機電控制系統(tǒng)故障診斷的回顧與展望

摘   要　回顧狀態(tài)監(jiān)測與故障診斷的發(fā)展歷史。歸納和總結目前故障診斷的主要理論和方法及其存在的問題和解決途徑。闡明現代故障診斷的主要內容。從解析余度管理、可信性系統(tǒng)設計和魯棒故障診斷3方面論述現代故障診斷的發(fā)展趨勢。提出故障診斷領域目前和將來的研究方向以及重點和難點。
　　關鍵詞　狀態(tài)監(jiān)測　故障診斷　可信性系統(tǒng)　機電控制系統(tǒng)
        1　故障診斷技術的發(fā)展歷史
　　故障診斷(FD)始于(機械)設備故障診斷，其全名是狀態(tài)監(jiān)測與故障診斷(CMFD)。它包含兩方面內容：一是對設備的運行狀態(tài)進行監(jiān)測；二是在發(fā)現異常情況后對設備的故障進行分析、診斷。設備故障診斷是隨設備管理和設備維修發(fā)展起來的。歐洲各國在歐洲維修團體聯盟(FENMS)推動下，主要以英國倡導的設備綜合工程學(Terotechnology)為指導；美國以后勤學(Logistics)為指導；日本吸收二者特點，提出了全員生產維修(TPM)的觀點。美國自1961年開始執(zhí)行阿波羅計劃后，出現一系列因設備故障造成的事故，導致1967年在美國宇航局(NASA)倡導下，由美國海軍研究室(ONR)主持成立了美國機械故障預防小組(MFPG)，并積極從事技術診斷的開發(fā)。美國診斷技術在航空、航天、軍事、核能等尖端部門仍處于世界領先地位。英國在60～70年代，以Collacott為首的英國機器保健和狀態(tài)監(jiān)測協(xié)會(MHMG & CMA)最先開始研究故障診斷技術。英國在摩擦磨損、汽車和飛機發(fā)電機監(jiān)測和診斷方面具領先地位。日本的新日鐵自1971年開發(fā)診斷技術，1976年達到實用化。日本診斷技術在鋼鐵、化工和鐵路等部門處領先地位。我國在故障診斷技術方面起步較晚，1979年才初步接觸設備診斷技術。目前我國診斷技術在化工、冶金、電力等行業(yè)應用較好。故障診斷技術經過30多年的研究與發(fā)展，已應用于飛機自動駕駛、人造衛(wèi)星、航天飛機、核反應堆、汽輪發(fā)電機組、大型電網系統(tǒng)、石油化工過程和設備、飛機和船舶發(fā)動機、汽車、冶金設備、礦山設備和機床等領域。
        2　故障診斷的主要理論和方法
　　故障診斷技術已有30多年的發(fā)展歷史，但作為一門綜合性新學科——故障診斷學——還是近些年發(fā)展起來的。從不同的角度出發(fā)有多種故障診斷分類方法，這些方法各有特點。從學科整體可歸納以下理論和方法。
　　(1)基于機理研究的診斷理論和方法　從動力學角度出發(fā)研究故障原因及其狀態(tài)效應。針對不同機械設備進行的故障敏感參數及特征提取是重點。
　　(2)基于信號處理及特征提取的故障診斷方法　主要有時域特征參數及波形特征診斷法、時差域特征法、幅值域特征法、信息特征法、頻譜分析及頻譜特征再分析法、時間序列特征提取法、濾波及自適應除噪法等。今后應注重實時性、自動化性、故障凝聚性、相位信息和引入人工智能方法，并相互結合。
　　(3)模糊診斷理論和方法　模糊診斷是根據模糊集合論征兆空間與故障狀態(tài)空間的某種映射關系，由征兆來診斷故障。由于模糊集合論尚未成熟，諸如模糊集合論中元素隸屬度的確定和兩模糊集合之間的映射關系規(guī)律的確定都還沒有統(tǒng)一的方法可循，通常只能憑經驗和大量試驗來確定。另外因系統(tǒng)本身不確定的和模糊的信息(如相關性大且復雜)，以及要對每一個征兆和特征參數確定其上下限和合適的隸屬度函數，而使其應用有局限性。但隨著模糊集合論的完善，相信該方法有較光明的前景。
　　(4)振動信號診斷方法　該方法研究較早，理論和方法較多且比較完善。它是依據設備運行或激振時的振動信息，通過某種信息處理和特征提取方法來進行故障診斷。在這方面應注重引入非線性理論(如Volterra級數)、新的信息處理理論和方法(如Wavelet理論、加窗FFT等)。
