学位论文的规定， 即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学 校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复 制手段保存论文。 ( 保密的论文在解密后应遵循此规定) 签名：蓥丝签名：爱丝导师签名：趁 引言 弓自 随着我国现代化进程的发展，城市集中供热对于节约能源、减少污染、提高人 民生活水平发挥了巨大的作用，也是国家大力倡导、积极扶持的产业之一。目前国 内许多城市集中供热网采用分布式计算机集中监测控制系统，但是对监控系统自身 故障诊断的研究还不多见。随着集中供热规模的不断增大，对热网监控系统故障诊 断的意义显得尤为重要。 在这些现代化的监控系统背后是由各种类型的传感器测得的几千甚至上万个点 的运行数据，如果失去这些数据或数据本身不正确，就不能反映供热系统的运行状 况，那么所有监控系统的工作都将会成为“无源之水，无本之木”，整个系统将陷 于瘫痪，任何分析、诊断与控制都将变得毫无意义【“。 传感器作为监控系统的基本设备，其特点首先是分布面广、数量大，一套监控 系统所需要的数据测点可能分布于各种不同设备的多个部位，传感器将尽可能全面 的数据传送到数据采集系统、过程控制系统，并由数据采集系统将这些数据传送到 上位机进行分析和处理。 对于热网监控系统这样一个影响面大的重要应用系统，是绝对不允许故障率高 的系统存在的。如果监控系统某一环节出现问题，就不能保证采集回来的数据的准 确性，更不能保证主监控机得出的结论是正确无误的。因此，研究热网计算机监控 系统的故障诊断问题无疑具有重大的理论和应用价值。由于热网计算机监控系统的 运行环境比较恶劣，这就对热网计算机监控系统的可靠性提出了新的挑战，一旦它 出现故障，将造成整个监控过程的混乱，引起严重的后果，由此造成的经济损失往 往远非计算机监控系统本身的造价所能比拟，所以保证热网计算机监控系统长期可 靠的运行成为自动控制领域一个新的研究课题。 河北理下大学硕士学位论文 1 文献综述 1 1 故障诊断的重要性 自w i e n e r 于4 0 年代提出控制论到现在，自动控制技术已经广泛应用于航空航 天、核电站、机器人、工业生产过程等领域。所谓自动控制，就是应用自动化仪表 或控制装置代替人工自动地对设备或过程进行控制，使之达到预期的状态或性能要 求。而自动控制系统则是指由自动检测仪表、自动调节器、执行器以及包括对象在 内的各部分组合在一起的一个系统【2 翔。迄今为止的控制理论都是基于传感器和执行 器工作正常的假设，因此系统的可靠性依赖于相应传感器和执行器的可靠性，一旦 传感器或执行器发生故障，如果得不到及时处理，轻则影响生产和产品质量，重则 可能造成事故的发生。 传感器是测量仪器、智能化仪表、自动控制系统以及计算机信息输入装置中的 敏感元件。从工业、农业、环境保护、医学、航空航天等领域直到我们的日常生活 所用的家用电器、汽车、防灾等方面都用到各种各样的传感器。在计算机技术高度 发展的今天，传感器的重要作用日益突出，特别是对于一些投资巨大的设备，如航 天飞机、火箭、大型电站等，传感器的好坏不仅直接关系到设备的运行状态，而且 关系到至关重要的安全问题，特别是一些提供控制信号的传感器，其工作状态直接 影响到系统的状态。但现实的情况却不容乐观，由于传感器工作环境复杂、恶劣、 分布面广、数据量大、传感器安装部位特殊等原因，使得传感器为过程控制中的薄 弱环节之一，是系统中最易发生故障的部件。 据统计，8 0 的控制系统失效起因于传感器和执行器的故障，仅靠人力去发现 和修复传感器故障很难做到及时有效。对于这类故障的诊断方法主要有硬件冗余法 和解析冗余法【4 捌，其中硬件冗余优点是不需要被控对象的数学模型，鲁棒性强，缺 点是设备复杂，会使系统的体积、重量和成本增加。解析冗余的方法可以克服这些 缺点，成本低，算法的在线实现也很方便，而且它提供的诊断信息丰富，能对过程 中l i j 状态变量进行估计和预测，可以给控制系统性能的优化提供支持，因而也是现 在故障诊断研究的重点。 