故障诊断技术的回顾与展望ppt课件

1、缺点诊断技术的回想与展望 报告人：彭 涛2021年01月07日Hunan University of Technology .1. Introduction 2. Some problems of fault diagnosis technique 3. Basic principles model-based FD 4. knowledge-based Fault Diagnosis 5. Data-based Control/Decision Making/Fault Diagnosis 6. Some works and Prospects Outline of This Talk Hu

2、nan University of Technology 缺点诊断技术的回想与展望.系统庞大的规模与高度的复杂程度系统中出现的某些微小缺点假设不能及时检测并排除，就有能够呵斥整个系统的失效、瘫痪，甚至导致宏大的灾难性后果如何提高系统的平安性、可靠性，防止和杜绝影响系统正常运转的缺点的发生和开展就成为一个重要的有待处理的问题提高系统平安性、可靠性的方法有多种，其中一个重要的方法就是采用缺点检测与诊断技术1. IntroductionHunan University of Technology 缺点诊断技术的回想与展望.缺点包括两层含义： 一是系统偏离正常功能。其构成缘由主要是由于系统的任务条件含

3、零部件不正常而产生的。经过参数调理，或修复零部件，又可恢复正常功能二是功能失效。是指系统延续偏离正常功能，且其程度不断加剧，使设备根本功能不能保证 1. IntroductionHunan University of Technology .诊断技术可以说几乎是与机器的发明同时产生的 本世纪60年代，来源于工业兴隆的欧美国家和亚洲的日本 70年代中期进入蓬勃开展的阶段 进入80年代以后，曾经构成了集众多现代科学技术于一体的，一门既注重实际研讨，又注重实践运用的新兴交叉学科1. IntroductionHunan University of Technology .2.1 Basic conce

4、pts of fault diagnosis Technique 2.2 Faults Classification2.3 Basic tasks of fault diagnosis 2.4 Performance indices2.5 Classification of fault diagnosis methodsHunan University of Technology 2. Some Problems of FD Technique缺点诊断技术的回想与展望.缺点(fault)：系统至少一个特性或参数出现较大偏向，超出了可接受的范围。此时系统的性能明显低于其正常程度，所以已难以完成其

5、预期的功能失灵(malfunction)：在系统完成特定的义务时，出现了延续性的不规那么景象失效(failure，又称严重缺点)：是指系统延续偏离正常功能由于缺点，且其程度不断加剧，使系统继续丧失了完成给定义务的才干残差(residual)：缺点指示器，由丈量值与模型计算值的差得到征兆(symptom)：由缺点引起的系统可观测的特性与其正常的特性相比所出现的异常变化2.1 Basic Concepts of Fault Diagnosis TechniqueHunan University of Technology 2. Some Problems of FD Technique.监视(mo

6、nitoring)：经过记录信息、识别与指示系统行为的异常景象，延续与实时地确定某一物理系统的运转形状。监控(supervision)：对物理系统进展监视，并且当他发生缺点时采取适当的措施，以维持其运转。误报(false alarm)：系统没有发生缺点而报警。“误报率是衡量缺点诊断系统性能的根本目的之一漏报(missing alarm)：系统发生了缺点而没有报警。“漏报率是衡量缺点诊断系统性能的又一个根本目的Hunan University of Technology 2.1 Basic Concepts of Fault Diagnosis Technique. 冗余redundancy：

7、指系统里反复配置的一些部件 自动 备援， 即当某一部件设备发生损坏时, 冗余配置的部件 可以自动作为后备式部件替代缺点部件设备的任务，由此 减少系统的缺点时间 数据冗余date redundancy ：在一个数据集合中反复的数 据，简单说就是多余的数据。假设数据丧失、出错、缺点等可 以用冗余恢复数据 硬件冗余hardware redundancy：用同样的硬件重构过程 的元部件。特点是可靠性高、缺点分别直接，但本钱过高 解析冗余(analytical redundancy)：与硬件冗余相对应，指经过 用解析方式表示的系统数学模型来产生冗余信号Hunan University of Techno

