高艷春

(吉林電子信息職業(yè)技術(shù)學院 吉林 吉林 132021)

0 引言

自動控制系統(tǒng)及其設備是大型火電機組不可缺少的重要組成部分，其性能和可靠性已成為保證火電機組可靠性和經(jīng)濟性的重要因素。隨著火電廠控制系統(tǒng)日益大型化和復雜化，故障點也隨之增加，除了選用高質(zhì)量和高可靠性的自動化設備和計算機監(jiān)控系統(tǒng)，及時發(fā)現(xiàn)系統(tǒng)中存在的故障，并采取有效的措施來修復故障，是保證機組連續(xù)穩(wěn)定運行的重要保證。近幾十年來,國內(nèi)外故障診斷技術(shù)得到了廣泛的研究與發(fā)展，提出了眾多可行的方法。

故障的分類，根據(jù)故障程度大小分為硬性故障和軟性故障；根據(jù)故障存在的表現(xiàn)分為間歇性故障和永久性故障；根據(jù)故障的性質(zhì)和發(fā)展的進程分為突變故障和緩變故障；根據(jù)故障發(fā)生的部位可以分為傳感器故障、執(zhí)行器故障、元部件故障及設備故障等；從建模的角度出發(fā)分為加性故障和乘性故障；根據(jù)故障的原因分為偏差故障、沖擊故障、開路故障、漂移故障、短路故障、周期性干擾和非線性死區(qū)故障等[1]。

根據(jù)工作原理可將故障診斷方法大致分為基于解析模型的方法、基于信號處理的方法、基于知識的方法、基于數(shù)據(jù)驅(qū)動的方法和混合診斷的方法等。

1 控制系統(tǒng)故障檢測與診斷技術(shù)國內(nèi)外發(fā)展趨勢

1971年美國麻省理工學院的Beard博士首先提出了用解析冗余代替硬件冗余，并通過系統(tǒng)自組織使系統(tǒng)閉環(huán)穩(wěn)定，通過比較器的輸出得到系統(tǒng)的故障信息的思想，標志著故障檢測與診斷技術(shù)的誕生[2]。20世紀70年代是控制系統(tǒng)故障檢測與診斷發(fā)展的初級階段，檢測濾波器(1971年)、廣義似然比(1974年)和極大似然比(1979年)等診斷算法都是在這一階段提出的。20世紀80年代是控制系統(tǒng)故障檢測與診斷技術(shù)蓬勃發(fā)展的一個階段，新的理論不斷被提出，理論的實際應用也得到了發(fā)展?；谟^測器、濾波器的方案或系統(tǒng)辨識和參數(shù)估計的方案是這一時期主要使用的診斷方法。進入90年代以后，各種方法不斷相互滲透和融合，理論應用的領(lǐng)域也有了很大的擴展，基于神經(jīng)網(wǎng)絡、模糊邏輯等智能方法及組合方法的故障檢測與診斷明顯增加，對于非線性系統(tǒng)的故障檢測與診斷也有了更多的研究。進入21世紀，隨著故障檢測與診斷基礎(chǔ)學科的不斷發(fā)展，控制系統(tǒng)故障檢測與診斷技術(shù)迎來新的發(fā)展高峰，為國民生產(chǎn)、生活帶來更多的經(jīng)濟和社會效益。國內(nèi)對FDD的研究始于20世紀80年代初，清華大學的方崇智教授、中科院的疏松桂教授于20世紀80年代初開始進行FDD技術(shù)的研究，葉銀忠教授等人1985年發(fā)表了國內(nèi)最早的有關(guān)FDD技術(shù)的綜述文章，隨后清華大學的周東華教授、中科院的譚民教授等眾多學者先后發(fā)表了有關(guān)FDD技術(shù)的學術(shù)論文，并出版了相關(guān)學術(shù)專著，在故障檢測與診斷技術(shù)方面進行了深人的理論研究和實際應用，取得了豐富的成果[3]。

2 控制系統(tǒng)故障檢測與診斷技術(shù)