为了提高控制系统的可靠性、可维修性和安全性，人们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，不断监测系统的变化和故障信息，进而采取 2 1 文献综述 必要的措施，防止系统发生灾难性的事故。而其前提是监控系统必须具有在线检测 和诊断故障的能力。在这种情况f ，监控系统的故障诊断也就应运而生了。 监控系统的故障诊断理论是一种能够提高系统可靠性的新的研究热点。故障检 测与诊断技术近年来己得到国际自动控制界的高度重视，成为自动控制的一个重要 分支。美国的控制会议、i e e e 的控制与决策国际会议和国际自动控制联合大会 i f a c 都把故障诊断列为重要的讨论专题【6 ，4 ”。监控系统的故障诊断理论已经在航空 航天、核技术、发电设备与各类动力设备、交通运输、军事装备、机器人及其他工 业自动化领域与医学领域等得到了广泛的应用，取得了巨大的经济和社会效益。监 控系统的故障诊断问题具有广阔的前景和实用价值。 1 2 目前故障诊断研究的难点和热点 故障诊断的研究大部分仅停留在具有应用背景、计算机仿真或实验阶段，成功 地应用于实践的实例仍属少数。造成这一现象的原因是由于大多数的故障诊断算法 都是建立在一定量理想假设的情况下的。比如故障算法中假设系统是线性的、系统 没有外部干扰、或者系统的模型参数是不变的。所以这些故障算法从原来简单的检 测滤波器、广义似然比、极大似然比发展到现在的基于观测器，滤波器方法、系统辨 识、参数估计方法和一致空间、法【，但是研究的对象主要是线性定常系统模型，而 实际应用中的许多系统都是非线性的，由于非线性系统建模不精确、系统参数时 变、存在外扰和噪声等，经常会发生故障误报或漏报的现象，使得对这类系统的控 制和分析都比较困难，对它的故障诊断也一直是难点。 故障诊断算法能应用于工程实际，一个必须解决的问题是故障诊断算法的鲁棒 性问题，即故障诊断系统对故障具有很高敏感性的同时，具有对噪声、干扰及建模 误差的不敏感性。目前，鲁棒性问题的研究也是故障诊断领域中的一个前沿课题 吼 1 3 传感器故障诊断的概念和任务 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。传感器故障诊断的概念有两种 涵义：一种是指某些专用的仪器；另一种是指由计算机利用系统的解析冗余，完成 工况分析，对生产是否正常和是什么原因引起故障、故障的程度有多大等问题进行 分析、判断，得出结论。 3 一 河北理l 人学硕士学位论文 当控制系统中的某个或某几个传感器发生故障时，通过某种方法或手段能够及 时发现故障并报警。任何故障诊断子系统都不可能百分之百地正确检测出传感器的 各种形式的故障，因此，在传感器故障检测领域的一个重要研究课题是如何提高故 障的正确检出率“0 3 ，降低故障的漏报率( 发生故障没有报警) 和误报率( 没有发生故障 反而报警) 。 传感器故障诊断的概念相对于故障检测更宽泛，涵盖面更广，不仅要发现故 障，还要分离出发生故障的部位，判别故障的类型，估计出故障的大小与时间，对 故障进行评价、决策与恢复。通常故障检测比较容易，并且花费的时问较短，而故 障诊断则比较困难，需要花费更多的时间。 1 9 7 1 年由美国麻省理工学院的b e a r d 首先提出的解析冗余的思想是指“”：对传 感器测量输出信号，采用理论分析及软件运算，而非硬件冗余的方法判定故障，从 而提高传感器可靠性。以解析冗余为基础的故障诊断的任务，由低级到高级，可分 为四个方面的内容： 1 确定故障诊断结构 对于基于模型的传感器故障诊断可将该部分称为“故障建模”，即按照输入输 出关系，建立系统故障的数学模型，作为故障检测与诊断的依据；对于不基于模型 的传感器故障诊断可将该部分称为“相关性分析”，即按系统的先验信息，确定故 障诊断的结构，选择相应合适的诊断方法。 2 故障检测 在某时刻k 从可测或不可测的估计变量中，判断传感器是否发生故障，一旦传 感器发生意外变化，应发出报警。 3 故障的分离与估计 当确定有传感器发生故障后，给出故障传感器的位置，区别出是扰动信号还是 故障信号。