8、logy 2.1 Basic Concepts of Fault Diagnosis Technique.2.1 Basic Concepts of Fault Diagnosis TechniqueHunan University of Technology Fig. 2.1 Schematic description of the hardware redundancy scheme假设过程元部件的输出不同于其硬件冗余的输出，那么过程元部件被检测出有缺点发生冗余信号的产生往往是胜利实现缺点诊断的一个关键.2.2 Fault Classification 按照发生部位的不同可分为 过程元部件

9、缺点 (process/component faults) 传感器缺点 (sensor faults) 执行器缺点 (actuator faults) 按照时间特性的不同可分为 突变缺点(abrupt faults) 缓变缺点(incipient faults) 间隙缺点(intermittent faults) 按照发生方式的不同可分为 加性缺点(additive faults) 乘性缺点(multiplicative faults)Hunan University of Technology 2. Some Problems of FD Technique. 按照发生部位的不同划分 过程缺

10、点process faults：被控对象中的某些元部件甚 至是子系统发生异常 传感器缺点sensor faults：控制回路中用于检测被丈量的传感器发生卡死、恒增益变化或恒偏向而不能准确获取被丈量信息，详细表现为对象变量的丈量值与其实践值之间的差别 执行器缺点actuator faults：控制回路中用于执行控制命令的执行器发生卡死、恒增益变化或恒偏向而不能正确执行控制命令，详细表现为执行器的输入命令和它的实践输出之间的差别 Hunan University of Technology 2.2 Fault Classification. 按照时间特性的不同划分突变缺点(abrupt fault

11、s)：参数值忽然出现很大偏向，事先不可监测和预测的缺点缓变缺点(incipient faults)：又称为软缺点，指参数随时间的推移和环境的变化而缓慢变化的缺点间隙缺点(intermittent faults)：由于老化、容差缺乏或接触不良引起的时隐时现的缺点Hunan University of Technology 2.2 Fault Classification. 按照发生方式的不同划分加性缺点(additive fault)：作用在系统上的未知输入，在系统正常运转时为零。它的出现会导致系统输出发生独立于知输入的改动乘性缺点(multiplicative fault)：系统的某些参数的变

12、化。它们能引起系统输出的变化，这些变化同时也受知输入的影响Hunan University of Technology 2.2 Fault Classification.2.3 Basic Tasks of Fault Diagnosis 缺点诊断是一门综合性技术，其研讨涉及到多门学科，如控制实际 经典、现代、鲁棒、自顺应、可靠性实际、数理统计、模糊集实际、信息处置、方式识别人工智能等学科实际 Hunan University of Technology 2. Some Problems of FD Technique.2.3 Basic Tasks of Fault Diagnosis 缺点

13、建模fault modeling 缺点检测fault detection 缺点分别fault isolation 缺点识别identification 缺点诊断diagnosis Hunan University of Technology 缺点检测与分别识别FDI缺点检测与诊断FDD缺点的评价与决策FED, Fault Evaluation and Decision. Fig.2.2 The basic tasks of the supervision system 2.3 Basic Tasks of Fault Diagnosis Hunan University of Technolo

14、gy . 检测性能目的Detection Performance Index 早期检测的灵敏度 缺点检测的及时性 缺点的误报率和漏报率 诊断性能目的Diagnosis Performance Index 缺点分别才干 缺点辨识的准确性 综合性能目的Comprehensive Performance Index 鲁棒性 自顺应才干 平安性 可靠性2.4 Performance Indices Hunan University of Technology 2. Some Problems of FD Technique.2. Some Problems of FD TechniqueHunan U

