（机械工程专业论文）基于模型的控制系统鲁棒故障诊断技术研究.pdf

国防科学技术大学研究生院博士学位论文 摘要 在控制系统的状态监控与故障诊断中。基于模型的方法得到了广泛应用。但 实际中，由于建模误差、系统工况的变化、干扰等原因，模型不可避免地具有一 定的不确定性，这对故障检测与诊断的结果会产生重大影响。如何使得故障诊断 系统具有良好的鲁棒性，即在模型存在不确定性的情况下仍能确保诊断的准确性， 是基于模型的故障诊断面临的一个关键问题。本论文在“十五”部委级课题“机电产 品b i t 设计技术研究”的支持下，系统深入地研究了基于模型的控制系统鲁棒故障 诊断问题，主要研究内容与结论包括： l 、深入分析了模型不确定性对故障诊断的影响原因，得到了提高故障诊断系 统鲁棒性的基本途径。 归纳总结了导致模型不确定性的主要因素：提出了采用随机模型、集合模型、 模糊模型以及作为系统的未知输入等描述模型不确定性的方法；由原理出发，分 析了模型不确定性对故障诊断的影响原因，得到了抑制模型不确定性影响，提高 故障诊断系统鲁棒性的基本途径，为后续有针对性地开展研究工作提供了指导。 2 、针对线性不确定系统，基于观测器滤波器方法，研究和提出了在残差生成 中抑制模型不确定性的影响来提高故障诊断系统鲁棒性的方法。 ( 1 ) 研究了基于最优未知输入观测器的鲁棒残差生成方法，在满足给定条件时， 它可以使得模型不确定性对故障诊断的影响最小。 ( 2 ) 提出了基于多指标约束方法和基于不确定系统满意滤波的鲁棒残差生成方 法。其中通过弓l 入芒乙性能指标和对无故障时残差方差的约束，抑审4 模型不确定性 对故障诊断的影响；采用士，- 指数刻画对故障的灵敏度，并由满足上l 指数指标确 保对故障的灵敏度要求。从而实现了抑制模型不确定性的影响与确保故障灵敏度 两方面有效的结合。 3 、针对线性不确定系统，基于自适应阈值方法，研究并提出了两种在诊断决 策中抑制模型不确定性的影响来提高故障诊断系统鲁棒性的方法。 r 1 ) 提出了基于解析模型的自适应阈值设计方法，基于“概率鲁棒”的思想，利 用反映模型不确定性、控制输入等因素的无故障残差上界，得到了对于模型不确 定性影响具有适应能力的阈值。基于该闽值的诊断决策，能够实现对故障检测率 和虚警率的综合兼顾。 ( 2 ) 针对系统存在干扰，但难于确定干扰边界的情况，进一步提出了基于模糊 理论的自适应阂值设计方法。在获取干扰影响残差变化的规律基础上，利用该规 律对固定的阂值进行修正，使得阈值能够适应模型不确定性对残差的影响，从而 第i 页 国防科学技术大学研究生院博士学位论文 提高故障诊断系统的鲁棒性。 4 、针对非线性不确定系统，基于支持向量机方法，研究并提出了两种在残差 生成中抑制模型不确定性的影响来提高故障诊断系统鲁棒性的方法。 ( 1 ) 对于非线性函数满足l i p s c h i t z 条件，模型不确定性采用有界扰动描述的非线 性不确定系统。提出了基于s v m ( s u p p o r tv e c t o rm a c h i n e ，支持向量机) 状念观测器的 鲁棒故障诊断方法。主要通过在线学习故障特性对系统进行监测，利用s v m 的8 - 不敏感损失函数控制s v m 的输出，抑制模型不确定性的影响，从而提高故障诊断 系统的鲁棒性。 ( 2 ) 对于存在强非线性行为的系统，在难于通过解析方法建立系统准确模型的 情况下，提出了基于l s s v m ( 1 e a s ts q u a r e ss u p p o r tv e c t o rm a c h i n e s ，最小二乘支持 向量机) 建模与预测的故障检测诊断方法。通过支持向量机对非线性关系的逼近来 建立反映系统输入输出关系的时序模型，利用其能够适应系统动态交化的特点来 抑制模型不确定性的影响，从而提高故障诊断系统的鲁棒性。 5 、以某跟踪与稳定伺服平台为对象，应用本文提出的方法，设计并实现了b i t ( b u i l t - i nt e s t ，机内测试) 故障诊断系统。以其中的惯导子系统和电控子系统为 具体案例，进行了实验验证。结果表明：应用了鲁棒诊断方法的b i t 系统，能够 在模型不确定性影响下较准确地诊断故障，较好地抑制虚警。 