故障估计是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，以及故障对系统的影响和发展趋势，针对不同工况采取 不同的措旌，补偿故障信号，给出一个正确的估计信号。 一4 一 1 文献综述 1 4 故障诊断研究现状 1 4 1 国外故障诊断技术的研究情况 国外故障诊断技术的发展开展较早，已有4 0 多年的历史。美国是最早开展故障 诊断技术研究的国家。目前，美国已有多家公司从事电站故障诊断系统的工作，其 中最知名的有：西屋公司州h e c ) ，b e n t l y 公司和球d 公司。西屋公司从1 9 7 6 年开 始电站在线计算机诊断工作，1 9 8 1 年进行电站人工智能专家故障诊断系统的研究， 1 9 8 4 年应用于现场，后来发展成网络化的汽轮发电机组诊断专家系统( 趟聊，并建 立了沃伦多故障运行中心( d o c ) 。通过d o c 中心，可以看到分布在全美2 0 多个电 厂的数据信息。b e n t l v 公司在故障诊断方面起步较晚，但该公司在转子动力学方 面，旋转机械故障机理的研究比较透彻，在振动监测方面具有雄厚的基础，因此该 公司开发的旋转机械故障诊断系统( a d r 3 ) 在国内外电站领域的应用很受用户的欢 迎。 r 本也很重视设备故障诊断技术的研究，从事机构主要有东芝电气、只立电 气、三菱重工等。他们更注重于电站锅炉机组寿命检测和寿命诊断技术的研究，并 开发出针对不同故障的寿命诊断专家系鲥堋。 欧洲也有不少公司从事故障诊断技术的研究、产品的开发及应用。如瑞士a b b 公司目前正在大力发展振动观察系统( v i b r o v i c w ) ，并由诊断软件精确诊断机器故 障。法国电气研究与发展部近年来发展了以监测与诊断辅助站的p s a d 系统，用于 大型电站机组监测与诊断。英国在6 0 年代末，由c o l l a c o t t 的机械状态监测中心首 先开始诊断技术的研究，目前已有多家机构从事此项研究。 1 4 2 国内故障诊断技术的研究情况 国内故障诊断技术从8 0 年代中期开始进入了迅速发展的时期。目前，在理论研 究方面，形成了具有我国特点的故障诊断理论，出版了一系列相关的论著，研制出 了可与国际接轨的大型设备状态监测与故障诊断系统。现在全国从事与电站设备故 障诊断系统相关的单位就有数十家，其中有高校、研究所、设备制造厂等。尽管国 内起步比较晚，但已开发出2 0 种以上适合于电站汽轮机组的故障诊断系统和多种可 用来做现场简易故障诊断的便携式现场采集器。上海发电设备成套设计研究所、哈 尔滨工业大学等单位都开发出了多种类型的故障诊断装置【2 7 】，山东电力科学研究院 和清华大学等单位在1 9 9 7 年共同开发了类似于美国硒屋公司的a i d 系统的“大型 5 河北理 ：大学硕+ 学位论文 汽轮发电机组远程在线振动监测分析与诊断网络系统”，通过网络方式将多个电厂 的振动数据传输到山东电力科学研究院远程诊断中心站，并通过中心站对振动数据 进行远距离的监测分析与诊断。我国的故障诊断技术发展很快，但与国外相比，仍 存在一定的差距。主要表现在传感器的性能及可靠性较差，诊断理论和机理的研究 尚不很透彻，多参数综合分析诊断应用较少，故障诊断系统自身的可靠性较低等几 个方面。 6 2 基丁神经网络的传感器故障诊断原理 2 基于神经网络的传感器故障诊断原理 2 1 传感器故障类型 传感器可能发生的故障是各种各样的，为了传感器故障诊断研究的需要，对这 些故障进行分类是必要的，已有许多人从不同的角度提出多种分类方法： 1 按故障程度的大小可分为硬故障( 指结构损坏导致的故障，一般幅值较大，变 化突然) 和软故障( 泛指特性的变异，一般幅值较小，变化缓慢) 。 2 按故障存在的表现可分为间歇性故障( 时好时怀) 和永久性故障( 失效后不能再 恢复正常) 。 3 根据故障发生、发展的进程可分为突变故障( 信号变化率大) 和缓变故障( 信号 变化率小1 。 4 从建模角度出发，可分为乘性故障和加性故障。 5 按故障原因可分为偏差故障、冲击故障、开路故障、漂移故障、短路故障、 周期性干扰、非线性死区故障。 