15、niversity of Technology 2.5 Classification of Fault Diagnosis Methods 诊断方法的研讨在于：寻觅征兆与缺点之间的有效对应关系 最简单的缺点检测方法就是所谓界限判别法也即判别两类过程形状(正常和异常形状) 如运用一个传感器信号x，可按如下条件描画： 假设xHth，那么形状正常，否那么形状异常.2.5 Classification of Fault Diagnosis Methods Hunan University of Technology 国际缺点诊断权威，德国的P.M.Frank教授以为 缺点诊断方法可以分为 基于模型的方

16、法 (model-based) 基于知识的方法 (knowledge-based) 基于信号处置的方法 (Signal-processing-based).基于知识的方法基于解析模型的方法基于数据驱动的方法故 障 诊 断 方 法基于病症的方法基于定性模型的方法专家系统方法方式识别方法神经网络方法模糊推理方式方式识别方法神经网络方法模糊推理方式最小二乘法滤波器方法参数估计方法基于观测器方法等价空间方法信号处置方法机器学习信息交融/粗糙集谱分析小波变换主元分析法Fisher判别分析法偏最小二乘方法神经网络有向图缺点树支持向量机多元统计分析相关分析/子空间法.3.1 The General Proc

17、edure of Model-based FD3.2 Modeling of Faults3.3 Observer-based Approach3.4 Parity Space Approach3.5 Parameter Estimation ApproachHunan University of Technology 3 Basic Principles Model-based Fault Diagnosis缺点诊断技术的回想与展望.根本思想校验由一样的过程输入信号驱动的过程解析模型的输出与实践系统的丈量输出之间的一致或不一致性3.1 The General Procedure of Mod

18、el-based FDHunan University of Technology 3 Basic Principles Model-based Fault Diagnosis. Hunan University of Technology 3.1 The General Procedure of Model-based FDFig.3.1 Schematic description of the model-based fault diagnosis scheme.通常所采用的过程解析模型有两种不同的战略 模拟名义的或无缺点的特性模型 (Nominal model/ Fault-free m

19、odel) 对于某个特定的预知缺点建立其缺点特性模型 (Faulty model)Hunan University of Technology 3.1 The General Procedure of Model-based FD. FD义务分两步完成残差征兆生成 (Residual/Symptom Generation)残差征兆评价 (Residual /Symptom Evaluation) Hunan University of Technology 3.1 The General Procedure of Model-based FD 基于解析模型的残差生成方法主要有三种 基于观测器方

20、法 (Observer-based) 等价空间方法 (Parity Space) 或奇偶方程、奇偶关系、奇偶空间方法 参数估计方法 (Parameter Estimation). FDIA系统设计的关键抑制信号中不感兴趣部分而加强其中反映缺点的部分，以区分缺点与模型不确定性和未知输入的影响基于模型FDIA系统设计的目的使FDIA系统对缺点具有尽能够大的灵敏度，而同时对不感兴趣信号的影响具有尽能够大的鲁棒性 Hunan University of Technology 3.1 The General Procedure of Model-based FD. FD系统的设计应包括如下义务 设计一个

21、残差生成器，对缺点具有高的灵敏度而对模型 不确定具有强的鲁棒性 经过选择残差评价函数定义征兆，以保证所检测的关于 缺点的信息不被丧失 进一步分析残差或开发征兆，获得更多的关于缺点的知 识，以便指点决策或实施容错控制Hunan University of Technology 3.1 The General Procedure of Model-based FD.Hunan University of Technology 3.2 Modeling of Fault3 Basic Principles Model-based Fault Diagnosis在基于模型缺点诊断中运用开环系统模型，虽

22、然我们以为这个系统是在控制回路中 Fig.3.2 缺点诊断与控制回路 .3.2 Modeling of FaultHunan University of Technology Fig.3.3 Strcture of a standard control loop with fault.Hunan University of Technology 3.2 Modeling of FaultHunan University of Technology 3.2 Modeling of Fault这一开环系统分为执行器、系统动态和传感器三个部分。按照发生方式的不同主要研讨过程元部件缺点(process

