基于解析模型的故障诊断方法.ppt

基于解析模型的故障诊断方法.ppt

《基于解析模型的故障诊断方法.ppt》由会员分享，可在线阅读，更多相关《基于解析模型的故障诊断方法.ppt（64页珍藏版）》请在冰豆网上搜索。

基于解析模型的故障诊断,Contents,故障现象的合理描述,1,基于模型的鲁棒故障检测,2,在线故障容错控制,3,三水箱系统故障的仿真研究,4,5,多重执行器故障的仿真研究,工业过程目前绝大部分已采用了计算机控制系统，且以计算机为核心的控制器的可靠性可以达到较高水平，随之而来的问题是执行器和传感器可靠性的不足。

实际上，传感器和执行器的故障已成为导致控制系统失效的主要原因，据统计，80%控制系统失效，起因于传感器和执行器故障。

然而，传统的控制理论的研究大多都是基于传感器和执行器工作正常的假设。

因此，研究传感器和执行器的故障检测和容错控制间题有重要的理论和应用价值。

大部分故障容错控制研究中广泛采用了“二状态故障模型”，尽管这种描述可以简化故障诊断和容错控制的研究，但这种描述不能很好的反映实际的工程系统中所发生的故障现象。

因此，如何建立合理的实际故障的解析模型是非常必要的。

故障现象的合理描述,传感器故障的合理描述,1.传感器故障问题的描述对于一个实际的多输入多输出的非线性动态系统，其带有传感器故障数学模型可用描述为：

（1）

（2）故障发生的时间可以被描述为：

（3）这里表示一个时变增益的常数矩阵，可以描述突变故障、衰减故障和间隙故障。

（突变故障）（4）（衰减故障）（5）是衰减系数，代表单位阶跃响应。

2.传感器故障分类及其特性描述传感器故障：

偏差故障、漂移故障、精度下降故障和完全故障。

前三种故障被称为“软故障”，而后一种故障被称为“硬故障”。

软故障由于故障现象不明显，难于被检测，使得软故障在某种程度上比硬故障危害更大。

1）偏差故障：

是指故障测量值与正确测量值相差某一恒定常数的一类故障，即：

b为常数（6）该类故障的表现形式如图1所示。

从图中可以看出，有故障的测量与无故障的测量是平行的只是两者之间相差一个常数b。

传感器故障的合理描述,2）漂移故障：

是指故障大小随时间发生线性变化的一类故障,其形式为为常数，为的故障起始时刻（7）该类故障的表现形式如图1b所示，从图中可以看出，有故障测量值与无故障测量值之间的差距随时间的推移而不断加大。

3）精度下降故障：

发生精度下降故障时，测量的平均值并没有变化，而是测量的方差发生了变化。

具体表示形式为：

（8）这里,表示高斯白噪声,表示方差。

精度下降故障类似于自由噪声的方差增大的情况。

其表现形式如图1c所示，从图中可以看出，有故障测量与无故障测量混杂在一起。

正是由于这一点，使得该类故障的检测较其他三类故障更难。

传感器故障的合理描述,4）完全故障：

完全故障时测量值不随实际变化而变化，始终保持某一读数。

通常这一恒定值一般是仪表量程的最大或最小值。

该类故障可以表示成为：

表示仪表量程的最大或最小值（9）这类故障的发生往往是一个衰减过程，可以表示为：

（10）其表现形式如图1（d）所示，此类故障检测的关键是早期检测，防止故障进一步的扩大。

传感器故障的合理描述,传感器故障的合理描述,执行器故障（阀门故障）的描述,执行器位于控制回路的最终端，控制系统的控制性能与执行器的性能和正确选用有着直接的十分重要的关系。

阀门是流程工业最常用的执行器，其使用不当或阀门故障引起的生产不能正常进行甚至造成事故的情况不胜枚举。

另一方面在一个装置中阀门的数量众多，一些关键部位的阀门价值昂贵且难于更换。

本节研究对象采用欧洲网络训练基金会在2002-2006年研究开发的一个动态执行器基准平台DAMADICS（DevelopmentandApplicationofMethodsforActuatorDiagnosisinIndustrialControlSystems）。

