《工业检测论文-研究现状》由会员分享，可在线阅读，更多相关《工业检测论文-研究现状（6页珍藏版）》请在金锄头文库上搜索。
1、1.2 国内外研究现状经过三十余年的发展，故障诊断技术现已成为控制工程领域内的重要研究方向之一。在故障诊断技术的不断发展过程中，针对不同的应用领域，结合不同的学科内容，衍生出诸多故障诊断方法。依据所采用的理论方法的有效特征，通常将故障诊断方法归划为三类：基于解析模型的检测和诊断方法、数据驱动检测和诊断方法以及基于人工智能的检测和诊断方法1,7-15。1.2.1 基于解析模型的方法在故障诊断的研究中，基于解析模型的故障检测和诊断方法具有重要地位，其充分利用系统模型的深层知识来进行故障诊断，具体是指对所使用系统的结构、行为及功能等诸方面的知识综合针对系统进行推理诊断。基于解析模型的诊断方法在不断地
2、发展完善过程当中，相对来说已取得了比较丰富的理论研究成果，仍是当前及今后故障检测诊断方法的主流之一10。解析模型一般可区分为确定性模型、随机模型和确定-随机模型三大类型，通常对于确定性模型的研究比较多，但随机模型与之相比较而言，在相关和动态干扰的情况下，应用更具优良特性。在已知精确模型的前提下，比对过程的测量信息与模型所表达的先验信息，将比较所产生的残差再进行分析和处理，从而实现故障诊断。基于解析模型的检测诊断方法也是研究最早、探讨最深入、理论最成熟的方法，而根据残差的生成方式，又可区分为状态估计方法、等价空间方法以及参数估计方法。尽管这三种诊断方法都是独立发展起来的，但在它们之间仍存在着一定
3、的联系。其中基于观测器的状态估计方法和等价空间方法是等价的。但是由于诊对非线性系统的状态观测器的设计比较困难，因此参数估计方法要比状态估计方法更适合应用于非线性系统，而一般的等价空间方法仅适用于线性系统的检测与诊断。（1）状态估计法基于状态估计的方法，首先需要构造状态观测器来对系统的状态进行评估，以获取系统输出的估计值。然后比较输出的估计值与实际测量值之间所产生偏差信号，以此偏差信号作为残差信号来评估系统中是否发生了故障。一般正常情况下，系统的残差信号通常是很小或趋近于零的。反之，如果系统中存在执行器、传感器或者其他元部件发生故障时，系统的残差信号应该会有较明显的Comment ThinkPa
4、d1: 3.14 改完变化，而系统的故障信息显然应该包含于这种变化当中，所以只需针对残差信号进行故障方向辨识，便可以准确地检测定位出故障的位置。Commault 提出利用一组观测器同时协作检测系统中所发生的故障16。显然这是更为有效可行，诊断结果更可靠的故障诊断方法，然而与此同时也可能延长了故障诊断的时间。基于解析模型的故障诊断方法通过利用对系统内部的深层认识, 因此具有良好的诊断检测效果. 但是由于此类诊断方法依赖于精确构建的被诊断对象的数学模型, 而实际应用中被诊断对象的精确数学模型往往难以建立。基于状态估计的故障检测诊断方法主要包含滤波器方法和观测器方法两种。 Mehra 等率先在故障诊
5、断中提出利用卡尔曼滤波来对系统状态进行估计【17】 ；文献44 针对采样数据系统，研究并提出了故障检测以及分离的频域方法;；文献45 对应用于线性离散周期系统中的最优化故障检测器的设计方法进行了研究；Benkouider等19基于扩展卡尔曼滤波在线监控半间歇反应器的运行状态。文献18-21基于unscented卡尔曼滤波方法对非线性系统故障进行参数辨识和检测。（2）参数估计方法参数估计方法的基本思想是：将理论建模与参数辨识结合起来，当利用参数的显著变化来描述故障时，便可利用己有的参数估计方法来检测故障信息，再根据参数的估计值和正常值间的偏差情况来评估系统故障。参数估计方法无需计算残差序列，通常
