故障诊断技术的回顾与展望

故障诊断技术的回顾与展望第1页，共70页，2023年，2月20日，星期五故障包括两层含义：一是系统偏离正常功能。其形成原因主要是因为系统的工作条件（含零部件）不正常而产生的。通过参数调节，或修复零部件，又可恢复正常功能二是功能失效。是指系统连续偏离正常功能，且其程度不断加剧，使设备基本功能不能保证1.IntroductionHunanUniversityofTechnology

第2页，共70页，2023年，2月20日，星期五诊断技术可以说几乎是与机器的发明同时产生的本世纪60年代，起源于工业发达的欧美国家和亚洲的日本70年代中期进入蓬勃发展的阶段进入80年代以后，已经形成了集众多现代科学技术于一体的，一门既注重理论研究，又注重实际应用的新兴交叉学科1.IntroductionHunanUniversityofTechnology

第3页，共70页，2023年，2月20日，星期五2.1BasicconceptsoffaultdiagnosisTechnique2.2FaultsClassification2.3Basictasksoffaultdiagnosis2.4Performanceindices2.5ClassificationoffaultdiagnosismethodsHunanUniversityofTechnology

2.SomeProblemsofFDTechnique故障诊断技术的回顾与展望第4页，共70页，2023年，2月20日，星期五故障(fault)：系统至少一个特性或参数出现较大偏差，超出了可接受的范围。此时系统的性能明显低于其正常水平，所以已难以完成其预期的功能失灵(malfunction)：在系统完成特定的任务时，出现了间断性的不规则现象失效(failure，又称严重故障)：是指系统连续偏离正常功能（由于故障），且其程度不断加剧，使系统持续丧失了完成给定任务的能力残差(residual)：故障指示器，由测量值与模型计算值的差得到征兆(symptom)：由故障引起的系统可观测的特性与其正常的特性相比所出现的异常变化2.1BasicConceptsofFaultDiagnosisTechniqueHunanUniversityofTechnology

2.SomeProblemsofFDTechnique第5页，共70页，2023年，2月20日，星期五监视(monitoring)：通过记录信息、识别与指示系统行为的异常现象，连续与实时地确定某一物理系统的运行状态。监控(supervision)：对物理系统进行监视，并且当他发生故障时采取适当的措施，以维持其运行。误报(falsealarm)：系统没有发生故障而报警。“误报率”是衡量故障诊断系统性能的基本指标之一漏报(missingalarm)：系统发生了故障而没有报警。“漏报率”是衡量故障诊断系统性能的又一个基本指标HunanUniversityofTechnology

2.1BasicConceptsofFaultDiagnosisTechnique第6页，共70页，2023年，2月20日，星期五

冗余（redundancy）：指系统里重复配置的一些部件（自动备援），即当某一部件（设备）发生损坏时,冗余配置的部件可以自动作为后备式部件替代故障部件（设备）的工作，由此减少系统的故障时间

数据冗余（dateredundancy）：在一个数据集合中重复的数据，简单说就是多余的数据。如果数据丢失、出错、故障等可以用冗余恢复数据

硬件冗余（hardwareredundancy）：用同样的硬件重构过程的元部件。特点是可靠性高、故障分离直接，但成本过高解析冗余(analyticalredundancy)：与硬件冗余相对应，指通过用解析方式表示的系统数学模型来产生冗余信号HunanUniversityofTechnology

2.1BasicConceptsofFaultDiagnosisTechnique第7页，共70页，2023年，2月20日，星期五2.1BasicConceptsofFaultDiagnosisTechniqueHunanUniversityofTechnology

Fig.2.1Schematicdescriptionofthehardwareredundancyscheme如果过程元部件的输出不同于其硬件冗余的输出，则过程元部件被检测出有故障发生冗余信号的产生往往是成功实现故障诊断的一个关键第8页，共70页，2023年，2月20日，星期五2.2FaultClassification

☆按照发生部位的不同可分为过程（元部件）故障(process/componentfaults)

传感器故障(sensorfaults)

执行器故障(actuatorfaults)

☆按照时间特性的不同可分为突变故障(abruptfaults)

缓变故障(incipientfaults)

间隙故障(intermittentfaults)

☆按照发生形式的不同可分为加性故障(additivefaults)