　　(5)故障樹分析診斷方法　它是一種圖形演繹法，把系統(tǒng)故障與導致該故障的各種因素形象地繪成故障圖表，能較直觀地反映故障、元部件、系統(tǒng)及因素、原因之間的相互關系，也能定量計算故障程度、概率、原因等。今后研究應注重與多值邏輯、神經元網絡及專家系統(tǒng)相結合。
　　(6)故障診斷灰色系統(tǒng)理論和方法　該方法是從系統(tǒng)的角度來研究信息的關系，即利用已知的診斷信息去揭示未知的診斷信息。它有自學習和預測功能。它利用灰色系統(tǒng)的建模(灰色模型)、預測和灰色關聯分析等方法進行故障診斷。由于灰色系統(tǒng)理論本身還不完善，如何利用已知信息更有效地推斷未知信息仍是一個難題。
　　(7)故障診斷專家系統(tǒng)理論和方法　該方法是近年來故障診斷領域最顯著的成就之一。它的內容包括診斷知識的表達、診斷推理方法、不確定性推理以及診斷知識的獲取等。目前存在的主要問題：缺乏有效的診斷知識表達方式，不確定性推理方法，知識獲取和在線故障診斷困難等。今后研究應注重與模糊邏輯、多值邏輯、故障樹、機器學習和人工神經網絡等理論和方法的結合、集成。
　　(8)故障模式識別方法　該方法是一種十分有用的靜態(tài)故障診斷方法，它以已有30年發(fā)展歷史的模式識別技術為基礎。關鍵是故障模式特征量的選取和提取。現有許多模式分類器，如線性分類器、Bayes分類器、最近鄰分類器等。該方法的診斷效果在很大程度上依賴于狀態(tài)特征參數的提取、樣本的數目、典型性和故障模式的類別、訓練和分類算法等。未來研究應注重新聚類算法、自動學習識別方法及與ANN相結合。
　　(9)故障診斷神經網絡理論和方法　神經網絡應用于故障診斷是其最成功的應用之一。由于神經網絡具有原則上容錯、結構拓撲魯棒、聯想、推測、記憶、自適應、自學習、并行和處理復雜模式的功能，使其在工程實際存在著大量的多故障、多過程、突發(fā)性故障、龐大復雜機器和系統(tǒng)的監(jiān)測及診斷中發(fā)揮較大作用。在眾多的神經網絡中，尤其以基于BP算法的多層感知器(MLP)神經網絡理論最堅實，應用最廣泛且最成功。神經網絡故障診斷方法易實現對非線性系統(tǒng)的故障診斷。但BP算法是非魯棒性的。重點研究在線學習算法，知識表達和魯棒學習算法等。
　　(10)基于數學模型的故障診斷理論和方法　該方法是以現代控制理論和現代優(yōu)化方法為指導，以系統(tǒng)的數學模型為基礎，利用觀測器(組)、等價空間方程、Kalman濾波器、參數模型估計和辨識等方法產生殘差，然后基于某種準則或閾值對該殘差進行評價和決策。基于模型的故障診斷方法能與控制系統(tǒng)緊密結合，是監(jiān)控、容錯控制、系統(tǒng)修復和重構的前提。目前該領域研究的重點是(線性和非線性)系統(tǒng)的故障診斷的魯棒性，故障可檢測和可分離性，利用非線性理論(突變、分叉、混沌分析方法)進行非線性系統(tǒng)的故障診斷。
　　故障診斷理論和方法分類雖然很多，但可歸納為2類：①基于非模型的故障診斷理論和方法，如信號空間特征、模態(tài)和信息處理方法的診斷理論與方法；基于知識推理、人工智能、專家系統(tǒng)的診斷方法；基于模式識別和神經網絡的診斷方法。②基于系統(tǒng)數學模型和現代控制理論、方法的故障診斷理論和方法，也包括相互間的結合和集成。
         3　現代故障診斷的主要內容
　　現代故障診斷包括3方面的主要內容：①故障檢測；②故障分離(診斷)；③故障修復。統(tǒng)稱為故障的檢測、分離和修復(FDIA)。故障診斷系統(tǒng)的性能：①及時性(速度)；②敏感性和魯棒性；③誤報率、漏報率、錯報率和確診率；④全面性(針對所有類型故障)。
        3.1　故障檢測
　　在進行故障檢測之前，需做以下假設：系統(tǒng)中的故障導致系統(tǒng)參數有變化，如故障使輸出變量、狀態(tài)變量、殘差變量、模型參數、物理參數等其中之一或多個有變化。這是所有故障診斷方式都必須遵守的假設條件。故障檢測是指確定系統(tǒng)是否發(fā)生故障的過程，即對一非正常狀態(tài)的檢測過程。通過不斷監(jiān)測系統(tǒng)可測量變量的變化，在標稱情況下，認為這些變量在某一不確定性下滿足一已知模式，而當系統(tǒng)任一部件故障發(fā)生時，這些變量偏離其標稱狀態(tài)。通常根據系統(tǒng)輸出或狀態(tài)變量的估計殘差的特性來判斷故障。目前研究的目標是檢測的及時性、準確性和可靠性及最小誤報和漏報率。
