基于定性方法的故障檢測和診斷技術(shù)綜述
一、引言
在現(xiàn)代控制系統(tǒng)中，由于系統(tǒng)復雜性的日益提高，規(guī)模的不斷擴大，系統(tǒng)常常要面對不可預計的變化。這類系統(tǒng)一旦發(fā)生故障就可能造成人員和財產(chǎn)的巨大損失。設(shè)計可靠的容錯控制系統(tǒng)，或者將復雜系統(tǒng)的性能維持在高水平上，是急待解決的問題。切實保障現(xiàn)代復雜系統(tǒng)的可靠性和安全性，具有十分重要的意義。這首先就需要能夠正確地檢測出系統(tǒng)產(chǎn)生的變化（故障），然后盡快地采取相應措施來重新配置系統(tǒng)。由于實際應用在這方面有強烈要求，所以研究和發(fā)展新的故障檢測和診斷技術(shù)已經(jīng)成為領(lǐng)域的一個熱點研究方向。
動態(tài)系統(tǒng)的故障檢測與診斷（FDD）既是一門相對獨立發(fā)展的技術(shù)，也是容錯控制的重要支柱。目前國際上每年發(fā)表的有關(guān)FDD方面的論文和報告在1000篇以上。許多學者加入到這一研究領(lǐng)域，提出了許多研究方法。經(jīng)過多年的發(fā)展，這一領(lǐng)域已經(jīng)產(chǎn)生了許多研究成果。
實際系統(tǒng)可能發(fā)生的故障是多種多樣的，因此研究故障檢測和診斷問題需要對故障做出適當?shù)姆诸悾凑詹煌姆矫妫梢缘玫讲煌姆诸惤Y(jié)果。從故障發(fā)生的部位看，可以分成儀表故障（常稱為傳感器故障）、執(zhí)行器故障和元部件故障；根據(jù)故障性質(zhì)，可以分為突變故障和緩變故障；從建模角度出發(fā)，又可以分為乘性故障和加性故障。至于故障診斷的方法，按照通行的分類方法可以分為3大類：基于解析模型的方法、基于信號處理的方法和基于知識的方法。
基于解析模型的方法是最早發(fā)展起來的，此方法需要建立被診斷對象的較為精確的數(shù)學模型。進一步，它又可以分為參數(shù)估計方法、狀態(tài)估計方法和等價空間方法。這3種方法雖然是存在一定聯(lián)系的，比如基于觀測器的狀態(tài)估計和等價空間方法是等價的。相比之下，參數(shù)估計方法比狀態(tài)估計方法更適合非線性系統(tǒng)，因為非線性系統(tǒng)的狀態(tài)觀測器的設(shè)計有很大的困難。目前，只有針對某些特殊的非線性系統(tǒng)有研究，而通常的等價空間方法僅適用于線性系統(tǒng)。
當難以建立診斷對象的解析數(shù)學模型時，基于信號處理的方法是非常有用的。這種方法直接利用信號模型技術(shù)，如相關(guān)函數(shù)、高階統(tǒng)計量、頻譜和自回歸滑動平均過程，以及現(xiàn)在熱門的小波分析技術(shù)用這種方法可以避開提取對象數(shù)學模型的這一難點，這既是它的優(yōu)點又是它的缺點。
基于知識的方法和基于信號處理的方法類似，也不需要系統(tǒng)的定量數(shù)學模型，但它克服了后者的缺點，引入了診斷對象的許多信息，特別是可以充分地利用專家診斷知識等，所以是一種很有前途的方法，尤其是在非線性系統(tǒng)領(lǐng)域。下面將介紹基于知識的故障診斷方法，并把重點放在基于定性模型的方法上。
二、基于定性方法的故障檢測和診斷方法
定性故障檢測和診斷方法的基礎(chǔ)是定性模型和定性推理。基于定性方法的故障檢測與診斷，利用不完備的先驗知識，采用定性的方法，對系統(tǒng)結(jié)構(gòu)和功能進行描述，建立起定性模型，對系統(tǒng)進行推理，預測系統(tǒng)的定性行為，通過與實際的系統(tǒng)行為比較，檢測系統(tǒng)是否發(fā)生故障，并診斷系統(tǒng)的故障原因。
（一）基于定性仿真理論（QSIM）的診斷技術(shù)