6、是依据参数变化的统计特性来检测故障发生情况，基于参数估计的故障诊断方法认为发生故障会引起系统过程参数发生变化, 而过程参数变化会进一步导致模型参数发生一系列的变化, 因此通过检测模型中的参数变化便可以进行故障诊断。伴随着研究的不断进展，基于参数估计的故障诊断方法不断又有一些新成果出现。例如基于模糊推理的参数的估计方法、基于神经网络的参数的估计方法以及基于图像信号产生器的参数的估计方法等等，这些方法都不同程度的提高了故障检测判定和分离性能。（3）等价空间方法基于等价空间的故障诊断方法，是利用针对系统所建立的解析数学模型，构建系统的输入和输出变量间的等价数学关系, 通过数学关系反映出输入输出变量之
7、间静态的直接冗余以及输入输出变量之间动态的解析冗余, 然后通过比对实际系统的输入输出值是否满足该等价关系,，从而达到检测和分离故障的目的。传统的等价空间诊断方法在故障诊断时通常会存在低阶等价向量在线实现相对简单但是性能不好的问题，但是高阶等价向量在带来较好性能的同时却会产生较大的计算量，而且会产生较高的漏报率。相关学者针对传统的等价空间法的缺陷提出了对应改进方法。Ye等人提出将窄带IIR滤波器引入到等价空间法中，这样可以在提高系统的检测性能的同时，相对传统等价空间法几乎不增加计算量，但漏报率较高。而在低阶等价向量中引进小波变换可以产生较好的检测性能，却相对增加了计算量，同时使残差产生器在线实现
8、变得更为复杂化。为此，Ye等人在残差产生器中引入了平稳小波变换(stationary wavelet transform， SWT)，这样既能降低计算量，同时又保证漏报率较低。利用神经网络补偿等价向量，可以提高系统对小幅值故障的检测以及分离的准确性。谢铁刚等人提出的基于时间冗余的等价空间法往往不易实现故障分离，而某些故障在固定时刻处于等价空间的固定方向，因此通过对最优转换矩阵的筛选，将此固定方向和其它因素在等价空间中的对应方向区分开来，可可实现故障分离。1.2.2 基于信号处理的方法基于信号处理的方法，是利用如相关函数、高阶统计量、频谱和自回归滑动平均以及小波变换等信号模型，直接对可测信号进行
9、分析，然后提取方差、幅值、频率等信息对故障进行检测与诊断。此方法通常适用于线性系统及非线性系统。特别是诊断对象的精确数学模型难以建立时，基于信号处理的方法是非常有用的。由于该方法可以回避抽取对象数学模型的难点，同时直接利用信号模型来进行故障诊断，因此适用性很强。小波分析法，是在 20 世纪 80 年代中期，由法国学者 Daubeches 和 Callet引入信号处理领域而逐渐发展形成的数学理论和方法，它可以解决许多利用傅里叶变换都难以解决的问题，因此被认为是傅里叶分析方法的突破性进展。在故障诊断中，小波变换的具体应用主要表现在以下几个方面： 利用小波变换来检测信号突变； 利用其观测信号频率的结
10、构变化； 利用脉冲响应的函数的小波变换； 利用小波变换去噪来提取系统的波形特征； 利用小波网络。Comment ThinkPad2: 2 其 22小波变换也是一种基于信号的时间-尺度分析方法，其具有多分辨率分析的特点,，因而利用连续小波变换可以检测信号的奇异性。利用其在时频域都具有表征信号的局部特征的能力，也适用于对非平稳信号的奇异性分析。由于噪声的小波变换的模极大值随着尺度的增大迅速衰减，而信号的小波变换在突变点的模极大值随着尺度的增大而增大利用连续小波变换可以区分信号突变和噪声，而利用离散小波变换可检测随机信号频率结构的变化。文献22讨论了小波变换在核电站一回路松动件定位中的应用，用连续小
11、波变换方法确定碰撞信号的时间延迟，并用三角形定位方法进行了实验，结果表明小波变换对随机噪声有较好的抑制作用，奇异点位置确定比较精确。定位精度有所提高。小波变换对噪声的抑制能力较强，具有较高的灵敏度,运算量也不大,是一种很有前途的方法。近年来，利用小波变换的优点，将小波变换与数学模型、神经网络、专家系统、模糊理论、矩阵奇异值等方法相结合,提出了一些新的故障诊断方法【30，31】 ，进一步提高了动态系统的故障检测与诊断性能,在实际工程应用中获得成功。文献【39，40给出了两种基于小波变换的故障诊断方法:一种利用观测器信号的奇异性进行故障诊断;另一种利用观测器信号频率结构的变化进行故障诊断。文献41