DAMADICS基准平台是根据柏林一个糖生产工业数据和实验测试数据，利用解析描述方法建立的执行器故障基准仿真平台。

执行器故障（阀门故障）的描述,1.阀门装置的基本结构在讨论阀门故障现象和建立合理数学描述模型之前，必须首先掌握阀门的基本结构。

阀门由执行机构、调节机构和阀门定位器组成，如图2所示。

执行机构将控制器输出信号转换成控制阀的推力，由推力力矩进一步转化为角位移信号；调解机构将位移信号转换为流通面积的变化，从而影响流体流量。

阀门定位器可改善控制系统功能，与阀杆位移量组成副回路控制，克服摩擦力、不平衡力和回差干扰。

执行器故障（阀门故障）的描述,执行器故障（阀门故障）的描述,CV：

控制器输出信号；I：

单元的输入电流信号；E/P：

电-汽信号转换器；F主管道载体流量；Fv：

控制阀输出流量；Fv3：

旁路管道输出流量；FT：

流量测量值；P1，P2：

阀前、阀后压力；Ps：

E/P转换器的输出气压；X：

阀杆位移。

阀门定位器构成一个负反馈回路与原有的被控变量组成串级控制，如图3所示。

执行器故障（阀门故障）的描述,2.阀门常见故障的合理描述阀门故障按照其机构可以划分为：

调节机构故障、执行机构故障、定位器故障和一般外部故障。

常见的故障大致可以归纳19种故障情况。

调节机构常见故障,注：

Hf：

阀杆移动范围；H0：

正常阀杆移动范围；fs：

故障强度；Xf：

故障时阀杆移动距离；X0：

正常阀杆移动距离；Kvrf：

故障时阀流量系数；Kvr0：

正常时阀流量系数；Dbf：

故障时滞后环的宽度；Db0：

正常时滞后环的宽度；Ff：

故障时阀的输出流量；F0：

正常时阀的输出流量；T1f：

故障时载体温度；T10：

正常载体温度；,执行器故障（阀门故障）的描述,执行器故障（阀门故障）的描述,3基于多模型的鲁棒故障检测技术,基于解析模型的故障检测与诊断方法是通过系统实际行为与基于模型的预期行为的差异的分析与比较，检测系统是否发生故障，并对故障发生部位、故障的大小及类型进行诊断。

这种基于解析模型的故障诊断方法具有不需要另增加其他物理设备的优点，在理论研究和工程应用方面都具有很强的吸引力。

3基于多模型的鲁棒故障检测技术,3.1系统的建模动态系统解析冗余是指系统输入信息和输出信息之间瞬态关系的集合，动态系统的建模过程实际上就是从过程输入输出关系中提取解析冗余信息的过程。

假设一个可以用非线性自回归滑动模型表示的多输入多输出的非线性系统，在没有故障，扰动和噪声情况下可表示为：

（3.1）nu和ny分别表示输入和输出的阶数，表示输入时滞。

系统可以使用不同的建模方法建立系统的模型。

模型可以表示如下：

（3.2）建模方法有很多，例如：

时域上描述系统的数学模型常用代数方程、微分方程、随机微分方程、差分方程、随机差分方程等。

近年来也有许多文献采用基于智能建模方法建立非线性动态系统的模型。

3基于多模型的鲁棒故障检测技术,2.3.2残差的生成故障诊断领域的残差主要指被监控系统的真实行为与基于系统数学模型的预期行为之间的不一致性或差异，是过程故障检测系统的核心。

由于噪音和模型的不确定存在，即使在无故障时，残差也不可能为零。

残差发生器可以描述为：

（3.3）故障可以被表示为一个未知输入作用在系统上（“加性故障”）或者表示为一些工厂参数的变化（“乘性故障”）。

残差也可以改写为：

（3.4）式中p（k）表示加性故障；q（k）表示外加扰动；v（k）表示测量噪声；SF（z）表示加性故障传递函数；SD（z）表示外加扰动传递函数；SN（z）表示测量噪声传递函数；F表示乘性故障矢量；D表示参数不确定矢量。

从式可以看出残差不仅与加性故障或乘性故障相关，而且与系统参数的不确定、噪声和扰动相关。

系统的扰动、噪声和模型误差导致了残差在正常工况时为非零值，增加了故障检测的难度。

所以在设计残差发生器时，就应考虑到残差受外界扰动、噪声和模型误差的影响尽可能的少，也就是说残差对这些未知输入应具有一定的鲁棒性。

3基于多模型的鲁棒故障检测技术,2.3.3残差鲁棒性问题分析解决残差鲁棒性的常用方法主要分为两大类：

主动鲁棒性和被动鲁棒性。

主动鲁棒性主要通过设计式（2.3.4）中矩阵W（z）使得残差仅对故障敏感，而对系统的不确定性具有较好的鲁棒性。

近年来，已有一些文献采用不同的技术提高残差的鲁棒性。

例如未知输入观测器、鲁棒偏微分方程、H控制和解耦技术等。

由于设计主动鲁棒算法时，需要知道模型误差与不确定性等细节，而这些细节很少可以预先知道，因此实际应用中将模型不确定性和噪声产生的残差与故障产生的残差进行完全解耦是不容易实现的。