主题词：控制系统基于模型的故障诊断鲁棒故障诊断鲁棒残差 自适应闭值机内测试虚警 第i i 页 国防科学技术人学研究生院博士学位论文 a b s t r a c t 1 1 把m o d e l - b a s e da p p r o a c hh a sb e e nw i d e l yu s e di nc o n d i t i o nm o n i t o r i n ga n df a u l t d i a g n o s i so fc o n t r o ls y s t e m s u n f o r m u a t e l y ，t h em o d e le r r o r so ru n c e r t a i n t i e s ，t h es h i f t o f o p e r a t i n gm o d ea n dt h eo t h e rd i s t u r b a n c e sc a nb r i n gn e g a t i v ei n f l u e n c e so nd i a g n o s i s a c c u r a c ys i n c et h e ya r ci n e v i t a b l e s oi ti sv e r yi m p o r t a n tt oi m p r o v et h er o b u s t n e s so f t h e 觥d i a g n o s i ss y s t e m n 圮m a i nt o p i c so ft h i sd i s s e r t a t i o na r ef o c u s e do nt h er o b u s tm o d e l b a s e df a u l t d i a g n o s i so f c o n t r o ls y s t e m 1 1 1 em a i nc o n t e n t sa n dr e s u l t sa 地a sf o l l o w i n g ： 1 h o wt h em o d e lu n c e r t a i n t i e si n f l u e n c et h ef a u l td i a g n o s i sa c c u r a c yi sa n a l y z e d d e e p l y s o m eb a s i cm e t h o d o l o g yf o ri m p r o v i n gt h er o b u s t n e s so ff a u l td i a g n o s i si s o u t l i n e d i nv i e wo fm a i nf a c t o r si n d u c i n gu n c e r t a i n t i e s ，t h em o d e lu n c e r t a i n t i e sa r ef o r m a l l y d e s c r i b e db ys t o c h a s t i cm o d e l ，s e tm o d e l ，f u z z ym o d e la n dt h eb n k n o w ni n p u tm o d e l r e s p e c t i v e l y b a s e do ns u c hm o d e i s ，t h em e c h a n i s mh o wt h em o d e lu n c e r t a i n t i e si n f l u e n c e f a u l td i a g n o s i sa c c u r a c yi sa n a l y z e ds y s t e m a t i c a l l y s o m eb a s i cm e t h o d o l o g yi st h e n o b t a i n e dt or e d u c em o d e lu n c e r t a i n t i e sa n di m p r o v ef a u l td i a g n o s i sr o b u s t n e s s 2 f o rt h el i n e a ru n c e r t a i ns y s t e m , t h eo b s e r v e r f i l t e r - b a s e dr o b u s tr e s i d u a l g e n e r a t i o nm e t h o di sa p p l i e dt oi m p r o v et h er o b u s t n e s so f f a l l l td i a g n o s i s ( 1 ) t h eo u i o ( o p t i m a lu n k n o w ni n p u to b s e r v e r ) 一b a s e dr o b u s tr e s i d u a lg e n e r a t i o n m e t h o di s i n v e s t i g a t e d i fs o m ec o n d i t i o n sh o l dt r u e ，i ti so p t i m a lt or e d u c et h e i n f l u e n c eo f t h em o d e lu n c e r t a i m i