12、利用小波网络来辨识非线性对象，然后利用信号在小波变换的多尺度刻划下表现行为不同的特点来检测出突变的故障信号。1.2.3 基于知识的故障诊断方法人工智能及计算机技术的飞速发展,为故障诊断技术提供了新的理论基础,产生了基于知识的诊断方法。当前的控制系统变得越来越复杂，很多情况下要想获得系统的精确数学模型是非常困难的。而基于知识的方法不需要系统的定量数学模型，同时引入了许多诊断对象的信息，可以充分利用专家诊断知识，从而实现定性、定量知识的有机结合。基于知识的方法主要可分为:神经网络方法、模糊数学方法、定性模型的方法、专家系统方法、故障树分析方法、信息融合方法和基于 Agent 的方法等。（1）基于神
13、经网络的方法人工神经网络技术以分布的方式存储信息，利用网络的拓扑结构和权值分布实现非线性的映射，并利用全局并行处理实现从输入空间到输出空间的非线性信息变换。神经网络在故障诊断领域的应用研究主要集中在两个方面:一是从模式识别的角度,应用神经网络作为分类器进行故障诊断;二是将神经网络与其他诊断方法相结合而形成的复合故障诊断方法。相比较专家系统而言，它具有自组织自学习能力，能克服专家系统当启发式规则未考虑到时就无法工作的缺陷，因此神经网络技术在故障诊断领域愈来愈受到重视。神经网络用于故障诊断主要有以下几种方式：利用神经网络作为非线性函数估计器重构系统某些特定参数，并与系统的实际值进行比较，得到残差，
14、从而检测故障；利用神经网络对残差进行聚类分析，直接得到系统的故障情况；或利用神经网络作为非线性补偿项，与线性观测器主体相结合，对非线性系统进行故障诊断。由于模糊神经网络结合了模糊逻辑规则，同时又保留了神经网络的学习机制，在非线性系统故障诊断方面比神经网络具有更大的优势。（2）基于定性模型的方法基于定性模型的故障诊断方法近年来在欧洲得到了迅猛发展。定性仿真是基于定性模型的故障诊断方法的重要部分，系统的定性模型由一组表示物理参数的定性变量（具有有限定量值，并为时间的函数）和一组表示各参数间相互关系的定性方程构成。定性仿真则是描述并模仿系统的结构，从给定的初始状态出发得到当前系统状态。在系统状态转换
15、过程中，需要定义一些原语，如算术运算、函数关系和定性微分等。利用模型、原语和定性变量的取值，在一定的算法下，求取下一状态，从而得到状态转换图。在定性仿真中引入模糊定量空间方法，即用模糊集合表示定性变量，可以得到对系统的更精确的描述。相应的故障诊断策略分为两类：一类是基于故障模型的，另一类是基于正常模型的。前者用故障模型来解释当前观测结果，它需要了解所有故障模式，后者不需要了解故障模式，它是根据当前观测结果是否符合所有可能的预测状态来检测故障的。许多学者采用定性模型的方法来进行故障诊断42,主要的方法有：基于定性仿真理论的诊断技术、基于定性过程理论的诊断技术、基于带符号有向图的诊断技术、基于定性
16、观测器的诊断技术。利用定性方法进行故障诊断可以克服定量方法的鲁棒性和频响特性相对较差的缺陷,提高诊断精确度,减少误报,但定性方法也有其自身的局限性。为此提出了将定性方法与定量方法相结合的故障诊断新方法,如基于定性推理与定量仿真集成的故障诊断推理方法、随机定性推理方法等,这些方法可以弥补各自的不足,实现优势互补。1.3 强跟踪滤波器的发展1960 年，卡尔曼发表了他著名的用递归方法解决离散数据线性滤波问题的论文。从那以后，得益于数字计算技术的进步，卡尔曼滤波器（Kalman Filter，KF）已成为推广研究和应用的主题，尤其是在自主或协助导航领域。卡尔曼滤波器由一系列递归数学公式描述。它们提供了一种高效可以计算的方法来估计过程的状态并使估计均方误差最小。将 KF 应用到非线性系统的状态估计中，就成了扩展卡尔曼滤波器(Extended Kalman Filler，EKF)。在基于 EKF 对目标状态进行估计时，当对动态系统的建模与其所描述的动态完全匹配时，通过 EKF 能给出状态比较准确的估计值。然而，通常情况是对动态系统的建模
