陳軼??

摘要：傳感器的故障診斷技術(shù)是一門綜合學(xué)科，涉及到許多領(lǐng)域。故障診斷技術(shù)的出現(xiàn)為提高測控系統(tǒng)的可靠性提供了可能。本文對傳感器的故障診斷技術(shù)做了綜述和對比。最后，對傳感器故障診斷技術(shù)進(jìn)行了展望。

關(guān)鍵詞：傳感器；故障診斷；神經(jīng)網(wǎng)絡(luò)；小波分析

現(xiàn)代測控系統(tǒng)經(jīng)過多年的發(fā)展朝向大規(guī)模、復(fù)雜化方向發(fā)展，但是這種控制系統(tǒng)的故障一旦發(fā)生就很容易造成人員傷亡和巨大的經(jīng)濟(jì)損失。因此如何保證現(xiàn)代控制系統(tǒng)的可靠性和安全性非常重要。傳感器是任何控制系統(tǒng)不可缺少的部件，它的好壞直接關(guān)系到設(shè)備的運行狀態(tài)，甚至關(guān)系到安全問題。但是傳感器也是最容易出故障的環(huán)節(jié)，據(jù)研究統(tǒng)計在實際發(fā)生的故障中，約有70%—80%的故障是源自于傳感器故障。因此研究傳感器故障是十分有必要的。傳感器的故障診斷技術(shù)研究涉及到多個研究領(lǐng)域，出現(xiàn)了多種故障診斷的方法。本文將對傳感器的故障診斷技術(shù)做簡單的分析和對比。

一、 傳感器故障診斷技術(shù)綜述

在傳感器故障診斷方法中，線性傳感器的故障診斷發(fā)展較為成熟。從最簡單的檢測濾波器、廣義似然比、極大似然比到基于觀測器/濾波器的方法、參數(shù)估計方法、系統(tǒng)辨識法和一致空間法等。但是這些方法都是基于線性定常系統(tǒng)模型的。實際應(yīng)用中許多測控系統(tǒng)都是非線性的，這就使得對于這類系統(tǒng)的分析與控制比較難，對于它的故障診斷也存在較大的難度。

實際測控系統(tǒng)的生產(chǎn)對象本身大多是非線性系統(tǒng)，這就使基于線性系統(tǒng)故障診斷方法不能取得很好的效果。但是，近年來，隨著非線性理論、先進(jìn)算法、信號處理和智能控制的深入研究，非線性系統(tǒng)的故障診斷技術(shù)得到了迅速發(fā)展。它主要是基于信號處理方法，基于知識的方法和基于分析模型的診斷方法。如圖1所示。

圖1故障診斷方法分類圖

現(xiàn)分別對這幾類方法進(jìn)行討論。

二、 依賴解析模型的方法

基于分析模型的非線性系統(tǒng)故障診斷主要有兩種方法：一是線性化方法，另一類是非線性模型的方法。線性化方法進(jìn)行線性化的非線性系統(tǒng)在一個工作點或幾個操作點，用一個線性的模型集來表示系統(tǒng)，將擾動、誤差和噪聲當(dāng)做未知量輸入，對未知輸入設(shè)計為矩陣解耦的方法，以此來構(gòu)造殘差進(jìn)行故障診斷的方法。這種方法的優(yōu)點是不受誤差等擾動的影響。而非線性模型的方法則是利用自適應(yīng)非線性觀測器、濾波器等方法來設(shè)計診斷算法。因為這些方法基本都是針對某一特定的非線性系統(tǒng)的，因此算法的通用性不強(qiáng)，算法并不是很完善。

線性化方法

1. 近似化方法

早期故障診斷方法是基于近似線性化技術(shù)，如平均法、擬線性化方法、線性化族方法、擴(kuò)展線性化方法和近似輸入/輸出線性化方法。對于非本質(zhì)不甚嚴(yán)重的非線性對象，我們可以用公式來近似輸入/輸出線性化。

2. 精確線性化

在過去的二十年中，微分幾何的精確線性化為非線性系統(tǒng)的分析和綜合提供了支持。線性故障診斷方法可應(yīng)用于線性模型。對于具有不同條件的非線性對象，多模型方法可以處理多個操作點，使整個模型可以用來近似的非線性模型的切換干擾，可能會導(dǎo)致誤報。

3. 觀測器方法

最早的研究是建立一個全階觀測器，觀測器增益矩陣可以在線調(diào)整的結(jié)構(gòu)殘差序列未知的隨時間變化的參數(shù)或緩慢變化的漂移故障的殘差序列的影響進(jìn)行補(bǔ)償。文獻(xiàn)[2]中提到了用降階觀測器的設(shè)計來替代全階觀測器，但它只適用于突變的故障。Bastin等人提出了一種簡單的自適應(yīng)觀測器的設(shè)計可應(yīng)用于非線性系統(tǒng)，他們認(rèn)為處理一些非線性系統(tǒng)的特性可以作為未知參數(shù)，通過對未知參數(shù)的在線辨識非線性觀測器，未知干擾設(shè)計、參數(shù)時變和不精確的模型可以通過參數(shù)辨識的體現(xiàn)。