2 2 神经网络简介 人工神经网络结构和工作机理基本上是以人脑的组织结构( 大脑神经元网络) 和 活动规律为背景，它反映了人脑的某些基本特征，但并不是要对人脑部分的真实再 现，可以说它是某种抽象、简化或模仿。参照生物神经元网络发展起来的人工神经 元网络现己经有许多种类型，但他们的基本单元一神经元的结构是基本相同的。 大脑神经网络系统之所以具有思维认识等高级功能，是由于它是由无数个神经 元相互连接而构成的一个极为庞大而复杂的神经网络系统。人工神经网络也是一 样，单个神经元的功能很有限的，只有用许多神经元按一定规则连接构成的神经元 网络才。具有强大的功能。 1 人工神经网络具有的基本属性 1 ) 非线性。非线性关系是自然界的普遍特性。大脑的智慧就是一种非线性现 象。人工神经元处于激活或抑制两种不同的状态，这种行为在数学上表现为一种非 线性关系。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储 量。 7 河北理j i ：大学硕十学位论文 2 ) 非局域性。一个神经网络通常由多个神经元广泛连接而成。一个系统的整体 行为不仅仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互 连接所决定。通过单元之问的火量连接模拟大脑的非局域性。联想记忆是非局域性 的典型代表。 3 ) 非定常性。人工的神经网络具有自适应、自组织、自学习能力。神经网络不 但处理的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在 不断地变化。经常采用迭代过程描写动力系统的演化过程。 4 ) 非凸性。一个系统的演化方向，在一定条件下将取决于某个特定的状态函 数，例如能量函数，它的极值相应于系统比较稳定的状态。非凸性是指这种函数有 多个极值，故系统具有多个较稳定的平衡状态，这将导致系统演化的多样性。 2 人工神经网络的学习方法 神经网络的性质主要决定于以下两个因素：一个是网络的拓扑结构；另一个是 网络的学习、工作规则。二者结合起来就可以构成一个网络的主要特征。神经网络 的学习问题归根结底就是网络连接权的调整问题。神经网络连接权的确定一般有两 种方式：一种是通过设计计算确定，即所谓的死记式学习；另一种是网络按一定规 则通过学习( 训练) 得到的。大多数神经网络使用后一种方法确定其网络的权值。神 经网络的学习( 训练) 方法归纳起来有如下几种类型： 从学习过程的组织与管理而言有：有监督学习和无监督学习。 从学习过程的推理和决策方式而言有：确定性学习f 大多数学习方法属于此 类1 、随机学习和模糊学习。以下做简要介绍： 1 ) 死记式学习。网络的连接权是根据某种特殊的记忆模式事先设计好的，其值 在网络训练过程中不改变。以后当网络输入有关信息时，这种记忆模式就会被网络 回忆起来。h o p f i e l d 网络作联想记忆和优化计算时就是属于这种情况。 2 ) 有监督学习。在这种学习中学习的结果，即网络的输出有一个评价的标准， 网络将实际输出和评价标准进行比较，由其误差信号决定连接权的调整。评价标准 是由外界提示给网络的，相当于有一位知道正确结果的教师示教给网络，故这种学 习又称为教师示教学习，在这种学习中网络的连接权常根据s 规则进行调整。 3 ) 无监督学习。无监督学习是一种自组织学习，即网络的学习过程完全是一种 自我学习的过程，不存在外部教师的示教，也不存在来自外部环境的反馈指示网络 应该输出什好的趋势，则学习系统就强化这种趋势。否则，学习系统就减弱这种趋 势。这是一种“奖一罚”学习算法，即当一个动作作用于学习系统后，如果系统朝 2 基于神经网络的传感器故障诊断原理 好的方向发展，则该学习系统进一步强化这种动作，即所谓“奖”，否则，学习系 统减弱这种运作，向离开这种趋势的方向引导，即所谓“罚”。 3 人工神经网络的工作过程 当神经网络构成和训练好了之后，它就可以正常进行工作，可以用它来分析数 据和处理问题。神经元网络的工作过程有许多种形式，这里主要介绍两种最常用的 形式。 