资源预览内容
第1页 / 共27页
第2页 / 共27页
第3页 / 共27页
第4页 / 共27页
第5页 / 共27页
第6页 / 共27页
第7页 / 共27页
第8页 / 共27页
第9页 / 共27页
第10页 / 共27页
亲,该文档总共27页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
1,智能故障诊断技术,2,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,3,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。 容错控制方法可分为硬件结构和解析冗余两大类。,4,1. 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: 采用状态反馈后,正常状态下的动态方程为: 则出现故障时变为:,5,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:,基于状态反馈的故障诊断与容错控制方案,6,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。,7,2. 基于故障补偿的故障诊断与容错控制,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。,8,设正常情况下的补偿器方程为: 监控对象的闭环方程可写为: 则某一元部件发生故障时,其闭环反馈系统为:,9,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。,10,3. 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。,基于三模冗余的故障诊断与容错控制方案,11,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。,12,4. 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。,基于功能模块的故障诊断与容错控制方案,13,基于功能模块的模糊模型自学习,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。,模糊模型自学习机构,修正R的自学习算法原理: 在产生 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。,14,5. 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。,基于神经网络的故障诊断与容错控制方案,15,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 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,16,基于神经网络的自适应控制,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。 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作为调整网络参数的性能指标。 优点:网络参数不再是随机选取,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。,基于RBF网络的自适应控制,17,6. 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。,基于专家系统的故障诊断与容错控制方案,18,专家系统故障诊断与容错控制的实现方法,6.1 知识库的建立 6.2 推理机的实现 6.3 特征信息处理器的构造 6.4 控制机构的设计 6.5 专家知识的获取,19,6.1 知识库的建立,知识库是专家系统的核心 主要解决问题是:如何有效地表达已获取的知识 专家系统中最普遍的知识表达方式是:产生式规则 建立知识库应注意的要点是: 1)知识库的规模要小,应具有最低的数据冗余度; 2)针对不同的信息特征,应采用不同的数据结构; 3)知识库应具有较好的可扩展性和可移植性,便于知识的补充和完善; 4)数据库与规则库结构应合理,便于搜索和管理,以适应实时推理与决策的需要。,20,6.2 推理机的实现,推理:就是对故障进行识别和容错控制 推理过程:就是将数据库中的事实与知识库中的规则进行匹配的过程 推理机:实际上就是实现推理过程的一种智能程序 推理方法:正向推理、反向推理、正反向混合推理 基于数据驱动的正向推理策略:推理过程较慢,适用于搜索空间较小的知识库; 基于目标驱动的反向推理策略、正反向混合的双向推理策略:推理效率较高,适用于搜索空间较大的知识库或在线故障诊断。,21,6.3 特征信息处理器的构造,故障信息反映了监控对象的工作状态 特征信息处理器的主要作用:是对信息进行加工、处理和特征提取,将原始信息转化为便于知识库和推理机所利用的特征信息 构造特征信息处理器应注意的要点是: 1)要充分利用系统能采集到的信息; 2)应选择那些既能反映过程特性又便于获取的信息为特征量,以反映对象的前期效果、当前状态和变化趋势; 3)特征模式的划分和提取应围绕实时控制、稳定性监控和故障诊断三个方面进行。,22,6.4 控制机构的设计,控制机构是专家系统的直接控制级,智能容错控制和决策是通过控制机构来实施的 控制机构一般由以下两个子集构成: 正常情况下的控制模式子集Uc:是用解析关系式描述的各种智能控制算法,或用启发式规则表达的知识基控制模式; 异常情况下的控制策略子集Ud:包括在线稳定性监控和故障诊断与处理子规则集。,23,6.5 专家知识的获取,一个专家系统的建造过程主要分为:知识获取、知识表示和知识处理(系统实现)三个部分。其中,知识获取是整个过程中最困难和最重要的部分。 知识获取:就是把知识源中有关解决某问题的知识抽取出来,放到知识库中的过程。 专家知识的分类:领域专家对知识的描述,从知识的角度可分为原型知识、关联知识和权重知识三类,从诊断的角度可分为原理知识和经验知识两类 监控对象的分解:为了便于获取知识和表示知识,可对监控对象进行结构分解、功能分解和故障分解,24,专家知识的分类,1)原型知识: 原型知识是领域专家指出的故障集和征兆集这两个集合之间存在的确定的映射关系“征兆族故障” 生成的诊断知识可由规则或框架表示 它是故障诊断必备的知识,也是推理机工作的基础 2)关联知识: 关联知识是描述故障传播特性的知识 生成的诊断知识一般由规则来表示 它表征了诊断系统内部的状态联系,构成了诊断问题的求解路径,引导诊断向纵深推进直到故障的位置和原因 3)权重知识: 权重知识是领域专家对故障间关系及证据可靠度的认识 它可以有目的地引导诊断过程的进行,提高诊断效率,25,监控对象的分解,1)结构分解:从结构上对系统进行分解,把系统的总体结构分解为下一层的子结构,直到最低层次的零部件 最终可确定系统故障的物理位置,但难以表达子系统间的相互关系,难以反映由联系劣化所引起的故障 2)功能分解:从功能上对监控对象进行分解,把系统的总体功能分解为下一层次的子功能,直到最低层次的基本功能 无论子系统或与其相联系的故障都能在功能层次中反映出来,但最终确定的诊断结果是系统劣化的功能模块 3)故障分解:从故障类型上对监控对象进行分解,下层总是上层的特例、而上层则是下层的概括,直到最具体的故障 可反映出所有类型的故障,但难以确定故障的物理位置 综合分解原则:在高层采用结构和功能分解,减少分类过程的搜索量;在中间和低层采用故障分解,与诊断目的一致。,26,本章重点,几种基本控制方案:结构,原理 基于专家系统的故障诊断与容错控制:结构,原理,推理机的概念和策略,知识的分类,对象的分解,27,智能故障诊断技术,第三章 结束,
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号