        3.2　故障診斷
　　故障診斷指根據殘差方向和結構來分離出故障的部位，判斷故障的種類，估計出故障的發(fā)生時間、大小和原因，進行評價與決策的過程。故障分類是將故障按其嚴重程度進行分類，以便采取相應措施。故障的評價和決策是指根據故障的類別、嚴重程度，決定是否采取修復、補救、隔離或改變控制率等措施，以防止故障的影響和傳播，預防災難事故的發(fā)生。
        3.3　故障修復
　　故障修復指根據故障診斷結論，或是改變控制率或是控制重構或是系統(tǒng)重構，使整個系統(tǒng)在故障發(fā)生情況下，保證穩(wěn)定并改善系統(tǒng)性能。如對傳感器故障修復來說，可用一余度傳感器或一估計值代替故障傳感器的輸出值。基于ANN在線估計器的FDIA是一有效方式。故障修復是自主系統(tǒng)(AS)和智能系統(tǒng)(AIS)的重要環(huán)節(jié)。故障修復把故障狀態(tài)檢測和故障診斷與自動控制緊密聯系起來，使故障診斷具有更深遠意義和廣闊的應用前景。故障修復理論和方法將是目前和將來的研究方向。
         4　現代故障診斷的發(fā)展趨勢
　　現代故障診斷的發(fā)展方向是與容錯控制、冗余控制、監(jiān)控控制和余度管理等可靠性系統(tǒng)設計相結合的，是實現主動(視情)維修策略、監(jiān)測控制、容錯控制、自治控制、可信性系統(tǒng)等設計中的一個關鍵。
        4.1　解析余度管理
　　現代余度管理從硬件余度向綜合余度和解析余度管理發(fā)展。過去，動態(tài)系統(tǒng)的容錯設計是基于硬件余度(余度部件、余度系統(tǒng))而實現的，如三余度和四余度系統(tǒng)，通過簡單的表決邏輯來判斷故障。硬件余度(管理)(hardware redundancy)遇到的主要問題是重量大、體積大、費用高、飛行器承載能力小。同時“同類”余度系統(tǒng)具有相同的壽命周期，假如一個有故障可能其它也發(fā)生故障。但用“異類”余度系統(tǒng)又難以保證表決檢驗的一致性。為了使整個系統(tǒng)可靠、安全，且提高容錯系統(tǒng)可利用性，因此有必要研究新方法消除或減少硬件余度。
　　進入70年代，隨著計算機技術及其計算能力、可靠性的提高，現代控制理論的產生和發(fā)展，出現了以分析冗余(analytical redundancy)取代物理(硬件)冗余的余度可靠性設計和余度管理思想。首先在儀表故障檢測(IFD)中出現了這種新方式，其思想是用3個或以上不同類傳感器測量系統(tǒng)不同的變量，產生完全不同的信號，通過一復雜綜合比較邏輯來檢測傳感器故障。盡管是異類傳感器，但所有都是由系統(tǒng)中同一動態(tài)狀態(tài)激勵的，因此具有某種功能關系。這種新方式初期稱為本質余度(inherent redundancy)或功能余度(functional redundancy),以區(qū)別于物理余度或硬件余度。后來人們把它稱為分析余度或人工余度(artifical redundancy)。分析余度方式是一利用狀態(tài)估計、參數估計、自適應濾波、變量閾值邏輯、統(tǒng)計決策理論和綜合邏輯的信號處理技術，可以在電子電路或計算機上實現。目前實施的余度管理方式還是一綜合方式，即包括硬件余度和解析余度。發(fā)展方向是分析余度。1971年Beard首次提出了故障檢測濾波器(FDF)概念，標志著基于分析冗余(基于模型)故障診斷技術的誕生。
        4.2　可信性系統(tǒng)設計