它的理論基礎(chǔ)是于1986年提出的基于定性微分方程的定性仿真理論。Kuipers在1987年提出了基于QSIM的診斷技術(shù)起，采用基于故障模型的診斷策略，利用QSIM方法對故障模型進行仿真，從而得到預測的系統(tǒng)行為。然后將觀測到的故障行為與這些預測行為相比較。如果一致，則說明系統(tǒng)發(fā)生故障。這時，依據(jù)建立該模型時的先驗知識，進一步診斷出故障的種類和原因。這充分發(fā)揮了QSIM基于深層知識建模和推理能力強大的特點。這一過程被稱為假設(shè)—建模—仿真—匹配循環(huán)，如圖1所示。
這種方法適用于對所有故障都已知的系統(tǒng)進行故障診斷。對未知的故障無法進行準確的故障診斷，這是該方法本身造成的缺陷。
（二）基于定性過程理論（QPT）的診斷技術(shù)
它是于1984年提出的定性推理方法。Forbus于1987年提出了基于定性過程理論（QPT）的故障診斷技術(shù)——ATMI，利用定性理論對系統(tǒng)的觀測進行解釋。該方法的輸入是一組測量序列。定量值被描述為量空間的表示形式。定性狀態(tài)包括數(shù)量有限的組分，構(gòu)成一種解釋，對于一組系統(tǒng)測量值，存在一組定性狀態(tài)集與之對應。通過削減集合中的狀態(tài)，得到對系統(tǒng)行為的解釋。
該方法通過對測量值進行解釋，從而檢查故障假設(shè)是否能解釋觀測的系統(tǒng)行為。這種理論僅僅依賴很少的假設(shè)，這些假設(shè)往往很容易滿足。這一優(yōu)點使得此方法可以應用于較廣闊的領(lǐng)域。但是，在待研究的系統(tǒng)事先已知的情況下，現(xiàn)有的定性推理機制往往顯得很慢。解決的辦法是事先建立狀態(tài)解釋表，通過查表，加快解釋過程，但這個表可能非常大。
（三）基于帶符號有向圖（SDG）的診斷技術(shù)
它是一種由節(jié)點（nodes）和節(jié)點之間有方向的連線構(gòu)成的網(wǎng)絡(luò)圖。它看似簡單，卻能夠表達復雜的因果關(guān)系，并且具有包容大規(guī)模潛在信息的能力。
在化工過程中最早采用SDG方法進行故障診斷研究的學者是S.A.Lapp和G.J.Powers，雖然在論文中沒有明確提出SDG一詞，但的確建立了SDG模型，并首次用SDG推導出了故障樹。
M.Iri等人（1979，1980）提出了符號圖SG的定義以及運用深度優(yōu)先技術(shù)在靜態(tài)不完全的SG樣本中探索故障源的基本算法。
J.Shiozaki等人（1985）在M.Iri的基礎(chǔ)上將SG明確為SDG，并且提出了5級SDG的概念和一種新的算法，節(jié)點狀態(tài)為“+”、“+？”、“0”、“-？”和“-”5種提高了診斷的準確性的計算效率。在實際中已經(jīng)有了這方面的應用。
J.Shiocaki等人（1987）經(jīng)過研究，又提出運用故障顯現(xiàn)時間的概念改進SDG故障診斷方法，提高了診斷的分辨力。
C.C.Yu等（1991）、X.X.Wang（1996）和E.E.Tarifa（1997）將支路定量穩(wěn)態(tài)增益和隸屬函數(shù)結(jié)合起來，根據(jù)模糊邏輯計算出相容通路的相容度，為相容通路確定灰度級別。在這里，模糊集合論被引入SDG，用于解決區(qū)分多通路影響度的問題。
H.Vedam（1997）將SDG方法推廣到多故障源的診斷（MFD），提出的算法在G2軟件平臺上進行實現(xiàn)，并且用一套FCCU的運態(tài)仿真系統(tǒng)進行診斷試驗，提高了計算速度和診斷分辨力。
目前，國內(nèi)這方面也有研究，北京化工大學的吳重光教授等人獨立研究解決了推理機問題，并且通過自動HAZOP案例分析驗證了所開發(fā)的 SDG-HAZOP軟件平臺的正確性，填補了這一領(lǐng)域國內(nèi)研究的空白。