4. 濾波器法

相比于觀測器法，濾波器法的計算量要大的多，但它是要求不高的模型，采用擴(kuò)展卡爾曼濾波算法可直接估計，殘余結(jié)構(gòu)，但魯棒性的模型失配，和初始值是已知的，噪聲的統(tǒng)計特性是已知的，彼此不相關(guān)。如果噪聲的統(tǒng)計特性是未知的，將產(chǎn)生殘差，該算法漸變型故障不敏感。

三、 不依賴模型的方法

目前的控制系統(tǒng)越來越復(fù)雜，由于現(xiàn)實中對控制系統(tǒng)要建立精準(zhǔn)的解析數(shù)學(xué)模型難度較大，并且在存在建模誤差時，將會出現(xiàn)誤報、漏報現(xiàn)象。因此具有不需要對象精確模型且具有良好適應(yīng)性的不依賴于模型的故障診斷方法越來越受人們的重視。

1. 專家系統(tǒng)法

專家診斷法經(jīng)歷了二代的發(fā)展，第一代專家故障診斷方法是基于淺知識的，而第二代則是基于深知識的。不論是哪一代專家故障診斷方法，均是通過對傳感器知識的系統(tǒng)提取，在計算機(jī)里整理成故障規(guī)則庫，然后總結(jié)現(xiàn)場專家的個人的經(jīng)驗進(jìn)行推斷，進(jìn)行故障診斷。

2. 模糊推理的診斷方法

模糊診斷不需要診斷對象的精確數(shù)學(xué)模型，而是利用隸屬函數(shù)和模糊規(guī)則進(jìn)行模糊診斷。在故障診斷中，故障征兆具有模糊性，如果存在多個故障點，則故障與征兆之間的關(guān)系是模糊的，利用模糊語言集合表示能更準(zhǔn)確地反映故障與征兆的關(guān)系。

3. 神經(jīng)網(wǎng)絡(luò)法

神經(jīng)網(wǎng)絡(luò)具有非線性、自學(xué)習(xí)、高容錯性和并行處理能力，因此在非線性故障診斷中具有很強(qiáng)的優(yōu)勢。在模擬電路的故障診斷時應(yīng)用人工神經(jīng)網(wǎng)絡(luò)，其作用是類似于模式識別法中的分類器。但是要構(gòu)建一個完整的模式識別系統(tǒng)，神經(jīng)網(wǎng)絡(luò)訓(xùn)練所需的數(shù)據(jù)準(zhǔn)備是必不可少的一個環(huán)節(jié)。從電路板上所采集的原始數(shù)據(jù)大多都是粗糙的，沒有體現(xiàn)出良好的故障特征，因此在構(gòu)建一個神經(jīng)網(wǎng)絡(luò)前需要對數(shù)據(jù)進(jìn)行預(yù)處理，以便提取的向量能很好表征故障的特征。

4. 小波分析

小波分析主要用于分析和處理非平穩(wěn)信號。小波分析方法與神經(jīng)網(wǎng)絡(luò)方法相似，對系統(tǒng)的要求不高。它不僅克服了傳統(tǒng)硬件冗余和分析冗余的缺點，而且結(jié)合了這兩種方法的優(yōu)點。小波分析是將信號疊加成一系列小波函數(shù)。它基于局部化函數(shù)所形成的小波基，具有許多特殊的性質(zhì)和優(yōu)點。小波分析具有良好的時域和頻域局部化特性。用小波分析方法分析信號時，分析中所用窗口的大小不變，但窗口的形狀可以改變，即可以改變時間窗口和頻率。小波分析是一種時域局部化分析方法，它在低頻和低時間分辨率下具有較高的頻率分辨率，在高頻部分具有較低的頻率分辨率和高的時間分辨率。

從診斷的角度來看，任何類型的診斷信息是模糊的和不確定的。任何一種診斷對象，只有一個方面的信息來反映其狀態(tài)是不完整的。每種方法都有其自身的特點，適用于不同的故障類型。對于更復(fù)雜的系統(tǒng)，各種診斷方法經(jīng)常被綜合起來用來建立一個診斷系統(tǒng)。從發(fā)展趨勢來看，開發(fā)一種更加智能化的方法，對各種診斷方法的綜合應(yīng)用更為重要。

參考文獻(xiàn)：

[1]楊建平.傳感器故障診斷的研究與應(yīng)用.華北電力大學(xué)學(xué)位論文，2004.

[2]A. T. Vemuri， M. M. Polycarpou.Robust nonlinear fault diagnosis in inputoutputsystems. Int. J. Control， 1996，8（2）：343-360.

[3]李勝.基于STF的重載夾持裝置液壓驅(qū)動控制系統(tǒng)故障診斷研究.中南大學(xué)學(xué)位論文，2009.

[4]陳軼.基于BP神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷[J].電子世界，2014，（11）下.