乘性故障(multiplicativefaults)HunanUniversityofTechnology

2.SomeProblemsofFDTechnique第9页，共70页，2023年，2月20日，星期五

☆按照发生部位的不同划分

过程故障（processfaults）：被控对象中的某些元部件甚至是子系统发生异常

传感器故障（sensorfaults）：控制回路中用于检测被测量的传感器发生卡死、恒增益变化或恒偏差而不能准确获取被测量信息，具体表现为对象变量的测量值与其实际值之间的差别

执行器故障（actuatorfaults）：控制回路中用于执行控制命令的执行器发生卡死、恒增益变化或恒偏差而不能正确执行控制命令，具体表现为执行器的输入命令和它的实际输出之间的差别HunanUniversityofTechnology

2.2FaultClassification第10页，共70页，2023年，2月20日，星期五

☆按照时间特性的不同划分突变故障(abruptfaults)：参数值突然出现很大偏差，事先不可监测和预测的故障缓变故障(incipientfaults)：又称为软故障，指参数随时间的推移和环境的变化而缓慢变化的故障间隙故障(intermittent

faults)：由于老化、容差不足或接触不良引起的时隐时现的故障HunanUniversityofTechnology

2.2FaultClassification第11页，共70页，2023年，2月20日，星期五

☆按照发生形式的不同划分加性故障(additivefault)：作用在系统上的未知输入，在系统正常运行时为零。它的出现会导致系统输出发生独立于已知输入的改变乘性故障(multiplicativefault)：系统的某些参数的变化。它们能引起系统输出的变化，这些变化同时也受已知输入的影响HunanUniversityofTechnology

2.2FaultClassification第12页，共70页，2023年，2月20日，星期五2.3BasicTasksofFaultDiagnosis

故障诊断是一门综合性技术，其研究涉及到多门学科，如控制理论（经典、现代、鲁棒、自适应）、可靠性理论、数理统计、模糊集理论、信息处理、模式识别人工智能等学科理论HunanUniversityofTechnology

2.SomeProblemsofFDTechnique第13页，共70页，2023年，2月20日，星期五2.3BasicTasksofFaultDiagnosis

故障建模（faultmodeling）故障检测（faultdetection）故障分离（faultisolation）故障识别（identification）故障诊断（diagnosis）HunanUniversityofTechnology

故障检测与分离（识别）－－FDI故障检测与诊断－－FDD故障的评价与决策－－FED,FaultEvaluationandDecision第14页，共70页，2023年，2月20日，星期五Fig.2.2Thebasictasksofthesupervisionsystem

2.3BasicTasksofFaultDiagnosis

HunanUniversityofTechnology

第15页，共70页，2023年，2月20日，星期五◆

检测性能指标（DetectionPerformanceIndex）

﹡早期检测的灵敏度

﹡故障检测的及时性

﹡故障的误报率和漏报率◆

诊断性能指标（DiagnosisPerformanceIndex）

﹡故障分离能力

﹡故障辨识的准确性◆综合性能指标（ComprehensivePerformanceIndex）

﹡鲁棒性

﹡自适应能力

﹡安全性﹡可靠性2.4PerformanceIndices

HunanUniversityofTechnology

2.SomeProblemsofFDTechnique第16页，共70页，2023年，2月20日，星期五2.SomeProblemsofFDTechniqueHunanUniversityofTechnology

2.5ClassificationofFaultDiagnosisMethods

诊断方法的研究在于：寻找征兆与故障之间的有效对应关系最简单的故障检测方法就是所谓界限判别法也即判别两类过程状态(正常和异常状态)

如使用一个传感器信号x，可按如下条件描述：

如果x＜Hth，那么状态正常，否则状态异常第17页，共70页，2023年，2月20日，星期五2.5ClassificationofFaultDiagnosisMethods

HunanUniversityofTechnology

国际故障诊断权威，德国的P.M.Frank教授认为故障诊断方法可以分为

※

基于模型的方法(model-based)

※

基于知识的方法(knowledge-based)

※

基于信号处理的方法(Signal-processing-based)第18页，共70页，2023年，2月20日，星期五基于知识的方法基于解析模型的方法基于数据驱动的方法故障诊断方法基于症状的方法基于定性模型的方法专家系统方法模式识别方法神经网络方法模糊推理模式模式识别方法神经网络方法模糊推理模式最小二乘法滤波器方法参数估计方法基于观测器方法等价空间方法信号处理方法机器学习信息融合/粗糙集谱分析小波变换主元分析法Fisher判别分析法偏最小二乘方法神经网络有向图故障树支持向量机多元统计分析相关分析/子空间法第19页，共70页，2023年，2月20日，星期五3.1TheGeneralProcedureofModel-basedFD3.2ModelingofFaults3.3Observer-basedApproach3.4ParitySpaceApproach3.5ParameterEstimationApproachHunanUniversityofTechnology