基于帶符號有向圖（SDG）的診斷技術(shù)認為故障診斷本質(zhì)上是確定過程擾動的根本原因。采用帶符號有向圖描述系統(tǒng)，利用存儲在SDG圖上的信息搜尋擾動可能的故障源，從而有效識別系統(tǒng)擾動的原因。此方法的優(yōu)勢在于需要相對較少的信息來構(gòu)造帶符號有向圖及用于診斷。SDG利用節(jié)點和連線來描述系統(tǒng)成員之間的因果關(guān)系，如圖2所示。
其中，節(jié)點A和B表示過程變量，取值{－, 0, ＋}；節(jié)點間的有向連線表示節(jié)點間的因果關(guān)系；連線上的符號sgn（A-B）代表節(jié)點間影響的方向，當sgn（A-B）取值為“+”，表明原因變量與結(jié)果變量變化方向相同；當sgn（A-B）取值為“－”，表明原因變量與結(jié)果變量變化方向相反。構(gòu)造 SDG的方法主要有兩種：一種是根據(jù)過程數(shù)據(jù)或者操作者的經(jīng)驗構(gòu)造；另一種是通過對已知的數(shù)學模型進行抽象來構(gòu)造。如圖3所示。目前通常 采用第一種方法，因為大多數(shù)系統(tǒng)的數(shù)學模型很難準確地建立。利用SDG進行故障仿真要構(gòu)造一組從給定根節(jié)點出發(fā)的有向枝（稱為仿真樹）。仿真樹表現(xiàn)為一組從根節(jié)點到每一個因果相關(guān)節(jié)點的路徑，是對故障傳遞途徑的預測，體現(xiàn)了事件因果順序和故障源對相關(guān)節(jié)點影響的方向。
采用經(jīng)驗法構(gòu)造SDG模型按如下步驟進行：
1．找出和故障相關(guān)的、關(guān)鍵變量作為節(jié)點；
2．盡量找出導致這些節(jié)點故障的原因，每個故障源到節(jié)點都有支路相連；
3．從原理上分清節(jié)點之間是增量影響還是間量影響，分別用“＋”或“－”支路相連；
4．SDG圖做出后，采用該過程的仿真系統(tǒng)作案例分析，通過反復驗證與修改SDG模型直到滿意為止。
其中，選擇節(jié)點和支路的原則是：在符合客觀規(guī)律的前提下，要有利于解釋故障的原因及后果。
基于SDG建模的診斷技術(shù)存在如下缺點，有待與專家學者進一步的研究：
1．SDG通常只支持兩種過程偏差（偏大或偏小），這在有些場合是不夠精確的；
2．SDG沒有包含設(shè)備的狀態(tài)信息。因此，即使設(shè)備單元存在故障，SDG仍然把它當作正常設(shè)備來使用，這就會造成誤差；
3．SDG對于故障序列處理得不好，僅能處理一些簡單的線性事件鏈；
4．使用SDG模型，有時候不能在很多事件中區(qū)分出哪些是可能的、哪些是不可能的。這是因為有向圖沒有完全地與現(xiàn)實情況吻合，存在誤差；
5．由于SDG模型沒能包含設(shè)備單元的所有信息，經(jīng)常會出現(xiàn)故障誤報。雖然誤報比漏報好，但是增加了用戶區(qū)分這些預報真假的工作量。
（四）基于定性觀測器的診斷技術(shù)
Zhuang和Frank提出了定性觀測器（QOB）方法。定性觀測器主要包括如下4個部分（見圖4）：
（1）定性模型：是定性觀測器的關(guān)鍵部分，通過定性推理，來預測系統(tǒng)的行為；
（2）差異檢測器：用于確定測量值與計算假設(shè)之間的差異；
（3）候選者產(chǎn)生器：依據(jù)差異，提出供候選的故障源；
（4）診斷策略：用于協(xié)調(diào)整個循環(huán)搜索過程，從而確保模型與實際過程相匹配。
基于定性觀測器的故障診斷技術(shù)，通過構(gòu)造系統(tǒng)的定性模型，對系統(tǒng)行為進行預測，將預測的結(jié)果與系統(tǒng)實際的輸出相比較，利用差異檢測器，衡量預測與實際之間的差異，如果存在差異則已檢測出故障。將差異作用于候選者產(chǎn)生器，產(chǎn)生候選故障，反饋給定性模型，構(gòu)成故障模型，直到預測與實際輸出匹配，從而診斷出故障。