23、 faults)、 传感器缺点(sensor faults) 以及执行器缺点(actuator faults) Fig.3.4开环系统模型系统动态可用形状空间模型描画 .Hunan University of Technology 3.2 Modeling of Fault当(过程元部件发生缺点时 Fig.3.5元部件有缺点时系统动态图 过程元部件缺点可以视为系统中一些条件的改动而使动态关系变为无效的情形，如在三容器中一个水容器出现破绽。在一些情形下，缺点可以表达为系统中参数的变化 .Hunan University of Technology 3.2 Modeling of Fault当传感

24、器发生缺点时 普通说来，系统的实践输出yR(t)是不能直接得到的，通常用传感器获得系统丈量输出。经过正确选择向量fs，可以描画一切的传感器缺点情形。如当传感器被“固定在零值上时，丈量向量y(t)=0，缺点向量 Fig.3.6 传感器有缺点时系统动态图 .Hunan University of Technology 3.2 Modeling of Fault当执行器发生缺点时 现实上，系统的实践执行通常也是不能直接获得的。对于一个受控系统来说，uR是知执行器控制命令u(t)的执行器呼应。与传感器缺点情况类似，不同的执行器缺点情况可以由一个适宜的缺点函数fa(t)来表示 Fig.3.7 执行器有缺

25、点时系统动态图 .Hunan University of Technology 3.2 Modeling of Fault思索系统一切能够的传感器缺点、元部件缺点和执行器缺点，系统模型可描画为：通常写成如下形状空间描画的普通方式：输入输出描画方式为： .Hunan University of Technology 3.2 Modeling of Fault假设把建模不确定性思索进去，那么用于残差生成器完好的形状空间模型就变成： 其输入-输出一致性模型变为：.Hunan University of Technology 3.3 Observer-based Approach3 Basic Pri

26、nciples Model-based Fault DiagnosisFig.3.8 基于观测器方法的残差生成器原理 .3.3 Observer-based ApproachHunan University of Technology Hunan University of Technology (1) (2) .3.3 Observer-based ApproachHunan University of Technology . (3) . (4) (5) (6) .3.3 Observer-based ApproachHunan University of Technology .3.3

27、Observer-based ApproachHunan University of Technology 残差生成器设计的主要目的即为设法到达使FD系统对缺点更加灵敏，而同时对不感兴趣信号的影响更加鲁棒之间的最正确平衡 .Hunan University of Technology 3 Basic Principles Model-based Fault Diagnosis3.4 Parity Space Approach等价空间方法的根本思想是提供一个适宜的被监控系统的丈量一致性(奇偶性)校验 .Hunan University of Technology 3 Basic Principl

28、es Model-based Fault Diagnosis对于硬件(直接)冗余，应多于传感器最小数，也就是说，y(k)的维数应大于x(k)的维数 首先思索运用m个传感器，n维向量的丈量问题，其丈量方程为：系统动态传感器C残差生成器V残差rFig.3.9 基于硬件直接冗余的残差生成构造.Hunan University of Technology 3.4 Parity Space Approach为了检测分别缺点的目的，向量y(k)可以组合成一组线性无关的等价等式来生成等价向量(残差)： 矩阵V必需满足：由V的列所张成的空间 称为“等价空间 ，也就是说，V的列构成了这个空间的基。假设第i个传感

29、器中发生了缺点，意味着在方向上的残差范数的增大。.Hunan University of Technology 3.4 Parity Space Approach缺点检测决策函数fault detection decision function 缺点分别决策函数fault isolation decision function 对于一个特定的r(k)，可以经过计算 DFIi(k)的m个值来识别不正常任务的传感器。假设DFIi(k)是这些值中的最大数，那么与之相对应的传感器就是最有能够发生缺点的传感器 .Hunan University of Technology 3.4 Parity Spac