3BasicPrinciplesModel-basedFaultDiagnosis故障诊断技术的回顾与展望第20页，共70页，2023年，2月20日，星期五基本思想校验由相同的过程输入信号驱动的过程解析模型的输出与实际系统的测量输出之间的一致或不一致性3.1TheGeneralProcedureofModel-basedFDHunanUniversityofTechnology

3BasicPrinciplesModel-basedFaultDiagnosis第21页，共70页，2023年，2月20日，星期五

HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFDFig.3.1Schematicdescriptionofthemodel-basedfaultdiagnosisscheme第22页，共70页，2023年，2月20日，星期五通常所采用的过程解析模型有两种不同的策略

◆模拟名义的或无故障的特性模型

(Nominalmodel/Fault-freemodel)

◆对于某个特定的预知故障建立其故障特性模型

(Faultymodel)HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFD第23页，共70页，2023年，2月20日，星期五

FD任务分两步完成残差（征兆）生成(Residual/SymptomGeneration)残差（征兆）评价(Residual/SymptomEvaluation)HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFD

基于解析模型的残差生成方法主要有三种基于观测器方法(Observer-based)

等价空间方法(ParitySpace)

（或奇偶方程、奇偶关系、奇偶空间）方法参数估计方法(ParameterEstimation)第24页，共70页，2023年，2月20日，星期五

FDIA系统设计的关键抑制信号中不感兴趣部分而加强其中反映故障的部分，以区分故障与模型不确定性和未知输入的影响基于模型FDIA系统设计的目标使FDIA系统对故障具有尽可能大的灵敏度，而同时对不感兴趣信号的影响具有尽可能大的鲁棒性HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFD第25页，共70页，2023年，2月20日，星期五

FD系统的设计应包括如下任务◆设计一个残差生成器，对故障具有高的灵敏度而对模型不确定具有强的鲁棒性◆通过选择残差评价函数定义征兆，以保证所检测的关于故障的信息不被丢失◆进一步分析残差或开发征兆，获得更多的关于故障的知识，以便指导决策或实施容错控制HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFD第26页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFault3BasicPrinciplesModel-basedFaultDiagnosis在基于模型故障诊断中使用开环系统模型，虽然我们认为这个系统是在控制回路中Fig.3.2故障诊断与控制回路

第27页，共70页，2023年，2月20日，星期五3.2ModelingofFaultHunanUniversityofTechnology

Fig.3.3Strctureofastandardcontrolloopwithfault第28页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFaultHunanUniversityofTechnology

3.2ModelingofFault这一开环系统分为执行器、系统动态和传感器三个部分。按照发生形式的不同主要研究过程元部件故障(processfaults)、传感器故障(sensorfaults)以及执行器故障(actuatorfaults)Fig.3.4开环系统模型系统动态可用状态空间模型描述

第29页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFault当(过程）元部件发生故障时Fig.3.5元部件有故障时系统动态图

（过程）元部件故障可以视为系统中一些条件的改变而使动态关系变为无效的情形，如在三容器中一个水容器出现漏洞。在一些情形下，故障可以表达为系统中参数的变化第30页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFault当传感器发生故障时一般说来，系统的实际输出yR(t)是不能直接得到的，通常用传感器获得系统测量输出。通过正确选择向量fs，可以描述所有的传感器故障情形。如当传感器被“固定在零值上”时，测量向量y(t)=0，故障向量Fig.3.6传感器有故障时系统动态图

第31页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFault当执行器发生故障时事实上，系统的实际执行通常也是不能直接获得的。对于一个受控系统来说，uR是已知执行器控制命令u(t)的执行器响应。与传感器故障情况类似，不同的执行器故障情况可以由一个合适的故障函数fa(t)来表示Fig.3.7执行器有故障时系统动态图

第32页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFault考虑系统所有可能的传感器故障、元部件故障和执行器故障，系统模型可描述为：通常写成如下状态空间描述的一般形式：输入－输出描述形式为：第33页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFault如果把建模不确定性考虑进去，那么用于残差生成器完整的状态空间模型就变成：其输入-输出一致性模型变为：第34页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.3Observer-basedApproach3BasicPrinciplesModel-basedFaultDiagnosisFig.3.8基于观测器方法的残差生成器原理

第35页，共70页，2023年，2月20日，星期五3.3Observer-basedApproachHunanUniversityofTechnology

HunanUniversityofTechnology

(1)

(2)

第36页，共70页，2023年，2月20日，星期五3.3Observer-basedApproachHunanUniversityofTechnology

.