　　現代故障診斷是由于實施主動(視情)維修策略和建立監(jiān)控系統(tǒng)的需要而發(fā)展起來的。由于現代機電自動化及控制系統(tǒng)的規(guī)模不斷擴大、復雜性日益提高，以及系統(tǒng)投資的巨大，人們迫切需要提高機電自動化及控制系統(tǒng)的可信性。因而有必要建立一個監(jiān)控系統(tǒng)來監(jiān)督整個自動化系統(tǒng)的運行狀態(tài)，不斷檢測系統(tǒng)的變化和故障信息，進而采取必要的措施(如隔離和修復或改變控制率等)來防止故障的傳播和災難性事故的發(fā)生。而其前提條件是具有在線實時可靠檢測和診斷故障的能力。因此故障診斷是實現可信性系統(tǒng)設計的關鍵環(huán)節(jié)。可信性系統(tǒng)指集可靠性、有效性、可維修性和安全性為一體的系統(tǒng)。提高系統(tǒng)可信性的方法，即設計可信性系統(tǒng)的方法：①提高元部件本身的可靠性；②采用余度系統(tǒng)(部件)，如硬件、軟件和復合冗余結構；③采用基于FDIA的容錯和監(jiān)控等控制系統(tǒng)。FDIA在監(jiān)控系統(tǒng)中的層次組織關系見圖1。

圖1　監(jiān)控系統(tǒng)的結構組織示意圖

        最底層是控制層，功能是實現輸入輸出和各種控制率；中間層功能是檢測傳感器、驅動器、控制回路和控制率中的故障狀態(tài)；最高層功能是狀態(tài)—事件邏輯，即接受來自檢測器的輸入并輸出執(zhí)行措施。
　　基于FDIA的容錯、監(jiān)控控制系統(tǒng)的實現過程：①故障(失效)模態(tài)和影響分析(FMEA)；②影響嚴重度評價；③修復、補救措施推導；④故障修復設計(修正控制層、改變到另外控制模態(tài)、控制系統(tǒng)重構)；⑤逆FMEA過程；⑥系統(tǒng)建模(解析余度方法的故障檢測的基礎)；⑦故障檢測器設計；⑧監(jiān)控系統(tǒng)邏輯設計。
        4.3　魯棒故障診斷
　　故障診斷的魯棒性是所有故障診斷理論、方法和系統(tǒng)所面臨的重要問題。魯棒故障診斷(RFD)概念首次在基于模型的故障診斷方法中提出。目前能查到的魯棒故障診斷研究都是基于控制系統(tǒng)數學模型的。特別需指出的是在整個機械系統(tǒng)中，包括液壓系統(tǒng)、液壓控制系統(tǒng)，還沒有見到魯棒故障診斷的研究報道。
　　基于模型的魯棒故障診斷研究始于80年代初。經過十幾年的研究和發(fā)展，提出了不少方法，也進行了一些應用研究，國內一些學者也曾在RFD方面做過有益的研究。總的來說，RFD還是一新研究方向，有待深入研究。
　　基于人工神經網絡的故障診斷，國內外已經在這方面做了許多研究。雖然ANN在網絡拓撲結構上具有原則魯棒性，但其BP學習算法是非魯棒性的。就目前能查到的資料看，對魯棒學習算法的研究剛剛開始，提出BP算法的非魯棒性問題和解決途徑，但還沒有有效的魯棒算法，對魯棒故障診斷的研究尚未見到文獻報道。
　　RFD是解決故障診斷實際應用的有效途徑，是提高故障診斷系統(tǒng)性能指標的有效方式，同時將產生新穎有效的故障診斷理論和方法。
        5　將來的研究方向
　　目前和今后的主要研究可歸納為以下幾個方面：①在線實時故障檢測算法；②本質非線性動態(tài)系統(tǒng)的FD方法。主要研究獲取其狀態(tài)、參數的有效方法；③對模型誤差及不確定因素具有魯棒性的FD算法；④魯棒殘差發(fā)生器和魯棒(最優(yōu)、自適應)閾值的設計理論和方法；⑤對無先驗知識時被監(jiān)控系統(tǒng)結構變化的檢測及識別；⑥實時FD專家系統(tǒng)的開發(fā)及與基于ANN方法、模型方法的FD方法的綜合；⑦智能故障檢測和診斷系統(tǒng)理論和方法的研究。自學習檢測系統(tǒng)；⑧以FDIA為核心的容錯控制、監(jiān)控系統(tǒng)和可信性系統(tǒng)。
　　對故障檢測、診斷來說，具體在以下方面需大力研究：①反饋系統(tǒng)(閉環(huán)系統(tǒng))中的故障診斷；②小幅值故障、軟性故障和早期故障的檢測；③執(zhí)行器、過程和傳感器中故障的診斷；④除突變性故障外的故障的早期預報，即預報診斷；⑤動態(tài)系統(tǒng)中的在線實時故障檢測；⑥系統(tǒng)過渡(transient)過程檢測和過渡過程中的故障檢測；⑦動態(tài)系統(tǒng)啟動和結束過程中的故障檢測；⑧(魯棒、自適應)閾值選擇和確定。