第一种，回想。当神经元网络通过学习训练存储到了一定的信息之后，就可以 采用回想的方式来识别新输入的信息。这相当于网络对原先存储的信息的恢复和译 码。假设网络通过学习存储了一系列的记忆模式的集合，当网络输入某一信息时， 它可能类似于存储的模式集合中的若干个模式，这时可以联想最接近的存储模式， 称为自动联想。通过输入模式也可以联想出交换的模式，称为异联想。异联想过程 是在存储模式对中的联想。 第二种，分类。神经元网络计算的另一种形式，输入模式被分成若干类，也可 看成是从存储的集合中找出对输入模式的晌应，也可看成是输入模式的分类程度的 联想。分类也可理解成异联想的一种特殊情况。网络中典型的分类是通过离散值输 出矢量，神经元使用的是二进制激活函数。如果网络希望响应是一个分类数，但输 入模式并不能确切真实地对应着集合中的那种模式，但可以贴近那一种，这种处理 叫识别。例如，对语音、图像等信息的识别。神经元网络处理信息的能力有：分 类、联想、识别、归纳概括。 2 3 基于神经网络故障诊断的优点 神经网络之所以能得到人们的认可和广泛的应用，因为它具有如下优点： 1 通过非线性映射，学习系统的特性具有近似地表示任意非线性函数及其逆的 能力； 2 通过离线和在线两方面的权重自适应提供给不确定系统自适应和自学习； 3 可提供大规模动力系统允许快速处理的并行分布处理结构： 4 提供鲁棒性强的结构，因为网络自身有容错性和联想功能； 5 信息被转换成网络内部的表示，这种表示允许定性和定量信号两者的数据融 合。 具有这些特点的神经网络非常适合用于故障的检测和诊断。训练过的神经网络 能存储有关过程的知识，能直接从定量的历史故障信息中学习，可以根据对象的正 9 河北理。| = 大学硕十学位论文 常历史数据训练网络，然后将此信息与当前测量数据进行比较，以确定故障并分辨 原因及故障类型；同时，人工神经网络的鲁棒性能使其能够在噪声的环境中有效的 工作，滤出噪声识别出故障信息做出判断。 2 4 神经网络的故障诊断能力 人工神经网络在信息处理上具有的并行性、自学习性等特点，使得神经网络很 适合于设备的故障诊断，归纳起来有如下几点【3 6 明： 1 训练过的神经网络能直接从定量的、历史故障信息中学习并存储有关过程的 知识，网络将当前测量数据与学习后获得的信息进行比较，以确定故障。 2 神经网络具有滤出噪声及在有噪声情况下得出正确结论的能力，使得网络可 有效地识别故障信息，适于在线故障检测和诊断。 2 5 径向基函数神经网络 径向基函数( r 棚a lb a s j cf u n c t i o n ) 是由j m 0 0 d y 和c d a r k e n 于二十世纪8 0 年代末 提出的，它是一种将输入矢量扩展或者预处理到高维空间中的神经网络学习方法， 其结构十分类似于多层感知器( m i 朋。文献i 冽采用径向基函数网络建立了发动机的 辨识模型，利用这种方法对不同飞行高度发动机的参数进行了辨识，并与几种b p 网 络进行比较，结果表明径向基函数神经网络性能优良。文献【2 9 】应用径向基函数网络 预测了有机r b f 网络在目前的实际应用中还较少，本文作者经过大量的查阅工作发 现该网络仅在1 9 9 5 年以后才在少数领域偶尔出现，1 9 9 9 年至今相关文献才逐步多起 来，而在土木工程领域，公开发表的相关文献也是风毛麟角。文献【3 0 l 利用径向基函 数网络模型进行环境质量综合评价。文献【3 1 】提出一种训练r b f 网络的最小二乘算法 ( r b f - l s 算法) ，评价湖泊富营养化程度。文献【3 2 】建立了一种适用于地质曲面重建的 径向基函数神经网络，并给出具体算法，该网络比传统的b p 网络有较快的收敛速 度。文献【3 3 】均孝u 用m a t i a b 环境下的实用工具箱n e u r a ln e 铆o r kt b o l b o xf 神经网络 工具箱) ，编写径向基函数网络有关程序，用于智能识别和故障诊断，仿真结果表 明，该方法具有高精度、快速以及不需要人工干预等优点。