用户登陆 用户注册
您的位置:首页> 维修指南>内容正文
基于定性方法的故障检测和诊断技术综述
[正文]:一、引言　　在现代控制系统中，由于系统复杂性的日益提高，规模的不断扩大，系统常常要面对不可预计的变化。
这类系统一旦发生故障就可能造成人员和财产的巨大损失。
设计可靠的容错控制系统，或者将复杂系统的性能维持在高水平上，是急待解决的问题。
切实保障现代复杂系统的可靠性和安全性，具有十分重要的意义。
这首先就需要能够正确地检测出系统产生的变化（故障），然后尽快地采取相应措施来重新配置系统。
由于实际应用在这方面有强烈要求，所以研究和发展新的故障检测和诊断技术已经成为自动控制领域的一个热点研究方向。
　　动态系统的故障检测与诊断（fdd）既是一门相对独立发展的技术，也是容错控制的重要支柱。
目前国际上每年发表的有关fdd方面的论文和报告在1000篇以上。
许多学者加入到这一研究领域，提出了许多研究方法。
经过多年的发展，这一领域已经产生了许多研究成果。
　　实际系统可能发生的故障是多种多样的，因此研究故障检测和诊断问题需要对故障做出适当的分类，按照不同的方面，可以得到不同的分类结果。
从故障发生的部位看，可以分成仪表故障（常称为传感器故障）、执行器故障和元部件故障；根据故障性质，可以分为突变故障和缓变故障；从建模角度出发，又可以分为乘性故障和加性故障。
至于故障诊断的方法，按照通行的分类方法可以分为3大类：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。
　　基于解析模型的方法是最早发展起来的，此方法需要建立被诊断对象的较为精确的数学模型。
进一步，它又可以分为参数估计方法、状态估计方法和等价空间方法。
这3种方法虽然是存在一定联系的，比如基于观测器的状态估计和等价空间方法是等价的。
相比之下，参数估计方法比状态估计方法更适合非线性系统，因为非线性系统的状态观测器的设计有很大的困难。
目前，只有针对某些特殊的非线性系统有研究，而通常的等价空间方法仅适用于线性系统。
　　当难以建立诊断对象的解析数学模型时，基于信号处理的方法是非常有用的。
这种方法直接利用信号模型技术，如相关函数、高阶统计量、频谱和自回归滑动平均过程，以及现在热门的小波分析技术用这种方法可以避开提取对象数学模型的这一难点，这既是它的优点又是它的缺点。
　　基于知识的方法和基于信号处理的方法类似，也不需要系统的定量数学模型，但它克服了后者的缺点，引入了诊断对象的许多信息，特别是可以充分地利用专家诊断知识等，所以是一种很有前途的方法，尤其是在非线性系统领域。
下面将介绍基于知识的故障诊断方法，并把重点放在基于定性模型的方法上。
　　二、基于定性方法的故障检测和诊断方法　　定性故障检测和诊断方法的基础是定性模型和定性推理。
基于定性方法的故障检测与诊断，利用不完备的先验知识，采用定性的方法，对系统结构和功能进行描述，建立起定性模型，对系统进行推理，预测系统的定性行为，通过与实际的系统行为比较，检测系统是否发生故障，并诊断系统的故障原因。
　　（一）基于定性仿真理论（qsim）的诊断技术 　　它的理论基础是于1986年提出的基于定性微分方程的定性仿真理论。
kuipers在1987年提出了基于qsim的诊断技术起，采用基于故障模型的诊断策略，利用qsim方法对故障模型进行仿真，从而得到预测的系统行为。
然后将观测到的故障行为与这些预测行为相比较。
如果一致，则说明系统发生故障。
这时，依据建立该模型时的先验知识，进一步诊断出故障的种类和原因。
这充分发挥了qsim基于深层知识建模和推理能力强大的特点。
这一过程被称为假设—建模—仿真—匹配循环，如图1所示。