e s ( 2 ) ar o b u s tr e s i d u a lg e n e r a t i o nm e t h o di sp r o p o s e db a s e do nm u l t i - o b j e c t i v e o p t i m a lp r o g r a ma n ds a t i s f a c t o r ye s t i m a t i o no ft h eu n c e r t a i ns y s t e m s t h ei n f l u e n c eo f m o d e lu n c e r t a i n t i e si sl i m i t e dw i t h o u td e b a s e m e n to ff a u l td i a g n o s i ss e n s i t i v i t yb y o p t i m i z i n gi - l , n o r m ，f a u l t - f r e er e s i d u a ls t a b l ev a r i a n c e ，a n dhn o r n ls i m u l t a n e o u s l y 3 t w oa d a p t i v et h r e s h o l dd e c i s i o n - m a k i n gm e t h o d sa r ep r o p o s e dt oi m p r o v et h e r o b u s t n e s sf o rt h el i n e a ru n c e r t a i ns y s t e m ( d a na d a p t i v et h r e s h o l dd e s i g nm e t h o da p p l i c a b l et oa n a l y t i c a lm o d e li sp r e s e n t e d b a s e do nt h et h e o r yo f p r o b a b i l i s t i cr o b u s t n l ea d a p t i v et h r e s h o l di so b t a i n e db a s e do n t h eu p p e rb o u n do ff a u l t f r e er e s i d u a lw h i c hc o n t r o l ss y s t e mi n p u t sa n dr e f l e c t st h e m o d e lu n c e r t a i n t i e s t h e r e f o r et h ef d r ( f a u l td e t e c t i o nr a t e ) a n df a r ( f a l s ea l a r m r a t e ) c a nb eg u a r a n t e e ds i m u l t a n e o u s l y 第i i i 页 国防科学技术人学研究生院博士学位论文 ( 2 ) i nc 勰eo fd i s t u r b a n c e s , w h o s eb o u n di sd i f f i c u l tt ob ea c q u i r e d ，a n o t h e r a d a p t i v et h r e s h o l dd e s i g nm e t h o di sp r e s e n t e db a s e do nt h ef u z z yt h e o r y 1 1 陀i n f l u e n c e r e s i d u a lr u l eo fm o d e lu n c e r t a i n t yi sm o d e l e da n dd e s i g n e db ya p p l y i n gf u z z yr e a s o n i n g t e c h n i q u e s 1 f 1 地t h r e s h o l dm o d i f i e da c c o r d i n gt ot h er u l ec a na d a p ti t s e l f t ot h ei n f l u e n c e o f m o d e l i n gu n c e r t a i n t i e s 4 f o rt h en o n l i n e a ru n c e r t a i ns y s t e m ，t w or o b u s tr e s i d u a lg e n e r a t i o nm e t h o d sa r e p r e s e n t e db a s e do