2.1 基于解析模型的方法

其基本思想是建立被診斷對象的精確數(shù)學模型，通過將被診斷對象的可測信息與模型表達的系統(tǒng)先驗信息進行比較產(chǎn)生殘差，以殘差為特征進行分析和處理來實現(xiàn)故障診斷。根據(jù)殘差產(chǎn)生的形式，基于模型的診斷方法可分為狀態(tài)估計法、等價空間法和參數(shù)估計法[4-6]。

2.2 基于信號處理的方法

其基本思想是通過信號模型，如相關(guān)函數(shù)、頻譜及自回歸滑動平均等，直接分析可測信號，提取方差、均值、幅值、相位和頻率等作為特征檢測故障。常見的基于信號處理的故障診斷方法有：絕對值檢驗和趨勢檢驗，利用Kullback信息準則，基于小波變換，基于信息校核，譜分析和相關(guān)分析等[7]?；谛〔ǚ治龅姆椒梢岳眯〔ㄗ儞Q的極值點與信號的奇異點之間的關(guān)系進行故障檢測，采用小波網(wǎng)進行故障檢測，采用小波包進行故障檢測，還可以將小波變換與其他方法。

2.3 基于知識的方法

基于知識的故障診斷方法不需要定量的數(shù)學模型，引人診斷對象多方面的信息，通過系統(tǒng)的因果模型、專家知識、系統(tǒng)描述或故障癥狀舉例實現(xiàn)定性、定量知識的有機結(jié)合，進而實現(xiàn)故障診斷[8]?；谥R的方法可分為基于癥狀的方法和基于定性模型的方法?；诎Y狀的方法又可分為基于神經(jīng)網(wǎng)絡的方法、基于模糊推理的方法、基于專家系統(tǒng)的方法和基于模式識別的方法?；啥ㄐ阅Ｐ偷姆椒ǚ譃槎ㄐ杂^測器、定性仿真、知識觀測器和符號有向圖?；谏窠?jīng)網(wǎng)絡的方法可以直接接采用神經(jīng)網(wǎng)絡進行故障診斷，或者把神經(jīng)網(wǎng)絡作為一個模型，產(chǎn)生殘差，然后對殘差進行處理。

2.4 基于數(shù)據(jù)驅(qū)動的方法

基于數(shù)據(jù)驅(qū)動的方法是最近研究比較多也比較有效的方法，其基本思想是直接利用過程采集數(shù)據(jù)進行故障診斷[9]。數(shù)據(jù)驅(qū)動方法不需要精確數(shù)學模型，通過多元投影方法將表征系統(tǒng)的全部特征數(shù)據(jù)投影到低維特征空間，從而在保留原系統(tǒng)主要特征的同時實現(xiàn)了數(shù)據(jù)降維、故障診斷、摒棄冗余或干擾特征的目的。通過對變換后的低維數(shù)據(jù)進行統(tǒng)計分析，給出一些有意義的表征系統(tǒng)狀態(tài)數(shù)值，實現(xiàn)故障診斷。

2.5 容錯控制技術(shù)

控制系統(tǒng)的容錯技術(shù)是20世紀80年代發(fā)展起來的一種提高控制系統(tǒng)可靠性的技術(shù)，通過控制器的合理設計，以使控制系統(tǒng)在出現(xiàn)某些局部故障時仍能保持穩(wěn)定為目的[10]。容錯控制技術(shù)有3種方法:結(jié)構(gòu)冗余、功能冗余和基于故障檢測與診斷技術(shù)的容錯控制。容錯控制技術(shù)旨在提高系統(tǒng)的可靠性、有效性和可靠度。

提高控制系統(tǒng)可靠性的主要方法，一是，提高元件的可靠性；二是，進行系統(tǒng)的可靠性設計，簡化系統(tǒng)結(jié)構(gòu)，采用固定結(jié)構(gòu)備份，采用帶有邏輯裝置的待機結(jié)構(gòu)儲備；三是，控制系統(tǒng)的容錯設計[11]。