从所参阅文献可知，径 向基函数神经网络是一种性能优良的网络，尤其在收敛速度上，有着b p 网络无法比 拟的优势。 - 1 0 2 基于神经网络的传感器故障诊断原理 2 5 1 径向基函数神经网络的特点 从函数逼近功能角度来讲，神经网络可分为全局逼近神经网络和局部逼近神经 网络。r b f 神经网络是一种典型的局部逼近神经网络，它对于每个输入输出数据对 来讲，只有少量的权值需要调整，从而使网络具有学习快的优点，并且对于数据较 多的情况非常适用。它是一类特殊的三层神经网络，具有下以下几个特点： 1 r b f 神经网络以坚实的数学基础为依托，无需假设学习的近似函数形式，即 可对数据进行拟合。 2 r b f 神经网络可以以网络参数之间的高度非线性极高的精度预测非线性时间 序列，且速度极快。 3 r b f 神经网络能从容应对网络参数之间的高度非线性关系，而不会陷入局部 最优，能用于高维空间的内插和外推。 4 臆含层功能函数一径向基函数的特点决定了r b f 神经网络较之其它多层前向 网络而言，更适合于解决高维问题，在维数相同的情况下，所需隐层结点数目较 少。 5 r b f 神经网络具有很强的鲁棒性和容错性，善于联想、概括、类比和推广， 任何局部的损伤不会影响整体结果。 6 r b f 神经网络具有很强的自学习能力，系统可在学习过程中不断完善自己， 具有创新特点。 2 5 2 径向基函数神经网络的基本结构 径向基函数网络是一种三层前向网络。输入层有信号源节点组成。第二层为隐 含层，神经元数由所描述问题的需要决定。第三层为输出层，它对输入模式的作用 做出响应。从输入空间到隐含层空间的变换是非线性的，而从隐含层空间到输出层 空间的变化是线性的。隐含单元的变换函数是r b f ，它是一种局部分布的对中心的 径向对称衰减的非负非线性函数。r b f 网络的结构如图1 所示。 河北理l ：大学硕士学仿论文 输入层 隐含层 r 、，、 图1 径向基函数网络结构 f i g 1f r a m eo ft b er b fn e t 图中输入层j h 是r 1 维行向量； 隐含层权矢量j 为s 。x 置维； 隐含层标量偏置矗。为墨1 维，用于调整径向基神经元的灵敏度： 是径向基函数的输入量为墨1 维。 网络输出层的线性函数表示为： 伽f = j 伽f r + k ( 1 ) 式中： 0 饼为神经网络输出； 。为输出层权系数为s ：s 。维： 为输出偏移量为s ：1 维，用于表示网络期望输出的均值不为零。 在r b f 网络中，输出层和隐含层所完成的任务是不相同的，因而他们学习的策 略也不相同。输出层是对线性权进行调整，采用的是线性优化策略，学习速度快。 隐含层是对插值函数的中心点进行调整，采用的是非线性优化策略，学习速度较 慢。因此r b f 网络中两个层次的学习频率应是不同的。常用的径向基函数网络的学 习方法有：随机选取r b f 中心、自组织选取r b f 中心、有监督选取r b f 中心、正 交最小二乘法等3 。 用r b f 作为隐单元的“基”构成的隐含层空间，可将输入矢量直接映射到输出 层空间，当r b f 的中心点确定后，这种映射空间随即确定。同时，r b f 网络是一种 局部逼近网络，只有少数几个权值影响到网络的输出，相对于全局逼近网络，具有 学习速度快的优点。r b f 网络输出层空间的映射是线性的，输出层网络权值可由线 1 2 2 基于神经网络的传感器故障诊断原理 性方程组直接解出或用r l s 方法递推计算，从而大大加快学习速度，避免了局部极 小值问题。 文献f 弘1 在一个函数逼近示例的基础上，对b p 网络、采用快速b p 算法的前向网 络以及径向基函数网络的性能进行了比较，仿真结果显示，无论是神经网络的训练 时间还是训练步数，径向基函数网络都优于基于b p 算法的网络。 目前应用较多的前馈型网络是b p 网络，但b p 网络存在着上述问题，而r b f 网络在一定程度上克服了这些问题，它在逼近能力、分类能力和学习速度等方面均 优于b p 网络。