控制网络故障诊断专家系统方法研究

1控制网络故障诊断专家系统方法研究文献综述前言随着现代自动化水平的日益提高，实际工程应用中网络化控制系统的规模正在不断扩大，系统的复杂性日益提高，系统的投资巨大，由此提高控制网络系统的可靠性变得日益迫切。近些年，故障检测和诊断技术得到了迅速的发展，在众多的工业过程中得到了广泛应用。控制系统一旦发生故障，那么它带来的危害则是难以估计的。因此，研究控制网络的故障诊断具有重大的理论和应用价值。在工程技术领域中，对工业控制设备的运行状态进行诊断的技术至今已有很长的历史。它是一种了解和掌握工业控制设备在使用过程中的技术原理，确定其整体或局部是否正常，早期发现故障诊断及其原因，并能预报故障发展趋势的技术。故障诊断理论的发展必将促进故障检测与监控系统的广泛应用，从而大大提高了系统的可靠性与安全性，并产生巨大的经济和社会效益。1.网络控制系统概述1.1网络控制系统的发展网络控制系统是集通信网络和控制系统于一体的分布式控制系统，是跨越网络通信和控制理论两个研究领域的复杂系统。其研究起始于20世纪80年代末Ray等关于纪程通信控制系统（integratedcommunicationandcontrolsystem）的研究。90年代网络控制系统迅速应用与国防、航空航天、设备制造、过程控制、远程控制及经济管理等领域，从而掀起网络控制系统研究热潮。我国网络控制系统的研究始于90年代末现场总线控制系统，在工业控制领域的应用。动态系统的故障检测和诊断是正在迅速发展的研究领域。随着现代工业及科学技术的迅速发展，生产设备日趋大型化、高速化、自动化和智能化，这类系统一旦发生故障就有可能引起灾难性事故，造成人员和财产的巨大损失。1.2网络控制系统的基本结构网络控制系统是基于数据通信网络构成的闭环控制系统，系统的控制器与被控对象以及执行器、传感器之间通过网络连接，按照网络协议传输信息，以实现2对被控对象的远程控制。图1.2.1单回路控制系统的结构图随着控制科学和网络技术的不断发展，控制系统的规模越来越大，分布也越来越广。网络控制系统打破了传统控制系统在物理空间上的限制，使远程监控成为可能，它将控制技术与网络技术相结合为工业控制带来了一种全新的模式。当今工业控制现场的设备越来越自动化、复杂化和连续化，为了保证这些设备的正常、可靠、高效地运行，同时为了保证现场人员的人身安全，必须对现场的这些设备进行状态监测和故障诊断。2.控制网络故障诊断现代化的工程技术系统正朝着大规模、复杂化的方向发展，这类系统一旦发生故障就可能造成人员和财产的巨大损失。因此切实保障现代化复杂系统的可靠性与安全性具有十分必要。故障诊断技术的出现为提高复杂系统的可靠性具有重要意义。2.1故障诊断技术发展故障诊断技术始于机械设备故障诊断方面，它包含对设备运行状态的检测和发现异常情况后对设备的故障进行分析诊断两方面的内容。美国是最早开展故障诊断技术的国家1967年在美国宇航局的倡导下开始故障诊断技术的开发，英国和日本紧随其后，目前三国故障诊断技术在不同领域占有领先地位。我国起步较晚，1979年才初步接触设备诊断技术，经过30多年的研究与发展，该技术已应用于飞机自动驾驶、人造卫星、航天飞机、大型电网系统、石油化工等领域。2.2网络控制系统故障检测与诊断的研究现状网络控制系统的故障诊断与容错控制研究经过近些年的发展，已经取得了不少的研究成果，但还存在许多未解决的难题，值得进一步探讨。3首先，关于网络控制系统建模问题，至今仍没有很好地解决，已有的离散时滞模型依赖时滞和连续离散化，对网络而言时滞并不是很容易得到，对非线性而言离散化很复杂，因此该模型一直不能使用到非线性网络控制系统上。其次，非线性网络控制系统由于自身的复杂程度，使得建模、故障检测、诊断的研究难度较大，目前该方面的结果也是最少的。网络中除了时滞、丢包外还存在量化、异步传输等特性，而且这些性质是同时存在于网络中的，就某一特性进行的建模和故障诊断研究是不完整的，全面考虑网络性质才能更好地符合实际情况。3.故障诊断的基本方法故障诊断包含故障检测和诊断两部分。故障检测时利用输入、输出和状态等可测数据检测故障的发生并产生报警信号。故障诊断则是在系统报警后，确定故障发生的种类和部位等。概括的讲，现有的故障诊断方法可以分成两大类：基于模型的故障诊断方法和无模型的故障诊断方法。图3.1故障诊断方法分类3.1基于模型的故障诊断方法基于模型的故障诊断方法是最早发展起来的，其核心思想是用解析冗余取代硬件冗余，以系统的数学模型为基础，利用观测器（组）、等价空间方程、Kalman滤波器、参数模型估计和辨识等方法产生残差，然后基于某种准则或阀值对该残差进行评价和决策。它包含状态估计方法、参数估计方法、等价空间方法，每类诊断方法中都包括了若干具体的诊断方法。43.2无模型的故障诊断方法无模型的故障诊断技术又包括基于信号处理的方法和基于知识的方法，每类方法又可以进行细致划分。基于信号的故障诊断方法是对系统模型的精确度要求不是特别高，而是利用信号模型来处理。基于知识的故障诊断方法是伴随着系统的日益复杂化而出现的，它特别适用于很难获得系统精确数学模型的情况。随着计算机技术和人工智能的发展，诸如专家系统方法、故障树检测方法等基于经验知识的方法得到了一定程度的发展。