被动鲁棒性故障检测途径是把参数的不确定性引入到残差中，通过使用一个阈值来描述不确定对残差的影响。

因此，如果残差落在这个阈值内，则没有故障被检测，残差可能是由于参数的不确定或噪声引起。

文献给出了操作工作点、模型不确定性与残差阈值之间的一个理论关系。

文献发展了一种自适应阈值技术，基于参数不确定的动态操作中，最小的阈值就等于用模型参数不确定性计算出的输出值的最大可能偏离。

由于模型偏离正常工况的最大值与最小值之间形成一个运动的区域轨迹，可以作为残差的自适应阈值包络轨迹。

这里给出计算参数不确定条件下的自适应阈值方法。

自适应阈值方法可以有效地解决建模的不确定和扰动等问题。

模型输出不确定区域可以表示为：

3基于多模型的鲁棒故障检测技术,3基于多模型的鲁棒故障检测技术,3基于多模型的鲁棒故障检测技术,3.4闭环系统的鲁棒故障检测技术本节采用了加权移动平均残差（WMVR）和自适应阈值包络保守的故障检测技术进行带有不确定相和测量噪声的故障检测。

故障检测的方框图如图2.3.3所示。

图2.3.3闭环系统鲁棒故障检测结构图,3基于多模型的鲁棒故障检测技术,1.加权移动平均残差（WMVR）技术为了有效地解决由于测量噪声和外界扰动对残差造成的影响，本节采用基于一个移动时间窗L定义一个滤波器Ek，Ek是由起始于当前采样时刻k的过去L个残差加权组成，此移动时间窗在每一时刻都进行更新。

其表达式为：

（2.3.35）这里k是当前采样时间；Ek是在L时间窗内的加权移动平均残差；是权系数；是正常模型的估计值；时实际测量值。

3基于多模型的鲁棒故障检测技术,2.自适应阈值包络故障检测采用自适应阈值包络轨迹与加权移动平均残差Ek在每一个移动时间窗内L内相比较检测系统故障。

自适应阈值发生器是基于动态优化和假定参数不确定下，最小可能的阈值等于由于模型的不确定相造成的正常模型产生的最大可能偏离。

自适应阈值的最大最小值随着时间变化曲线就成为包络轨迹。

这里的阈值包络轨迹可以采用前节所述的方法，也可以采用基于知识方法（例如神经网络方法、模式识别等）建立正常工况的最大和最小边界，从而形成残差阈值包括轨迹。

在移动时间窗内，若加权移动平均残差落在自适应阈值包络轨迹内，认为残差主要由模型的不确定和噪声引起，系统正常，反之系统发生故障。

利用上述故障检测方法可以大大减少由于不确定干扰和测量噪声导致的误报警，故障检测鲁棒性明显提高了。

2.4主动补偿容错控制方法的设计,对于复杂的工业控制系统，由于负反馈控制和控制回路之间耦合等因素使得故障迅速在整个回路传播，从而故障引起系统动态的变化往往是不明显。

因此，针对实际闭环控制系统进行在线故障调节策略的设计不容易实现。

在工业系统中，有些故障经常发生，或者是可预见的故障，例如系统元件的随着使用时间性能退化的故障，我们把这些故障称为“历史故障”。

对于“历史故障”可以离线建立故障描述模型和故障特征，设计相应的主动容错控制策略，并储存在历史故障库和历史故障容错控制策略库中。

如果系统检测到故障，故障诊断模块被启动，确定故障的大小、位置后，与历史故障模型匹配，实现故障的隔离，根据故障匹配结果，切换到相应的补偿容错控制策略。

尽管这种基于多模型的切换控制系统的稳定性在理论上并没有被很好的证明，但这种基于多模型的主动容错控制思想已被广泛地应用在实际工业中。

根据在阅读了国外对于复杂工业过程关于故障诊断与故障调节方面的相关文献的基础上，并结合国内实际的流程工业生产控制系统的特点，给出了一个较为全面且容易工程实现的故障检测、诊断与主动补偿容错控制方法的结构图，如图所示。

该方法可以初步认为由三层结构组成：

第一层：

工业系统的基础闭环控制层；第二层：

基于多模型的故障检测诊断与补偿容错控制层（FDT）；第三层：

人机监督管理层。

2.4主动补偿容错控制