智能故障诊断的控制方案

x(t) ( A BHC)x(t) BFz(t)
则某一元部件z(发t) 生 E故Cx障(t)时，Dz其(t)闭环反馈系统为：
x f (t) ( Af Bf HC f )x(t) Bf Fz(t) z(t) EC f x(t) Dz(t)
8
• 为了使故障系统性能尽可能地接近原系统性能，只要设计出合适的故障补偿
在产生 yˆ 的旧规则和力图产生y的
新规则之间折中，多步积累效果； 自学习“步幅”大，则见效快，但 噪声易侵入模型；反之，能减弱噪 声影响，但自学习的速度变慢。
13
5. 基于神经网络的故障诊断与容错控制
• 控制方案：训练神经网络，建立N+1个状态估计器； 采用模式匹配诊断故障；系统状态估计，输出测量值 与预测值之差为预测误差；网络不断训练学习以修正 权值，使残差趋于零，实现容错控制。
11
4. 基于功能模块的故障诊断与容错控制
• 控制方案：容错控制模块能够根据故障检测信息，具 有自动修改控制策略、改变控制器结构、重新配置系 统软硬件、自适应和自学习功能。
X 执行机构
监控对象
Y
故障检测与估计
故障评价与决策
容错控制模块
基于功能模块的故障诊断与容错控制方案
12
基于功能模块的模糊模型自学习
• 容错控制方法可分为硬件结构和解析冗余两大类。
3
1. 基于状态反馈的故障诊断与容错控制
• 设监控对象正常状态下的动态方程为：
x(t) Ax(t) Bu(t)
• 采用状态反馈y(后t) ， C正x(常t) 状态下的动态方程为：
x(t) ( A BK )x(t) Bv(t)
则出现故障时y(变t) 为 C：x(t)
器
即可
• 控制方案：当某一元部件发生故障时，通过设计合适的故障补偿
器
，使得故障系统的性能尽可能接近原系统性{能D。, E, F , H}
{D, E, F, H}
9
3. 基于多模冗余的故障诊断与容错控制
• 控制方案：就是利用多余资源，来保证设备在发生故 障时仍能正常工作。可分为硬件冗余和软件冗余两种。
智能故障诊断技术
1
第三章 智能故障诊断的控制方案
• 1. 基于状态反馈的故障诊断与容错控制 • 2. 基于故障补偿的故障诊断与容错控制 • 3. 基于多模冗余的故障诊断与容错控制 • 4. 基于功能模块的故障诊断与容错控制 • 5. 基于神经网络的故障诊断与容错控制 • 6. 基于专家系统的故障诊断与容错控制
G1(s)
G2(s)
...
Gn(s) Y(s)
-
K1
K2
...
Kn
基于状态反馈的故障诊断与容错控制方案
5
• 控制方案：在状态反馈控制系统中，通过选取合适的状态反馈增益Kf，使得 当某个回路（状态）失效时，由其余完好的状态反馈回路平均分担故障回路 的控制作用。
6
2. 基于故障补偿的故障诊断与容错控制
xf (t) ( Af Bf K f )xf (t) Bf v f (t) y f (t) C f xf (t)
4
• 为了使设备出现故障时的性能与正常状态时的性能尽 可能地接近，应选取合适的Kf，使：
A BK Af Bf K f K f Bf 1(Af A) Bf 1BK
R(s)
– 神经网络输出并不直接控制系统，而是用于调整控制器
• 3）神经网络作为补偿器使用
15
基于神经网络的自适应控制
un(t) RBF网络
e1
r(t)
r(t)
PID
监控对象
y(t)
u(t)
RBF网络 u(t) 监控对象 y(t)
a) RBF辨识器
b) RBF控制器
基于RBF网络的自适应控制
• RBF辨识器：网络输入为系统当前输入和期望输出；网络输出un并不 直接控制系统；网络输出un和PID控制器的控制量u之差作为调整网 络参数的性能指标。
• 一个模糊模型中包含多条规则，全部规则构成模糊关 系集合R，每次只启用部分规则产生预报 ；当模型 出现误差时，只需修改参与的部分规则，不必yˆ 涉及其 余规则；如果把参考模糊集合固定下来，可认为修改 规则，实际上就是修改模糊关系集合R。
系统
y
e
u
模型
yˆ -
自学习机构
模糊模型自学习机构
修正R的自学习算法原理：
• 故障补偿：就是指监控对象在运行过程中出现故障或即将出现故障时，能够 采取相应的补偿措施，保证设备在规定时间内完成其规定功能。
• 故障补偿可通过设计故障补偿器来实现。
7
• 设正常情况下的补偿器方程为：
z(t) Dz(t) Ey(t)
• 监控对象的闭u(环t) 方 F程z(可t) 写H为y(t：)
• RBF控制器：网络输入同前；网络输出作为系统的控制输入u；系统 输入和输出之差，可有效克服神经网络直接控制器
难以稳定问题，且收敛速度非常快。
16
6. 基于专家系统的故障诊断与容错控制
• 控制方案：知识库存放领域专家知识；数据库存放监 控对象原始数据、故障特征数据等；推理机按一定的 推理规则，对监控对象进行故障识别、估计和决策， 根据故障性质采取相应策略进行容错控制。
M1
W1
... ...
Y
Mn-1
Wn-1
Mn
Wn
X
LMS算法
Y0
基于神经网络的故障诊断与容错控制方案
14
基于神经网络的故障诊断与容错控制方式
• 1）神经网络作为控制器使用——直接控制方案
– 简单直接，能实现系统的逆动力学；但由于无法获得系统的 输入和输出关系，因此难以保证学习的收敛性
• 2）神经网络作为辨识器使用——间接控制方案
2
容错控制的基本概念
• 基本思想是利用系统的冗余资源来实现故障容错。即 在某些部件发生故障的情况下，通过系统重构等，仍 能保证设备按原定性能指标继续运行；或以牺牲性能 损失为代价，保证设备在规定时间内完成其预定功能。
• 故障诊断是容错控制的基础——首先需要适时地检测 出故障，并对故障的部位、类型、原因、程度等做出 准确判断，然后采取相应的容错控制策略，对故障进 行补偿、抑制、削弱或消除。
模件1
故障检测器
模件2 模件3
输出 转换开关
基于三模冗余的故障诊断与容错控制方案
10
• 硬件冗余：采用双重或多重备份的方法来实现，可用 于任何硬件环节失效的容错控制。优点是设计简单， 故障消除准确，可靠性和安全性高；缺点是所需元部 件多，成本高。
• 软件冗余：利用系统中不同部件在功能上的冗余性来 实现，又分为解析冗余、功能冗余和参数冗余三种。 可采用故障屏蔽、控制器重构等方法实现。