4.故障诊断专家系统4.1专家系统概述故障诊断专家系统是人们根据长期的实践经验和大量的故障信息知识,设计的一种智能计算机程序系统,以解决复杂的难以用数学模型来描述的故障诊断问题。专家系统的主要特点就是可以代替领域专家，完整记录下推理、判断、结论的过程，提高诊断的可信度。故障诊断专家系统应用范围广、诊断水平高、诊断效率高。4.2专家系统类型专家系统实质上是应用大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能计算机程序。该程序包含了该领域的专业知识和专家推理能力，是对该领域专家智能水平的模拟。专家系统按其功能可分为十种类型:解释型、预测型、诊断型、调试型、维修型、规划型、设计型、监督型、控制型和指导型。4.3专家系统组成目前应用最普遍的专家系统是知识基或规则基产生式系统，它由五个主要部分构成：知识库、推理机、综合数据库、解释接口、知识获取程序。图4.3.1专家系统结构图4.3.1知识库5专家系统的处理问题能力和水平取决于它拥有的知识容量与质量。因此知识库是专家系统的核心之一，其主要功能是存储和管理专家系统中的知识。知识库中存储的知识有两种类型：一类是相关领域中所谓公开性的知识，包括领域中的定义、事实和理论;另一类是领域专家的所谓个人知识，它们是专家在长期实践中获得的经验，其中很多知识被称为启发性知识。正是这些启发性知识使领域专家能做出训练有素的猜测，辨别出有希望的解题途径，以及有效地处理错误或不完全的信息数据。4.3.2推理机推理机的功能是运用知识库中的事实和规则，根据用户给出的有关问题的信息数据，决定推理的顺序、策略、控制标准的过程，并根据要求推出结论。推理机使用的推理机制分为假言推理与似然推理两大类。前者采用的是“若A则B”这一相当普遍的逻辑推理规则，由各种联结词可复合连接成较复杂的推理规则链。它可由己知的事实与规则推断出新的事实。它仅适用于绝对正确无误的规则与事实。似然推理适用于仅有一定正确性保障的启发性知识，因此在理论上可以处理不确定性(概率方法)及模糊性(模糊数学方法)的知识。这种推理方法在原理上是优越的，但实用中仍有很大局限性。4.3.3综合数据库综合数据库用于存放系统运行过程所需要的信息和生成的信息，例如描述问题的信息、推理中间结果、解题过程记录等。它相当于解题的草稿纸，存储的是短期、临时性记忆的信息。这一数据库的表达形式和组织结构应与知识库和推理机相容。4.3.4知识获取程序它负责从领域专家处获取知识。知识获取要求知识工程师与相关领域专家的长期合作，经过对问题的识别、规定、概念化、具体化及形式化，再借助于这一程序实现专家知识的统一、相容、明确、无误的形式化表达，形成完整的知识库。这一工作包含对知识的定义、确定、测试与评价及增删等，目的是使专家所使用的具有模糊性、不确定性甚至是不相容性的专业知识，逐步实现体系化和结构化。4.3.5人机接口6人机接口又称人机界面，其功能是实现系统内外信息交互时的转换。一般非计算机及人工智能领域专业的普通用户，习惯用自然语言或表格等简单方式向系统提供信息，反之系统也最好以同样方式向用户提供信息。而系统内部使用的是另外的知识表达方式及其程序化的智能语言形式，因此，必须由人机接口软件来实现这两者的形式转换。基于专家系统的故障诊断将人们长期的时间经验和大量的故障信息知识归纳成计算机能够利用的规则，并提供给知识库，将被诊断系统的实时数据供给数据库，专家系统通过综合运用知识库中规则对已有的知识及数据库中的数据进行推理和分析，就可以查找到最终的或有可能的故障。但是，知识获取困难、知识库更新能力差等使得基于规则的专家系统有很大的局限性。4.4开发故障诊断专家系统必须解决几个主要问题开发故障诊断专家系统必须解决以下两个主要问题：1)不精确领域知识的表示。专家系统的知识大量来自于领域专家丰富的故障诊断经验，知识表现为不精确性，缺乏定量的准则。2)对征兆与故障之间的关系复杂性的反映。故障征兆与故障之间不存在单一的、明确的因果关系，表现为同一故障对应多种故障征兆，而同一故障征兆又对应着多个故障。参考文献：[1]张捷.网络控制系统的故障检测与诊断技术[D].南京理工大学,2010.[2]霍志红.网络化控制系统故障诊断与容错控制[M].北京：中国水利水电出版社,2009：2-18.[3]邱占芝，张庆灵，杨春雨.网络控制系统分析与控制[M].北京：科学出版社，2009：16[4]姜斌,冒泽慧.网络控制系统的故障诊断[J].南京航空航天大学学报,2009,41(2):145-149.[5]艾强玉.网络控制系统的故障诊断[D].南京:南京航空航天大学,2009.[6]DinghuiZhang.Researchesandapplicationofahybridfaultdiagnosisexpertsystem[J]IntelligentControlandAutomation,2000.1(03):215-219[7]吴明强,史慧,朱晓华等.故障诊断专家系统研究的现状与展望[J].计算机测量与控制,2005,13(12):1301-1304.[8]许丽婷.智能故障诊断专家系统体系结构的研究[D].西安建筑科技大学,2006.