ns v m ( s u p p o r tv e c t o rm a c h i n e ) t oi m p r o v et h er o b u s t n e s so ff a u l t d i a g n o s i s ( 1 ) f o rt h en o n l i n e a ru n c e r t a i ns y s t e mw h o s en o n l i n e a rf u n c t i o ns a t i s f i e sw i t ht h e l i p s c h i t zc o n d i t i o na n dw h o s em o d e lu n c e r t a i n t yc a nb ed e s c r i b e db yi i m i t e db o u n d a r y i n t e r f e r e ，ar o b u s tf a u l td i a g n o s i sm e t h o di sp r e s e n t e db a s e do ns v m o b s e l v e r oas v m a p p r o x i m a t o ri sc o n s t r u c t e dt om o n i t o rt h eb e h a v i o ro fd y n a m i cs y s t e ma c c o r d i n gt o i n - s u i tl e a r n i n go ft h en o n l i n e a rf a u l tf u n c t i o n t h ee - i n s e n s i t i v i t yl o s sf u n c t i o no fs v m i su s e dt or e s t r i c tt h ei n f l u e n c eo fm o d e l i n gu n c e r t a i n t y 1 1 1 ed i a g n o s i sr o b u s t n e s si s e n h a n c e d ( 2 ) f o rt h es t r o n gn o n l i n e a rs y s t e mw h i c hi sd i f f i c u l tt ob u i l da n a l y t i c a lm o d e l ，a f a u l td e t e c t i o na n dd i a g n o s i sm e t h o di sp r e s e n t e d b a s e do nl s s v m ( 1 e a s ts q u a r e s s u p p o r tv e c t o rm a c h i n e s ) t h en o n l i n e a rr e l a t i o nb e t w e e ni n p u t sa n do u t p u t s i sm o d e l e d b yl s - s v ma p p r o x i m a t i o n b e c a u s et h em o d e li sa d a p t i v et ot h ec h a n g eo fd y n a m i c p r o c e s s ，t h ef a u l td e t e c t i o na n dd i a g n o s i sh a v eb e t t e rr o b u s m e s s 5 i no r d e rt oe v a l u a t et h ee f f i c i e n c yo ft h et e c h n i q u e sp r o p o s e da b o v e ，ab i t ( b u i l t - i nt e s t ) s y s t e mo f o n em e c h a t r o n i c a ls y s t e mi no u rl a bi si m p l e m e n t e d i t st w o s u b s y s t e m s t h es t r a p - d o w ni n e r t i a ln a v i g a t i o ns u b s y s t e ma n dt h ec o n t r o ls y s t e m ，啪 c h o s e nt od e m o n s t r a t e t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tb i tp e r f o r m a n c ei s i m p r o v e da n dt h ef