一般r b f 神经网络的学习过程分2 步： 1 优化基函数的中心 基函数的中心选取得好坏直接影响r b f 网络的非线性映射能力，所以一般选取 r b f 中心为自组织学习方式，在这种方法中，r b f 的中心是可以移动的，能通过自 组织学习确定其位置。 2 调整线性加权因数 输出层的线性权通过有监督学习规则计算。对于输出层线性权的计算采用误差 校正学习算法，例如最小二乘法，也可以采用最速下降法，通过误差调整输出层线 性权值，直到误差达到允许范围。 2 6 信息融合技术 2 6 1 信息融合技术的形成与发展 早在6 0 年代初，就有学者提出了信息集成定理：对于一个系统，将多个单维信 息集台成多维信息，其信息量必然比任何一个单维信息的信息量大。信息融合技术 最早出现在7 0 年代末期，t e n n e y 和s a n d e h 提出了多传感器信息融合的概念，当对 并未引起人们的足够熏视，只局限于军事应用方面的研究。到8 0 年代中期，信息融 合技术已取得了相当的进展。目前数据集成与信息融合技术在工程实际中的许多领 域均有成功的应用。信息融合的目的是将各种途径、不同时间、空间上获得的信息 作为一个整体进行综合分析、处理，充分利用多种信息，更好地完成决策、控制 【3 8 翔】。 由于诊断结论的模糊性、不确定性，应对不同环节的诊断结论进行融合处理， 综合考虑不同环节的具体特点，并依据经验设定相应的权值矩阵，给出综合诊断结 果，以降低误报或漏报。 1 3 河北理r 人学硕士学位论文 多源信息的综合分析、判断、决策是任何其他生命系统的基本功能，人类感知 外部事物，综合推理、判断是为了更准确、更可靠的了解外部世界。类似于此，一 个智能化的监测诊断系统要想获得有关周围环境的认识，或者更新优化已有的认 识，必须应用数据融合技术。在监控诊断系统中，传感器是系统感知外部事件信号 的“感官”，具有数据融合功能的基本原理就人脑综合处理信息一样，充分利用多 个传感器资源，通过对多传感器及其测量信号的合理支配和使用，把多传感器在空 间和时间上可冗余或互补信息依据某种准则进行组合，以获得对被测对象的一致性 解释或描述。 2 6 2 信息融合的方法 信息融 合方法 估计 方法 统计 方法 图2 信息融合方法 f i g 2m e t h o do fi n f o m a 廿0 nf i l s i o n 加权平均法 最小二乘法 卡尔曼滤波 经典推理法 贝叶斯估计法 d - s 证据法 模板法 聚类分析 模糊逻辑 遗传算法 神经网络 信息融合涉及到多方面的理论与技术，诸如信号处理、估计理论、不确定性理 论、神经网络等。由不同的应用要求形成的各种方法都是融合问题的一个子集。 图2 归纳了一些常用的信息融合方法，其中神经网络方法具有很强的处理不确 定性信息的能力，对复杂的工业智能监测、诊断系统是一个强有力的工具，为信息 融合提供了一个很好的方法。其他较常用的方法有： 1 4 rl厂0l 疋g ，五g ) 正 瓦 ，l g 疋 式中： f 。是系统的供水温度： “是系统的回水温度； f ，是用户散热器的设计平均计算温差； 出；是系统设计供回水温差，取1 7 f 。是室内设计温度，取1 8 ； 6 是定型散热器的试验系数； q 是系统供热量。 ( 5 ) ( 6 ) 室外珲境温度， 图7 供、回水温度随室外温度的变化 f i g 7a l a n g ew i l ho u t e rl e m p e r a t u r eo fs u p p l y 扑db a c kw a t e ri e l n p 盯a i u r e 2 3 度h汞回供 河北理一：人学硕士学位论文 萋 ( ，t ) 时同( ，s ) 图8 分阶段改变流量的质调 f i g 8o u a l i t ya d j u s tb a s e do n 笋a d 咄n u xc h a n g e d 室外温度的降低，供水温度有一个明显的增值变化，与其相对应的回水温度也 有个增值变化，很显然，回水温度线的增值变化小于供水温度线的增值变化，实 质上随室外温度的降低，供回水温差是在不断的增大，这正是质调节的意义所在。 根据热量、流量与温度的关系式：q c g 出( c 为比热) 。