三、結(jié)束語和展望
本文重點介紹了基于定性方法的故障檢測與診斷技術(shù)。影響方法選擇的主要因素是系統(tǒng)的先驗信息。如果無法建立定量模型時，定性方法是自然的選擇。
基于定性方法的故障檢測與診斷技術(shù)的主要優(yōu)點如下：（1）當系統(tǒng)信息不完整，或者系統(tǒng)信息是定性信息，或者故障無法用解析模型描述時，無法建立定量模型，只能建立定性模型。采用基于定性方法的診斷技術(shù)仍然可以檢測和診斷故障。（2）利用定量方法診斷時，雖然比較精確，但有時因為診斷速度問題，無法實現(xiàn)在線診斷；或者在對精確度要求不高的場合，利用定性方法更為適宜。（3）用定性方法描述系統(tǒng)，可以保證所表述系統(tǒng)行為的可靠性，因此可以減少誤報現(xiàn)象。（4）定性方法利用系統(tǒng)的深層知識，關(guān)注于系統(tǒng)不同部分之間的因果性或相關(guān)性。這一特點有助于進行故障分離和故障分析。（5）利用定性方法進行故障診斷，具有較好的魯棒性。
也存在著以下這些不足，同時這也是學者進行下一步研究的方向：（1）利用定性知識進行故障診斷時，定性知識的組合數(shù)會隨著系統(tǒng)規(guī)模的擴大發(fā)生級數(shù)爆炸，影響了定性方法的實用性。（2）需要預先知道故障的定性知識，否則只能進行檢測，不能準確地診斷出故障的原因。（3）由于定性描述相對于定量描述而言比較粗糙，存在冗余信息，這樣會造成診斷結(jié)果的不唯一性，需要進行篩選。（4）利用定性方法描述的系統(tǒng)進行故障診斷，同時達到低誤報率和低漏報率還比較困難。（5）如何將定量信息定性化，在定性方法中加入定量信息，以及對診斷性能的影響都值得研究。
基于定性和半定性方法的故障檢測與診斷是實用性很強的技術(shù)，它是在實踐中發(fā)展起來的，只有通過實踐才能不斷促進其自身的發(fā)展與完善。
在現(xiàn)代控制系統(tǒng)中，由于系統(tǒng)復雜性的日益提高，規(guī)模的不斷擴大，系統(tǒng)常常要面對不可預計的變化。這類系統(tǒng)一旦發(fā)生故障就可能造成人員和財產(chǎn)的巨大損失。設(shè)計可靠的容錯控制系統(tǒng)，或者將復雜系統(tǒng)的性能維持在高水平上，是急待解決的問題。切實保障現(xiàn)代復雜系統(tǒng)的可靠性和安全性，具有十分重要的意義。這首先就需要能夠正確地檢測出系統(tǒng)產(chǎn)生的變化（故障），然后盡快地采取相應措施來重新配置系統(tǒng)。由于實際應用在這方面有強烈要求，所以研究和發(fā)展新的故障檢測和診斷技術(shù)已經(jīng)成為領(lǐng)域的一個熱點研究方向。
動態(tài)系統(tǒng)的故障檢測與診斷（FDD）既是一門相對獨立發(fā)展的技術(shù)，也是容錯控制的重要支柱。目前國際上每年發(fā)表的有關(guān)FDD方面的論文和報告在1000篇以上。許多學者加入到這一研究領(lǐng)域，提出了許多研究方法。經(jīng)過多年的發(fā)展，這一領(lǐng)域已經(jīng)產(chǎn)生了許多研究成果。
實際系統(tǒng)可能發(fā)生的故障是多種多樣的，因此研究故障檢測和診斷問題需要對故障做出適當?shù)姆诸悾凑詹煌姆矫妫梢缘玫讲煌姆诸惤Y(jié)果。從故障發(fā)生的部位看，可以分成儀表故障（常稱為傳感器故障）、執(zhí)行器故障和元部件故障；根據(jù)故障性質(zhì)，可以分為突變故障和緩變故障；從建模角度出發(fā)，又可以分為乘性故障和加性故障。至于故障診斷的方法，按照通行的分類方法可以分為3大類：基于解析模型的方法、基于信號處理的方法和基于知識的方法。