a l s ea l a r m sa r er e d u c e da f t e ru s i n gt h em e t h o dp r e s e n t e di n t h i s p a p e r k e yw o r d s ：c o n t r o ls y s t e m m o d e l b a s e dd i a g n o s i sr o b u s tf a u l td i a g n o s i s r o b u s tr e s i d u a l a d a p t i v et h r e s h o l d b u i l t i nt e s t ( b m f a l s ea l a r m 第i v 页 国防科学技术大学研究生院博士学位论文 表目录 表4 1 采用三种阈值进行故障检测的f a r 和f d r 6 9 表4 2 模糊规则表7 4 表5 1s v m 观测器与神经网络观测器误差比较分析表9 0 表5 2 闭环控制系统全局和元件局部模型9 3 表5 3 液压伺服系统系统全局和元件局部模型9 5 表5 4 几种典型故障模式的诊断逻辑9 6 表5 5 全局模型m l 的建模与预测的结果对比9 6 表6 1s i n s g p s 组合系统噪声参数。1 0 6 表6 2 两种方法对陀螺漂移故障灼检测结果( 虑警率情况) 对比1 0 9 表6 3 估计误差的方差对比1 0 9 表6 4 残差变化规律 表6 5 伺服系统全局和元件局部模型1 11 表6 6 全局模型m 1 的建模与预测的结果对比1 1 3 表6 7 几种典型故障模式的诊断逻辑11 4 第页 国防科学技术人学研究生院博士学位论文 图目录 图1 1 论文的主要内容与结构1 6 图2 1 控制系统故障监测与诊断结构1 7 图2 2 表示为开环形式的控制系统1 8 图2 3 残差生成算法( 或装置) 的一般结构2 7 图2 4 虚警率和漏检率的表示3 l 图2 5 后验熵与状态估计方差之间的关系3 4 图2 6n e y m a n - p e a r s o n 准则下的诊断错误率分析3 5 图2 7 估计精度随错误率b h a t t a c h a r y y a 上晃的变化曲线3 6 图3 1 某火炮位置伺服系统框图一4 2 图3 2 转角输出信号4 3 图3 3 转角残差，( 勋4 3 图3 4 转角残差“勋。4 3 图3 5 转角残差，4 3 图3 6 电枢电流i 5 3 图3 7 电枢电流f 残差5 3 图3 8 电枢电流i 残差5 3 图3 9 电枢电流i 残差5 3 图3 1 0 电枢电流f 残差5 3 图3 1 1 电枢电流i 残差。5 3 图3 1 2 由本文方法得到的输出残差( 阶跃型故障) 6 0 图3 1 3 由本文方法得到的输出残差( 缓变型故障) 6 0 图3 1 4 模型参数不摄动时由k a l m a n 方法得到的输出残差( 阶跃型故障) 6 0 图3 1 5 模型参数不摄动时由k a l m a n 方法得到的输出残差( 缓变型故障) 6 0 图3 1 6 模型参数不摄动时由本文方法得到的输出残差( 阶跃型故障) 6 0 图3 1 7 模型参数不摄动时由本文方法得到的输出残差( 缓变型故障) 6 0 图4 1 故障检测阈值设计结果6 9 图4 2 基于模糊理论的阈值设计原理图7 l 图4 3 干扰力矩的隶属度函数7 4 图4 4 转台转速的隶属度函数7 4 图4 5 残差变化的隶属度函数7 4 图4 6 模糊规则的三维图7 4 第v 页 国防科学技术大学研究生院博士学位论文 图4 7 基于模糊理论所设计的阈值7 5 图5 1 线性可分情况下的最优分类线7 8 图5 2 支持向量机示意图。8 0 图5 3 故障特性曲线与s v m 观测器在线输出( 踟1 ) 8 9 图5 4 故障特性曲线与s v m 观测器在线输出( g ：o 5 ) 图5 5 基于l s s v m 模型的故障检测9 l 图5 6 基于支持向量机建模的原理框图9 2 图5 7 闭环控制系统原理框图。9 2 图5 8 某液压伺服系统原理框图9 4 图5 9 控制信号发生突变型故障时由模型m l 、m 2 生成的残差9 7 图5 1 0 控制信号发生突变型故障时由模型m 3 生成的残差9 7 图5 1 l 伺服周发生故障时由模型m z 、m 2 生成的残差 9 7 图5 1 2 伺服阀发生故障时由模型m 3 生成的残差9 7 图6 1 某跟踪与稳定伺服平台9 9 图6 2 捷联惯导系统外部引导方案的控制方框图1 0 0 图6 3 陀螺闭环稳定方案的控制方框图1 0 1 图6 4 某跟踪与稳定伺服平台总体结构图1 0 1 图6 5 某跟踪与稳定伺服平台结构模型框图1 0 2 图6 6 某跟踪与稳定伺服平台的b i t 总体结构 1 0 3 图6 7 某跟踪与稳定伺服平台的b i t 系统实物1 0 3 图6 8s i n s g p s 组合导航系统硬件组成1 0 4 图6 9x 轴陀螺阶跃故障时东向位置残差1 0 7 图6 1 0 鼻轴陀螺阶跃故障时北向位置残差1 0 7 图6 1 1x 轴陀螺阶跃故障时东向速度残差1 0 7 图6 1 2x 轴陀螺阶跃故障时北向速度残差1 0 8 图6 。