30、e Approach从等价空间的观念来看，V的列定义了m个不同的缺点表征方向 Ii, i=1,2,m，在指示有一个缺点发生后，经过将等价向量方向与每一个缺点表征方向相比较，可以进展故障分别。实践上，缺点分别函数 DFIi(k)是对一个残差向量与缺点表征方向之间相互关系的丈量。为可靠分别缺点，缺点表征方向间的夹角应“尽能够地大，也即， 应“尽能够小 .Hunan University of Technology 3.4 Parity Space Approach直接冗余/硬件冗余关系不存在 为实现最优的缺点分别，vi应满足 .Fig.3.10 基于等价空间方法的残差生成器原理 经过在一定时间间隔

31、，即数据窗： 内采集传感器的输出来构建冗余关系，即时间冗余(temporal redundancy)或延续冗余(serial redundancy) Hunan University of Technology 3.4 Parity Space Approach.思索系统由线性离散形状空间方程给出：Hunan University of Technology 3.4 Parity Space Approach.引入如下符号表示.3.4 Parity Space ApproachHunan University of Technology .或或3.4 Parity Space Approach

32、Hunan University of Technology .Hunan University of Technology 3.5 Parameter Estimation Approach3 Basic Principles Model-based Fault DiagnosisFig.3.11 基于参数估计方法的残差生成器原理 .基于参数估计的检测方法根本思想是用熟知的参数估计方法反复不断地对实践过程的参数进展在线估计，将估计结果与无缺点参考模型所获得的参数进展比较任何实践差别即指示为缺点。 基于假设：缺点是反映在物理系统参数中的，如磨擦，质量，胶粘性、抵抗性、感应系数、容量等。Huna

33、n University of Technology 3.5 Parameter Estimation Approach. 采用参数估计法实现FDI的根本步骤 建立过程的物理关系模型； 计算正常模型无缺点参考模型的物理参数； 确定模型系数与过程物理参数之间的关系； 由可丈量的输入输出信号，在线估计过程的模型系数； 基于模型系数的标称值，建立系统的缺点模型，即给出故 障与模型系数之间的联络；并基于模型系数的变化及缺点 模型进展缺点的决策，判别能否发生了缺点； 进展缺点诊断，确定缺点的类型、位置和大小。Hunan University of Technology 3.5 Parameter Est

34、imation Approach.基于知识的方法基于病症的方法基于定性模型的方法专家系统方法方式识别方法神经网络方法模糊推理方式方式识别方法神经网络方法模糊推理方式有向图缺点树4. knowledge-based Fault DiagnosisHunan University of Technology 缺点诊断技术的回想与展望.Hunan University of Technology 5. Data-based Control/Decision Making /Fault Diagnosis5.1 Data-driven Control Theory5.2 Data-based Deci

35、sion Making5.3 Data-driven Fault Diagnosis缺点诊断技术的回想与展望.一、 数据驱动控制的定义Hunan University of Technology 数据驱动控制(Data-driven Control) 最早来源于计算机科学领域,控制领域出现这个概念是近几年的事情相关的少量研讨, 虽已存在但运用的名词却不尽一样 Data-based control Modelless control Model-free control IFT(Iterative feedback tuning) VRFT(Virtual reference feedback

36、tuning) ILC(Iterative learning control)5.1 Data-driven control Theory5. Data-based Control/Decision Making/Fault Diagnosis.5.1 Data-driven Control TheoryHunan University of Technology 控制系统设计包括：受控对象和控制器设计两部分受控对象有四种能够情况： 有准确的机理模型 有机理模型，但机理模型不准确、不确定性较大 有机理模型，但机理模型太复杂、阶数太高、非线性太强 很难建立机理模型或无模型控制器的设计分为： 基于

37、机理模型设计 基于数据模型或无模型设计.5.1 Data-driven Control TheoryHunan University of Technology 控制系统设计有四种有意义的能够设计方案： 模型是机理的，控制器也是机理的 对建立了机理模型，但机理模型不准确、不确定性较 大的系统，控制器设计既可以是基于机理模型，也可 以思索基于数据或无模型的方法进展设计 模型是机理的，但机理模型太复杂、阶数太高、非线 性太强，很难分析和设计，实践运用中需求进展基于 部分数据模型或无模型的控制器设计 对象无模型或很难建立机理模型，需求运用数据模型 或无模型控制方法.5.1 Data-driven C