基于解析模型的方法是最早發(fā)展起來的，此方法需要建立被診斷對象的較為精確的數(shù)學模型。進一步，它又可以分為參數(shù)估計方法、狀態(tài)估計方法和等價空間方法。這3種方法雖然是存在一定聯(lián)系的，比如基于觀測器的狀態(tài)估計和等價空間方法是等價的。相比之下，參數(shù)估計方法比狀態(tài)估計方法更適合非線性系統(tǒng)，因為非線性系統(tǒng)的狀態(tài)觀測器的設(shè)計有很大的困難。目前，只有針對某些特殊的非線性系統(tǒng)有研究，而通常的等價空間方法僅適用于線性系統(tǒng)。
當難以建立診斷對象的解析數(shù)學模型時，基于信號處理的方法是非常有用的。這種方法直接利用信號模型技術(shù)，如相關(guān)函數(shù)、高階統(tǒng)計量、頻譜和自回歸滑動平均過程，以及現(xiàn)在熱門的小波分析技術(shù)用這種方法可以避開提取對象數(shù)學模型的這一難點，這既是它的優(yōu)點又是它的缺點。
基于知識的方法和基于信號處理的方法類似，也不需要系統(tǒng)的定量數(shù)學模型，但它克服了后者的缺點，引入了診斷對象的許多信息，特別是可以充分地利用專家診斷知識等，所以是一種很有前途的方法，尤其是在非線性系統(tǒng)領(lǐng)域。下面將介紹基于知識的故障診斷方法，并把重點放在基于定性模型的方法上。
二、基于定性方法的故障檢測和診斷方法
定性故障檢測和診斷方法的基礎(chǔ)是定性模型和定性推理。基于定性方法的故障檢測與診斷，利用不完備的先驗知識，采用定性的方法，對系統(tǒng)結(jié)構(gòu)和功能進行描述，建立起定性模型，對系統(tǒng)進行推理，預測系統(tǒng)的定性行為，通過與實際的系統(tǒng)行為比較，檢測系統(tǒng)是否發(fā)生故障，并診斷系統(tǒng)的故障原因。
（一）基于定性仿真理論（QSIM）的診斷技術(shù)
它的理論基礎(chǔ)是于1986年提出的基于定性微分方程的定性仿真理論。Kuipers在1987年提出了基于QSIM的診斷技術(shù)起，采用基于故障模型的診斷策略，利用QSIM方法對故障模型進行仿真，從而得到預測的系統(tǒng)行為。然后將觀測到的故障行為與這些預測行為相比較。如果一致，則說明系統(tǒng)發(fā)生故障。這時，依據(jù)建立該模型時的先驗知識，進一步診斷出故障的種類和原因。這充分發(fā)揮了QSIM基于深層知識建模和推理能力強大的特點。這一過程被稱為假設(shè)—建模—仿真—匹配循環(huán)，如圖1所示。
這種方法適用于對所有故障都已知的系統(tǒng)進行故障診斷。對未知的故障無法進行準確的故障診斷，這是該方法本身造成的缺陷。
（二）基于定性過程理論（QPT）的診斷技術(shù)
它是于1984年提出的定性推理方法。Forbus于1987年提出了基于定性過程理論（QPT）的故障診斷技術(shù)——ATMI，利用定性理論對系統(tǒng)的觀測進行解釋。該方法的輸入是一組測量序列。定量值被描述為量空間的表示形式。定性狀態(tài)包括數(shù)量有限的組分，構(gòu)成一種解釋，對于一組系統(tǒng)測量值，存在一組定性狀態(tài)集與之對應。通過削減集合中的狀態(tài)，得到對系統(tǒng)行為的解釋。
該方法通過對測量值進行解釋，從而檢查故障假設(shè)是否能解釋觀測的系統(tǒng)行為。這種理論僅僅依賴很少的假設(shè)，這些假設(shè)往往很容易滿足。這一優(yōu)點使得此方法可以應用于較廣闊的領(lǐng)域。但是，在待研究的系統(tǒng)事先已知的情況下，現(xiàn)有的定性推理機制往往顯得很慢。解決的辦法是事先建立狀態(tài)解釋表，通過查表，加快解釋過程，但這個表可能非常大。
（三）基于帶符號有向圖（SDG）的診斷技術(shù)
它是一種由節(jié)點（nodes）和節(jié)點之間有方向的連線構(gòu)成的網(wǎng)絡(luò)圖。它看似簡單，卻能夠表達復雜的因果關(guān)系，并且具有包容大規(guī)模潛在信息的能力。