1 3x 轴加速度计故障时东向位置残差 图6 1 4 图6 1 5 图6 1 6 图6 1 7 图6 1 8 图6 1 9 图6 1 2 0 图6 2 1 1 0 8 工轴加速度计故障时北向位置残差1 0 8 系统全局模型m l 的输出响应1 1 2 前向通路模型m 2 的输出响应1 1 2 电机模型m 3 的输出响应1 1 3 系统全局模型m l 的预测输出残差1 1 3 前向通路模型m 2 的预测输出残差1 1 3 电机模型m 3 的预测输出残差1 1 3 控制信号故障时前向通路模型m 2 的输出残差1 1 4 第v i 页 国防科学技术火学研究生院博士学位论文 图6 2 2 驱动器故障时前向通路模型m 2 的输出残差1 1 4 图6 2 3 角速率陀螺传感器故障时系统全局模型m i 的输出残差1 1 4 图6 2 4 角速率陀螺传感器故障时由模型m l 、m 2 、m 3 生成的残差1 1 5 第v i i 页 独创性声明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得 的研究成果。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 其他人已经发表和撰写过的研究成果，也不包含为获得国防科学技术大学或其他 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 何贡献均已在论文中作了明确的说明并表示谢意。 学位论文题目：基i 璧型鲍控剑丞缝垒挂筮睦趁逝挂盛珏壅 学位论文作者签名：兰墨左日期：2 。杉年，月工口日 学位论文版权使用授权书 本人完全了解国防科学技术大学有关保留、使用学位论文的规定。本人授权 国防科学技术大学可以保留并向国家有关部门或机构送交论文的复印件和电子 文档，允许论文被查阅和借阅；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，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密学位论文在解密后适用本授权书。) 学位论文题目：基王搓型盟撞劐丕缝垒挂垫睦途堑技盎盈究 学位论文作者签名：羔墨芷 日期：工一，占年，。月2 口日 作者指导蝴签名：留邋日期渺年，p 月矽日 j 国防科学技术大学研究生院博士学位论文 第一章绪论 1 1 研究背景及意义 1 1 1 控制系统的鲁棒故障诊断 目前，自动控制技术在各个领域的应用越来越广泛，特别是随着航天、航空、 军事等高新技术的发展，对控制技术提出了更高的需求，使得控制系统的规模不 断扩大，复杂性日益提高。与此同时，系统中出现故障的可能性也相应增加。故 障若不能及时被检测、排除或冗余，将会对系统的工作性能产生不利影响，甚至 导致整个系统的失效，瘫痪，引起灾难性的后果。例如：1 9 9 6 年6 月，欧洲“阿丽 亚娜”号运载火箭因导航系统出现故障，致使火箭坠毁，造成数亿美元的巨大损失 1 1 01 9 9 6 年2 月，我国的长征三号乙运载火箭因控制系统惯性平台故障首飞失利 2 1 。 某统计资料表明，在1 9 9 0 2 0 0 1 年问所发射的卫星、空间站等7 6 4 个航天器中， 总共有1 2 1 个出现故障，占航天器总数的1 5 8 ，其中控制系统故障占3 7 3 1 。因 此，在提高控制系统自身性能的同时，确保其安全性、可靠性和有效性至关重要。 迫切要求建立监控系统来监督系统的运行状态，不断检测系统的变化和故障信息， 进雨采取措施，防止系统事故的发生。 控制系统的状态监控与故障诊断已经成为一项倍受关注的重要技术。自2 0 世 纪8 0 年代以来，每年的i f a c 、i e e e 的控制与决策国际大会都把故障诊断和容错 控制列为重要的讨论专题，1 9 9 3 年，i f a c 成立了故障诊断与安全性技术委员会， 我国自动化学会也于1 9 9 7 年成立了技术过程的故障诊断与安全性专业委员会。世 界各国对此竞相开展了广泛、深入的研究【4 j 。 时至今日，控制系统的故障诊断技术业已取得了很大的进展，提出了众多可 行的方法，这些方法总体上可以分为基于系统模型的方法和不依赖于模型的方法 两大类。对于控制系统，在其系统设计中，一般都涉及到建立系统模型的问题， 所建立的模型可以直接用于故障诊断。同时，基于模型的方法能够更加充分地利 用系统内部深层信息。有利于对故障的隔离、辨识。因此，基于模型的方法得到 了广泛的应用和更多的关注。 