故障檢測與診斷子系統(tǒng)可以在線檢測整個系統(tǒng)的運行狀態(tài)。當控制系統(tǒng)發(fā)生某些局部故障時，可以迅速報警，并分離出發(fā)生故障的部位，以幫助維修人員迅速查找出故障源，進行排除，以防局部故障在系統(tǒng)中進行傳播而導致災難性故障的發(fā)生。再進一步，基于故障檢測與診斷子系統(tǒng)還可以構(gòu)造一種新的容錯控制系統(tǒng)，即根據(jù)故障診斷信息，可知道被控對象的結(jié)構(gòu)與參數(shù)變動情況，在此基礎(chǔ)上可以重構(gòu)控制律，確?？刂葡到y(tǒng)穩(wěn)定。

3 結(jié)論

基于數(shù)學模型的方法建立在對模型的參數(shù)估計與過程狀態(tài)估計的基礎(chǔ)上，對控制系統(tǒng)的狀態(tài)和參數(shù)進行重構(gòu)，構(gòu)成殘差序列，通過對殘差序列的統(tǒng)計分析來監(jiān)測故障的發(fā)生并進行故障的識別。這種方法從模型的角度對有關(guān)趨勢進行分析，可能及早發(fā)現(xiàn)問題?；跀?shù)據(jù)驅(qū)動的方法通過各種數(shù)據(jù)處理與分析方法(如多元統(tǒng)計方法、聚類分析及小波分析等)處理分析過程數(shù)據(jù)，從中提取主要的信息特質(zhì)以描述原有數(shù)據(jù)集所表征的過程狀態(tài)，挖掘出數(shù)據(jù)中隱含的深層信息，并利用這些信息提高過程監(jiān)控能力。基于知識的方法是利用人工智能的方法，構(gòu)造某些系統(tǒng)功能以模仿和實現(xiàn)人類在監(jiān)控過程中的某些思維和行為，自動完成整個監(jiān)控和診斷過程?；谛盘柼幚淼墓收显\斷方法雖然發(fā)展得比較完善，但是對非線性系統(tǒng)的故障診斷應用得比較少?；谥R的故障診斷方法由于無需系統(tǒng)定量的數(shù)學模型，因此具有較高的實際應用價值，更適合實際的工業(yè)裝置的應用。

［1］張龍，才智.火電廠協(xié)調(diào)控制系統(tǒng)研究與分析[J].電站系統(tǒng)功能工程，2011，2(1)：3～6.

［2］胡迪,董云峰.衛(wèi)星姿軌控系統(tǒng)故障推演系統(tǒng)設計架構(gòu)[J].航天器工程，2011，1(1)：17～19.

［3］陳嬌，王永強，翁史烈.廣義回歸神經(jīng)網(wǎng)絡在燃氣輪機排氣溫度傳感器故障檢測[J].中國電機工程學報，2009，32(2)：25-27.

［4］B.Lin,S.B.Jorgensen.Observer and data-driven-model-based fault detection in power plant coal mills[J].IEEE Transactions on Energy Conversion,2008,23(2):659-668.

［5］Z.Song.Sensor Fault Detection in Power Plants[J].Journal of Energy Engineering,2009,35(4):127-137.

［6］Dong Mingchui,C.Takson.Online Fast Motor Fault Diagnostics Based on Fuzzy Neural Networks[J].清華大學學報:英文報,2009,2(1):107-112.

［7］S.Montenegro.Neural Network Based Diagnostics of Actuator for Attitude Control System.Computer Aided Drafting[J].Design and Manufacturing,2010,2(1):9-10.

［8］C.M.Newsletter.Energy industry offered predictive diagnostics software[J].Optical-fibre monitoring software detects faults,2010,278(1):13-13.

［9］何富君，劉小磊，盧小昭.傳感器的故障診斷技術(shù)研究[J].科學技術(shù)與工程，2010，26(3)：1-3.

［10］程洪書，孫衛(wèi)，蔡凱.基于神經(jīng)網(wǎng)絡的火控系統(tǒng)故障診斷專家系統(tǒng)[J].火力與指揮控制，2009，1(1)：13-14.

［11］S.J.QIN,I.B.LEE.Fault detection and diagnosis based on modified independent component analysis[J].AIChE Journal,2006,52(10):3501-3514.