在化工過程中最早采用SDG方法進行故障診斷研究的學者是S.A.Lapp和G.J.Powers，雖然在論文中沒有明確提出SDG一詞，但的確建立了SDG模型，并首次用SDG推導出了故障樹。
M.Iri等人（1979，1980）提出了符號圖SG的定義以及運用深度優(yōu)先技術(shù)在靜態(tài)不完全的SG樣本中探索故障源的基本算法。
J.Shiozaki等人（1985）在M.Iri的基礎(chǔ)上將SG明確為SDG，并且提出了5級SDG的概念和一種新的算法，節(jié)點狀態(tài)為“+”、“+？”、“0”、“-？”和“-”5種提高了診斷的準確性的計算效率。在實際中已經(jīng)有了這方面的應用。
J.Shiocaki等人（1987）經(jīng)過研究，又提出運用故障顯現(xiàn)時間的概念改進SDG故障診斷方法，提高了診斷的分辨力。
C.C.Yu等（1991）、X.X.Wang（1996）和E.E.Tarifa（1997）將支路定量穩(wěn)態(tài)增益和隸屬函數(shù)結(jié)合起來，根據(jù)模糊邏輯計算出相容通路的相容度，為相容通路確定灰度級別。在這里，模糊集合論被引入SDG，用于解決區(qū)分多通路影響度的問題。
H.Vedam（1997）將SDG方法推廣到多故障源的診斷（MFD），提出的算法在G2軟件平臺上進行實現(xiàn)，并且用一套FCCU的運態(tài)仿真系統(tǒng)進行診斷試驗，提高了計算速度和診斷分辨力。
目前，國內(nèi)這方面也有研究，北京化工大學的吳重光教授等人獨立研究解決了推理機問題，并且通過自動HAZOP案例分析驗證了所開發(fā)的 SDG-HAZOP軟件平臺的正確性，填補了這一領(lǐng)域國內(nèi)研究的空白。
基于帶符號有向圖（SDG）的診斷技術(shù)認為故障診斷本質(zhì)上是確定過程擾動的根本原因。采用帶符號有向圖描述系統(tǒng)，利用存儲在SDG圖上的信息搜尋擾動可能的故障源，從而有效識別系統(tǒng)擾動的原因。此方法的優(yōu)勢在于需要相對較少的信息來構(gòu)造帶符號有向圖及用于診斷。SDG利用節(jié)點和連線來描述系統(tǒng)成員之間的因果關(guān)系，如圖2所示。
其中，節(jié)點A和B表示過程變量，取值{－, 0, ＋}；節(jié)點間的有向連線表示節(jié)點間的因果關(guān)系；連線上的符號sgn（A-B）代表節(jié)點間影響的方向，當sgn（A-B）取值為“+”，表明原因變量與結(jié)果變量變化方向相同；當sgn（A-B）取值為“－”，表明原因變量與結(jié)果變量變化方向相反。構(gòu)造 SDG的方法主要有兩種：一種是根據(jù)過程數(shù)據(jù)或者操作者的經(jīng)驗構(gòu)造；另一種是通過對已知的數(shù)學模型進行抽象來構(gòu)造。如圖3所示。目前通常 采用第一種方法，因為大多數(shù)系統(tǒng)的數(shù)學模型很難準確地建立。利用SDG進行故障仿真要構(gòu)造一組從給定根節(jié)點出發(fā)的有向枝（稱為仿真樹）。仿真樹表現(xiàn)為一組從根節(jié)點到每一個因果相關(guān)節(jié)點的路徑，是對故障傳遞途徑的預測，體現(xiàn)了事件因果順序和故障源對相關(guān)節(jié)點影響的方向。
采用經(jīng)驗法構(gòu)造SDG模型按如下步驟進行：
1．找出和故障相關(guān)的、關(guān)鍵變量作為節(jié)點；
2．盡量找出導致這些節(jié)點故障的原因，每個故障源到節(jié)點都有支路相連；
3．從原理上分清節(jié)點之間是增量影響還是間量影響，分別用“＋”或“－”支路相連；
4．SDG圖做出后，采用該過程的仿真系統(tǒng)作案例分析，通過反復驗證與修改SDG模型直到滿意為止。
其中，選擇節(jié)點和支路的原則是：在符合客觀規(guī)律的前提下，要有利于解釋故障的原因及后果。
