基于定性方法的故障檢測和診斷技術綜述

一、引言
　　在現代控制系統中，由于系統復雜性的日益提高，規模的不斷擴大，系統常常要面對不可預計的變化。這類系統一旦發生故障就可能造成人員和財產的巨大損失。設計可靠的容錯控制系統，或者將復雜系統的性能維持在高水平上，是急待解決的問題。切實保障現代復雜系統的可靠性和安全性，具有十分重要的意義。這首先就需要能夠正確地檢測出系統產生的變化（故障），然后盡快地采取相應措施來重新配置系統。由于實際應用在這方面有強烈要求，所以研究和發展新的故障檢測和診斷技術已經成為領域的一個熱點研究方向。
　　動態系統的故障檢測與診斷（FDD）既是一門相對獨立發展的技術，也是容錯控制的重要支柱。目前國際上每年發表的有關FDD方面的論文和報告在1000篇以上。許多學者加入到這一研究領域，提出了許多研究方法。經過多年的發展，這一領域已經產生了許多研究成果。
　　實際系統可能發生的故障是多種多樣的，因此研究故障檢測和診斷問題需要對故障做出適當的分類，按照不同的方面，可以得到不同的分類結果。從故障發生的部位看，可以分成儀表故障（常稱為傳感器故障）、執行器故障和元部件故障；根據故障性質，可以分為突變故障和緩變故障；從建模角度出發，又可以分為乘性故障和加性故障。至于故障診斷的方法，按照通行的分類方法可以分為3大類：基于解析模型的方法、基于信號處理的方法和基于知識的方法。
　　基于解析模型的方法是最早發展起來的，此方法需要建立被診斷對象的較為精確的數學模型。進一步，它又可以分為參數估計方法、狀態估計方法和等價空間方法。這3種方法雖然是存在一定聯系的，比如基于觀測器的狀態估計和等價空間方法是等價的。相比之下，參數估計方法比狀態估計方法更適合非線性系統，因為非線性系統的狀態觀測器的設計有很大的困難。目前，只有針對某些特殊的非線性系統有研究，而通常的等價空間方法僅適用于線性系統。
　　當難以建立診斷對象的解析數學模型時，基于信號處理的方法是非常有用的。這種方法直接利用信號模型技術，如相關函數、高階統計量、頻譜和自回歸滑動平均過程，以及現在熱門的小波分析技術用這種方法可以避開提取對象數學模型的這一難點，這既是它的優點又是它的缺點。
　　基于知識的方法和基于信號處理的方法類似，也不需要系統的定量數學模型，但它克服了后者的缺點，引入了診斷對象的許多信息，特別是可以充分地利用專家診斷知識等，所以是一種很有前途的方法，尤其是在非線性系統領域。下面將介紹基于知識的故障診斷方法，并把重點放在基于定性模型的方法上。
　　二、基于定性方法的故障檢測和診斷方法
　　定性故障檢測和診斷方法的基礎是定性模型和定性推理。基于定性方法的故障檢測與診斷，利用不完備的先驗知識，采用定性的方法，對系統結構和功能進行描述，建立起定性模型，對系統進行推理，預測系統的定性行為，通過與實際的系統行為比較，檢測系統是否發生故障，并診斷系統的故障原因。
　　（一）基于定性仿真理論（QSIM）的診斷技術
　　它的理論基礎是于1986年提出的基于定性微分方程的定性仿真理論。Kuipers在1987年提出了基于QSIM的診斷技術起，采用基于故障模型的診斷策略，利用QSIM方法對故障模型進行仿真，從而得到預測的系統行為。然后將觀測到的故障行為與這些預測行為相比較。如果一致，則說明系統發生故障。這時，依據建立該模型時的先驗知識，進一步診斷出故障的種類和原因。這充分發揮了QSIM基于深層知識建模和推理能力強大的特點。這一過程被稱為假設—建模—仿真—匹配循環，如圖1所示。




　　這種方法適用于對所有故障都已知的系統進行故障診斷。對未知的故障無法進行準確的故障診斷，這是該方法本身造成的缺陷。
　　（二）基于定性過程理論（QPT）的診斷技術
　　它是于1984年提出的定性推理方法。Forbus于1987年提出了基于定性過程理論（QPT）的故障診斷技術——ATMI，利用定性理論對系統的觀測進行解釋。該方法的輸入是一組測量序列。定量值被描述為量空間的表示形式。定性狀態包括數量有限的組分，構成一種解釋，對于一組系統測量值，存在一組定性狀態集與之對應。通過削減集合中的狀態，得到對系統行為的解釋。
　　該方法通過對測量值進行解釋，從而檢查故障假設是否能解釋觀測的系統行為。這種理論僅僅依賴很少的假設，這些假設往往很容易滿足。這一優點使得此方法可以應用于較廣闊的領域。但是，在待研究的系統事先已知的情況下，現有的定性推理機制往往顯得很慢。解決的辦法是事先建立狀態解釋表，通過查表，加快解釋過程，但這個表可能非常大。
　　（三）基于帶符號有向圖（SDG）的診斷技術
　　它是一種由節點（nodes）和節點之間有方向的連線構成的網絡圖。它看似簡單，卻能夠表達復雜的因果關系，并且具有包容大規模潛在信息的能力。
　　在化工過程中最早采用SDG方法進行故障診斷研究的學者是S.A.Lapp和G.J.Powers，雖然在論文中沒有明確提出SDG一詞，但的確建立了SDG模型，并首次用SDG推導出了故障樹。
　　M.Iri等人（1979，1980）提出了符號圖SG的定義以及運用深度優先技術在靜態不完全的SG樣本中探索故障源的基本算法。
　　J.Shiozaki等人（1985）在M.Iri的基礎上將SG明確為SDG，并且提出了5級SDG的概念和一種新的算法，節點狀態為“+”、“+？”、“0”、“-？”和“-”5種提高了診斷的準確性的計算效率。在實際中已經有了這方面的應用。
　　J.Shiocaki等人（1987）經過研究，又提出運用故障顯現時間的概念改進SDG故障診斷方法，提高了診斷的分辨力。
　　C.C.Yu等（1991）、X.X.Wang（1996）和E.E.Tarifa（1997）將支路定量穩態增益和隸屬函數結合起來，根據模糊邏輯計算出相容通路的相容度，為相容通路確定灰度級別。在這里，模糊集合論被引入SDG，用于解決區分多通路影響度的問題。
　　H.Vedam（1997）將SDG方法推廣到多故障源的診斷（MFD），提出的算法在G2軟件平臺上進行實現，并且用一套FCCU的運態仿真系統進行診斷試驗，提高了計算速度和診斷分辨力。
　　目前，國內這方面也有研究，北京化工大學的吳重光教授等人獨立研究解決了推理機問題，并且通過自動HAZOP案例分析驗證了所開發的　SDG-HAZOP軟件平臺的正確性，填補了這一領域國內研究的空白。
　　基于帶符號有向圖（SDG）的診斷技術認為故障診斷本質上是確定過程擾動的根本原因。采用帶符號有向圖描述系統，利用存儲在SDG圖上的信息搜尋擾動可能的故障源，從而有效識別系統擾動的原因。此方法的優勢在于需要相對較少的信息來構造帶符號有向圖及用于診斷。SDG利用節點和連線來描述系統成員之間的因果關系，如圖2所示。