在基于模型的故障诊断中，模型对实际对象和环境的反映能力是决定故障诊 断系统性能的一个至关重要的因素。但实际中对于被监测诊断系统不可能做到完 全准确的建模。对控制系统中一些复杂的动态行为、噪声、干扰等因素难以进行 第l 页 国防科学技术大学研究生院博士学位论文 精确的描述，往往予以简化、忽略或者给予一些理想化的假设。也就是说，所应 用的模型不可避免地具有一定的不确定性，这将对故障检测与诊断的结果产生重 大影响。如何使得故障诊断系统具有良好的鲁棒性，即在模型存在不确定性的情 况下仍能确保诊断的准确性，是基于模型的故障诊断面临的一个关键问题。鲁棒 故障诊断的研究方兴未艾，目前仍是故障诊断领域中的一个热点i s , 6 7 1 。 1 1 2 课题来源 在传统的故障诊断技术不断发展的同时，测试性与b i t ( b u i l t i nt e s t ，机内测 试) 技术的出现，为从根本上增强控制系统的测试和故障诊断能力提供了一种新 的思路与途径。b i t 是指系统或设备自身为故障检测、隔离或诊断提供的自动测试 能力。其内涵主要包括：( 1 ) 在产品设计阶段就并行开展测试与诊断系统的设计； ( 2 ) 利用设计在被测单元内的自测试硬件和软件进行测试与诊断，实现部件、分系 统和系统等各级故障的检测与隔离 s , g a o l 。当前，我军以信息化为核心的新军事变 革正蓬勃开展，武器装备的智能化水平和复杂程度不断提高，对维修保障提出了 更高的要求。而单纯依靠现有的联机检测难以达到所期望的测试性和维修性要求， 如何提高武器装备系统的b i t 水平成为当务之急。因此，在“十五”期间，国防 科技大学立项开展了部委预研项目“机电产品b i t 设计技术研究”这一课题的研究， 其目的是解决机电产品b i t 设计的共性技术难题，提高我军武器装备的维修性、 测试性水平，以期高效、准确地实现武器装备的测试、监控、诊断和维修，适应 和满足新形势下我军武器装备维修保障的迫切需求l l 。 b i t 技术在一些军事领域已经发挥了积极的作用阻 1 2 l ，但在应用中也暴露出一 些问题，其中以故障诊断能力差与虚警率高最为突出。如何有效地抑制虚警是一 个国际性难题。因此在课题中将降低b i t 虚警列为重点攻关的一项关键技术，并 确立了分别由信息获取层、信息处理层和诊断决策层三个方面，和从系统的角度 综合进行研究的技术方案。将基于模型的控制系统鲁棒故障诊断技术做为研究中 的一个重要内容，目的就在于从系统层面解决综合降低b i t 虚警的问题。此外， 在课题中选定跟踪与稳定伺服平台作为设计与验证应用对象。它在各类武器装备， 如导弹发射车、自行火炮、坦克、卫星地面跟踪系统、雷达天线等中有着大量的 应用，这是一类具有典型意义的控制系统l “j 。 因此，本论文基于鲁棒故障诊断在工程实际和理论研究中的需求，结合“机电 产品b i t 设计技术研究”这一课题的具体要求，对于基于模型的控制系统鲁棒故障 诊断技术开展了较为系统深入的研究。 第2 页 国防科学技术大学研究生院博士学位论文 1 2 1 故障诊断的基本问题 1 2 文献综述 1 2 1 1 故障的概念与分类 故障可以理解为系统中至少有一个重要变量或特性偏离了正常范围( i s e r m a - n n ，1 9 9 6 ) 。广义地讲，故障可认为是使得系统表现出所不期望的特性的任何异常 现象( p m f r a n k ，1 9 9 0 ) 。对于控制系统，故障的发生部位、时间特性和发生形式 都呈现出一定的多样性，按照发生部位可分为传感器故障、执行器故障和元部件 故障；按照发生的时间可分为突变、缓变和间隙故障；按照发生的形式可分为乘 性和加性故障 1 3 , 1 4 , 1 5 】。 1 2 1 2 故障诊断的任务 故障诊断是利用系统运行中的有关信息和己有的知识，进行信息处理，最终 得到系统运行状态和故障情况的过程。故障诊断的任务，可分为以下几个方面的 内容： ( 1 ) 故障建模，按照先验信息和输入输出关系，建立系统故障的数学模型，作 为故障诊断的依据。 ( 2 ) 故障检测，利用可测变量的测量值或不可测变量的估计值等信息，判断被 诊断系统是否发生了故障。 ( 3 ) 故障分离，在检测出故障后，给出故障源的位置，区别出故障位置是执行 器、传感器、控制器以及被控对象。 ( 4 ) 故障辨识，在分离出故障后，确定故障的大小、发生时刻及其时变特性。 ( 5 ) 故障的评价与决策，判断故障的严重程度及其对诊断对象的影响，针对不 同的情况采取不同的措施 1 3 , 1 4 , 1 5 】。 1 2 1 。3 故障诊断系统的性能指标 评价故障诊断系统的性能指标大体上可分为以下三个方面0 3 1 4 ，”l ： ( 1 ) 检测性能指标： 早期检测的灵敏度：是指一个故障检测系统对“小”故障信号的检测能力。 检测系统早期检测的灵敏度越高，表明它能检测到的最小故障信号越小。 