可以看出，当流量g 恒 定时，供、回水温度存在上述的等式关系，因此可以利用数学关系来判断供、回水 温度发生突变时的传感器故障。 对伺( ，s ) 图9 分阶段改变流量质调的温度变化 f i g - 9t e m p e r a t u 舱c h 柚g eo fq u a i i i ya d j u s t b a s e do ng m d i n gf i i l xc h 卸g e d 质调节的优点是只调节水温，不必调节流量，热力工况较稳定。但是，质调节 也有运行电耗较大的缺点，因此，当流量一定时通过建立神经网络预测器，实现对 传感器的故障诊断。 2 4 3 传感器故障诊断神经网络的建立 3 3 基于神经网络单传感器故障诊断 基于系统模型的故障诊断方法往往要求较为精确的系统模型，但在实际工程中 却很难以建立系统的模型或得到的模型不精确，这就限制了这种故障诊断方法在实 际中的使用范围。而基于知识的方法由于不需要对象的精确数学模型，因此近年来 得到了迅速发展。其中，基于人工神经网络的故障诊断方法作为该方法中的一个重 要部分，它的研究也目益受到重视，并且已取得了许多可喜的研究成果。目前将人 工神经网络应用于过程监测系统已成为一个非常活跃的研究领域，并己有不少成功 的应用实例。但随着市场竞争的日益加剧，迫切要求企业从有限的资源中不断挖掘 潜力，提高经济效益，从而对故障诊断技术提出了新的要求，并且随着人工神经网 络等领域的研究与发展，基于人工神经网络的故障诊断方法研究也将赋予更新的内 容、更高的目标。本章就是在这个背景下，总结了控制系统的故障诊断方法的研究 现状，对r b f 神经网络的故障诊断方法进行了深入分析，提出了一种基于r b f 神经 网络的传感器故障诊断方法。 故障诊断技术经过十几年的迅速发展，到目前为止己经出现了基于各种不同原 理的众多的方法。同以前相比，这些方法不论是在检测性能、诊断性能方面，还是 在鲁棒性方面都有很大提高，而且对于线性时不变系统己经形成了相对较为完整的 体系结构。然而，所提出的大多数方法都是针对开环系统的，由于实际的控制系统 一般都是闭环控制系统，具有内在的鲁棒性，对回路内的较小故障具有抑制作用， 这使得许多故障检测与诊断方法都不适用。文献【4 3 】给出了一种非线性系统偏差故障 的诊断方法，由于强跟踪滤波器对模型不确定性具有鲁棒性、对于特变状态和缓变 状态具有很强跟踪能力，因此该方法对传感器故障、执行器故障和元部件故障都适 用。但是，总的来说这方面的研究还比较少。本章基于“等价偏差思想”，针对传 感器故障，提出了一种基于r b f 神经网络的集成故障诊断方法。该方法用r b f 神 经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障 参数与修正的b a y e s 分类算法( m b 算法) 相结合，进行传感器故障在线检测、分离和 估计。最后，将提出的方法用于连续搅拌的釜式反应器( c s t r ，c o n t i n u o u ss t i r r e d t a n kr e a c t o r ) 中，仿真研究结果表明，该集成故障诊断方法能够对多重传感器故障 进行快速准确的分离和估计。 - 2 5 河北理：大学硕+ 学位论文 传感器的故障诊断包括以下3 个问题：在某时刻j | ，如何检测是否有传感器 发生了故障：当确定有传感器发生故障后，如何找到故障传感器：找到故障传 感器后，如何补偿故障信号，给出一个正确的估计信号。基于神经网络的传感器故 障检测原理如图1 0 所示。 图1 0 基于神经网络传感器故障检测原理 f i g 1 0p r i l l c i p l eo fs e 惦o r s 枷l td i a g n o s eb 鲢e do nn e u r a ln e t 、o r k 表2 神经网络预测器学习样本 t a b l e 2s t u d ys p c c i m e no fl h en “r a ln e t w o r kp r e d i c i o r 果 m 点输入期望输出值 x ( 1 ) ，x ( 2 ) ，x ( m