基于SDG建模的診斷技術(shù)存在如下缺點，有待與專家學者進一步的研究：
1．SDG通常只支持兩種過程偏差（偏大或偏小），這在有些場合是不夠精確的；
2．SDG沒有包含設(shè)備的狀態(tài)信息。因此，即使設(shè)備單元存在故障，SDG仍然把它當作正常設(shè)備來使用，這就會造成誤差；
3．SDG對于故障序列處理得不好，僅能處理一些簡單的線性事件鏈；
4．使用SDG模型，有時候不能在很多事件中區(qū)分出哪些是可能的、哪些是不可能的。這是因為有向圖沒有完全地與現(xiàn)實情況吻合，存在誤差；
5．由于SDG模型沒能包含設(shè)備單元的所有信息，經(jīng)常會出現(xiàn)故障誤報。雖然誤報比漏報好，但是增加了用戶區(qū)分這些預報真假的工作量。
（四）基于定性觀測器的診斷技術(shù)
Zhuang和Frank提出了定性觀測器（QOB）方法。定性觀測器主要包括如下4個部分（見圖4）：
（1）定性模型：是定性觀測器的關(guān)鍵部分，通過定性推理，來預測系統(tǒng)的行為；
（2）差異檢測器：用于確定測量值與計算假設(shè)之間的差異；
（3）候選者產(chǎn)生器：依據(jù)差異，提出供候選的故障源；
（4）診斷策略：用于協(xié)調(diào)整個循環(huán)搜索過程，從而確保模型與實際過程相匹配。
基于定性觀測器的故障診斷技術(shù)，通過構(gòu)造系統(tǒng)的定性模型，對系統(tǒng)行為進行預測，將預測的結(jié)果與系統(tǒng)實際的輸出相比較，利用差異檢測器，衡量預測與實際之間的差異，如果存在差異則已檢測出故障。將差異作用于候選者產(chǎn)生器，產(chǎn)生候選故障，反饋給定性模型，構(gòu)成故障模型，直到預測與實際輸出匹配，從而診斷出故障。
三、結(jié)束語和展望
本文重點介紹了基于定性方法的故障檢測與診斷技術(shù)。影響方法選擇的主要因素是系統(tǒng)的先驗信息。如果無法建立定量模型時，定性方法是自然的選擇。
基于定性方法的故障檢測與診斷技術(shù)的主要優(yōu)點如下：（1）當系統(tǒng)信息不完整，或者系統(tǒng)信息是定性信息，或者故障無法用解析模型描述時，無法建立定量模型，只能建立定性模型。采用基于定性方法的診斷技術(shù)仍然可以檢測和診斷故障。（2）利用定量方法診斷時，雖然比較精確，但有時因為診斷速度問題，無法實現(xiàn)在線診斷；或者在對精確度要求不高的場合，利用定性方法更為適宜。（3）用定性方法描述系統(tǒng)，可以保證所表述系統(tǒng)行為的可靠性，因此可以減少誤報現(xiàn)象。（4）定性方法利用系統(tǒng)的深層知識，關(guān)注于系統(tǒng)不同部分之間的因果性或相關(guān)性。這一特點有助于進行故障分離和故障分析。（5）利用定性方法進行故障診斷，具有較好的魯棒性。
也存在著以下這些不足，同時這也是學者進行下一步研究的方向：（1）利用定性知識進行故障診斷時，定性知識的組合數(shù)會隨著系統(tǒng)規(guī)模的擴大發(fā)生級數(shù)爆炸，影響了定性方法的實用性。（2）需要預先知道故障的定性知識，否則只能進行檢測，不能準確地診斷出故障的原因。（3）由于定性描述相對于定量描述而言比較粗糙，存在冗余信息，這樣會造成診斷結(jié)果的不唯一性，需要進行篩選。（4）利用定性方法描述的系統(tǒng)進行故障診斷，同時達到低誤報率和低漏報率還比較困難。（5）如何將定量信息定性化，在定性方法中加入定量信息，以及對診斷性能的影響都值得研究。
基于定性和半定性方法的故障檢測與診斷是實用性很強的技術(shù)，它是在實踐中發(fā)展起來的，只有通過實踐才能不斷促進其自身的發(fā)展與完善。
文章版權(quán)歸西部工控xbgk所有，未經(jīng)許可不得轉(zhuǎn)載。
服務(wù)咨詢