38、ontrol TheoryHunan University of Technology 数据驱动包括：数据驱动思想和数据驱动控制数据驱动思想：指利用受控系统的在线和离线数据，实 现系统的基于数据的控制、预告、评价、 调度、监控、诊断、决策和优化等的各 种期望功能数据驱动控制：指控制器设计不包含受控过程数学模型 信息，仅利用受控系统的在线和离线数 据以及经过数据处置而得到的知识来设 计控制器，并在一定的假设下，有收敛 性、稳定性保证和鲁棒性结论的控制理 论与方法.5.1 Data-driven Control TheoryHunan University of Technology 值得留意的问

39、题 机理模型和数据模型的本质区别在于：系统时变性和不 确定性在机理模型中是显式表达的，而在数据模型中是 非显式和蕴含的 实际上讲，对受控对象的知识掌握越多，控制手段就应 月丰富，控制效果就应该越好，因此，与建立机理模型 一样，建立好的基于数据的控制模型与设计好的控制 器，都需求对受控系统的动力学特性和信息有比较深化 的了解和利用 基于模型的控制实际和方法，对离线数据是一次性使 用，当模型建立后就弃之不用，但理想的数据驱动控制 实际和方法那么应在控制过程的一直都进展离线数据的不 同层面、不同尺度上的利用 数据驱动控制实际和方法不排斥已有的基于模型的控制 实际和方法，两者不能相互取代.5.1 Da

40、ta-driven Control TheoryHunan University of Technology 二、 数据驱动控制实际与方法的存在背景从实际方面来看1基于模型的控制实际和方法总是不可防止“未建模动态 和“鲁棒性这对矛盾问题2数学模型的复杂性决议了控制器的复杂构造，高阶的 复杂的非线性系统模型势必导致高阶复杂的非线性控 制器，控制器的简化和降阶问题、鲁棒性问题称为不 可跨越的设计问题3实际和实践之间间隔越来越大，制约了控制实际的健 康开展从运用角度来看 基于模型控制实际和方法在处理实践问题时已显得惨白无力、力不从心。信息量大、知识匮乏曾经成为很多过胜利也、复杂系统管理和控制的共同瓶

41、颈问题.5.1 Data-driven Control TheoryHunan University of Technology 三、 数据驱动控制方法 分为三类： 基于在线数据的数据驱动控制方法 基于SPSA的无模型控制方法 Simultaneously perturbation stochastic approximation 无模型自顺应控制Model free adaptive control，MFAC 去伪控制Unfalsified control，UC 基于离线数据的数据驱动控制方法 PID控制方法 迭代反响整定方法Iterative feedback tuning，IFT 虚拟参

42、考反响整定方法 Virtual reference feedback tuning，VRFT 基于在线和离线数据结合的数据驱动控制方法 迭代学习控制方法Iterative learning control，ILC 懒惰学习控制方法Lazy learning，LL.5.1 Data-driven Control TheoryHunan University of Technology 四、 数据驱动控制实际和方法能够开展趋势和展望 数据驱动控制实际和方法的框架体系的建立 面向控制义务的数据处置及其在驱动控制控制系统设计中 的运用是一个具有标志性意义的研讨方向 数据驱动控制的鲁棒性定义和分析方法是数据驱动控制理 论和方法的建立及开展必需求处理的重要问题之一 基于闭环系统实测数据的系统运转效果评价、预告和稳定 检验方法也是有出路的研讨方向 基于模型的控制方法和基于数据驱动的控制方法的并行控 制方法，使二者能相互支持、相互校正、优势互补、相互 完善，是非常有意义的研讨方向 已有的数据驱动控制方法在实践中的运用也是非常有意义