故障检测的及时性：是指当诊断对象发生故障后故障检测系统在尽可能短 的时间内检测到故障发生的能力。故障检测的及时性越好，说明故障从发生到被 正确检测出来之间的时间间隔越短。 故障的误报率和漏报率：误报是指系统没有发生故障却被错误判定出现了 第3 页 国防科学技术大学研究生院博士学位论文 故障的情形；漏报是指系统中出现了故障却没有被检测出来的情形。一个可靠的 故障检测系统应当保持尽可能低的误报率和漏报率。 ( 2 ) 诊断性能指标 故障分离能力：是指诊断系统对于不同故障的区分能力。这种能力的强弱 决定于对象的物理特性、故障大小、噪声、干扰、建模误差以及所设计的诊断算 法。分离能力越强，表明诊断系统对于不同故障的区分能力越强，对故障的定位 也就越准确。 故障辨识的准确性：是指诊断系统对故障大小，发生时刻及其时变特性的 估计的准确程度。故障辨识准确性越高，表明诊断系统对故障的估计就越准确， 也就越有利于故障的评价与决策。 ( 3 ) 综合性能指标 鲁捧性：是指故障诊断系统在存在噪声、干扰、建模误差的情况下正确完 成故障诊断任务，同时保持满意的误报率和漏报率的能力。一个故障诊断系统的 鲁棒性越强，表明它受噪声、干扰、建模误差的影响越小，其可靠性也就越高。 自适应能力：是指故障诊断系统对于变化的被诊断对象所具有的自适应能 力，并且能够充分利用由变化产生的新信息来改善自身。引起这些变化的原因可 以是被诊断对象的外部输入的变化、结构的变化或由诸如生产数量、原材料质量 等原因引起的工作条件的变化。 1 2 2 故障诊断的基本方法 故障诊断方法可分为基于解析模型的方法、基于信号处理的方法和基于知识 的方法3 大类0 3 q ”。 ( 1 ) 基于解析模型的方法 基于解析模型的方法通过将被诊断对象的可测信息和由模型表达的系统先验 信息进行比较，产生残差，并对残差进行分析和处理而实现故障诊断。这类方法 需要建立被诊断对象的精确数学模型，优点是充分利用了系统内部的深层知识， 有利于系统的故障诊断。一般而言，基于数学模型的故障诊断包括残差产生和残 差评价两个阶段。根据残差产生形式的不同，这类方法又可分为参数估计方法、 状态估计方法和等价空间方法。 ( 2 ) 基于信号处理的方法 基于信号处理的方法通过处理和分析可测信号的幅值、方差、频率、相关函 数等各种特征量，进行故障检测与诊断。除传统的时域分析和频谱分析方法外， 近些年来还发展以下一些方法，包括：主元分析方法、小波变换方法、时频分布 第4 页 国防科学技术大学研究生院博士学位论文 方法、6 算子方法、k u l l b a e k 信息准则方法、信号模态估计方法、分形几何方法、 信息融合方法等。 ( 3 ) 基于知识的方法 基于知识的方法无需系统的定量数学模型，可充分利用专家诊断知识和诊断 对象的信息。它又可分为基于症状的方法和基于定性模型的方法。其中，基于症 状的方法主要有专家系统、模糊推理、神经网络、支持向量机、粗糙集理沦、d - s 证据理论、灰色系统理论、p e t r i 网方法、基于a g e n t 的方法等。基于定性模型的方 法主要有定性观钡4 器、知识观测器、定性仿真、有向图、故障树等。 1 2 3 鲁棒故障诊断的主要方法 如何使得故障诊断系统对于模型误差、噪声、干扰等不确定因素具有好的鲁 棒性，确保故障诊断系统在上述因素影响下的准确性，是基于模型的故障诊断中 的一个关键问题。鲁棒故障诊断是目前故障诊断领域中一个研究热点，已经开展 了许多的研究工作。基本的方法可归纳为以下两类，一类是鲁棒残差生成，即生 成对各种不确定与干扰因素不敏感，面对故障敏感的残差；另一类是鲁棒诊断决 策，即通过决策规则来增强故障诊断的鲁棒性5 ，2 2 ，2 3 】。 1 2 3 1 线性不确定系统的鲁棒残差生成方法 鲁捧残差生成方法所研究的主要问题和致力于实现的目标，是使得残差对各 种不确定因素不敏感，而对故障敏感。对于线性不确定系统，主要方法有：基于 未知输入观测器的方法，基于特征结构配晟的方法，鲁捧等价( 奇偶) 空间的方 法，基于鲁棒观测器滤波器的方法和优化方法等。 基于未知输入观测器m i o ，u n k n o w ni n p u to b s e r v e r ) 的方法 这是一种比较经典的鲁棒故障检测诊断方法，其基本思想是将各种不确定性 因素视为系统的未知输入( 扰动) ，虽然这种输入( 扰动) 是未知的，但其分布矩阵认 为已知。可利用未知输入观测器得到对未知输入( 扰动) 解耦的状态估计，之后基 于该状态估计( 或者其加权形式) 形成的残差也相应实现了对未知输入的解耦。 u i o 是鲁棒故障诊断中研究和应用较早的一种方法，国外的著述较多，如c h e r t j 和p a t t o n 系统地研究和总结了这类方法1 5 j 。此外，d u a n ，g u a n g - r e n & p a t t o n 还提 出了l t m b e r g e r 类型的u i o 方法，将其用于带有未知扰动的多变量