(3)

.

(4)

(5)

(6)

第37页，共70页，2023年，2月20日，星期五3.3Observer-basedApproachHunanUniversityofTechnology

第38页，共70页，2023年，2月20日，星期五3.3Observer-basedApproachHunanUniversityofTechnology

残差生成器设计的主要目标即为设法达到使FD系统对故障更加灵敏，而同时对不感兴趣信号的影响更加鲁棒之间的最佳平衡第39页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3BasicPrinciplesModel-basedFaultDiagnosis3.4ParitySpaceApproach等价空间方法的基本思想是提供一个合适的被监控系统的测量一致性(奇偶性)校验第40页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3BasicPrinciplesModel-basedFaultDiagnosis对于硬件(直接)冗余，应多于传感器最小数，也就是说，y(k)的维数应大于x(k)的维数首先考虑使用m个传感器，n维向量的测量问题，其测量方程为：系统动态传感器C残差生成器V残差r

Fig.3.9基于硬件（直接）冗余的残差生成结构第41页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.4ParitySpaceApproach为了检测分离故障的目的，向量y(k)可以组合成一组线性无关的等价等式来生成等价向量(残差)：矩阵V必须满足：由V的列所张成的空间称为“等价空间”，也就是说，V的列构成了这个空间的基。如果第i个传感器中发生了故障，意味着在方向上的残差范数的增大。第42页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.4ParitySpaceApproach故障检测决策函数（faultdetectiondecisionfunction）故障分离决策函数（faultisolationdecisionfunction）对于一个特定的r(k)，可以通过计算DFIi(k)的m个值来识别不正常工作的传感器。如果DFIi(k)是这些值中的最大数，那么与之相对应的传感器就是最有可能发生故障的传感器第43页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.4ParitySpaceApproach从等价空间的观点来看，V的列定义了m个不同的故障表征方向（Ii,i=1,2,…m），在指示有一个故障发生后，通过将等价向量方向与每一个故障表征方向相比较，可以进行故障分离。实际上，故障分离函数DFIi(k)是对一个残差向量与故障表征方向之间相互关系的测量。为可靠分离故障，故障表征方向间的夹角应“尽可能地大”，也即，应“尽可能小”第44页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.4ParitySpaceApproach直接冗余/硬件冗余关系不存在为实现最优的故障分离，vi应满足第45页，共70页，2023年，2月20日，星期五Fig.3.10基于等价空间方法的残差生成器原理

通过在一定时间间隔，即数据窗：内采集传感器的输出来构建冗余关系，即时间冗余(temporalredundancy)或连续冗余(serialredundancy)

HunanUniversityofTechnology

3.4ParitySpaceApproach第46页，共70页，2023年，2月20日，星期五考虑系统由线性离散状态空间方程给出：HunanUniversityofTechnology

3.4ParitySpaceApproach第47页，共70页，2023年，2月20日，星期五引入如下符号表示第48页，共70页，2023年，2月20日，星期五3.4ParitySpaceApproachHunanUniversityofTechnology

第49页，共70页，2023年，2月20日，星期五或或3.4ParitySpaceApproachHunanUniversityofTechnology

第50页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

3.5ParameterEstimationApproach3BasicPrinciplesModel-basedFaultDiagnosisFig.3.11基于参数估计方法的残差生成器原理

第51页，共70页，2023年，2月20日，星期五基于参数估计的检测方法基本思想是用熟知的参数估计方法重复不断地对实际过程的参数进行在线估计，将估计结果与无故障参考模型所获得的参数进行比较－－任何实际差异即指示为故障。基于假设：故障是反映在物理系统参数中的，如磨擦，质量，胶粘性、抵抗性、感应系数、容量等。HunanUniversityofTechnology

3.5ParameterEstimationApproach第52页，共70页，2023年，2月20日，星期五

采用参数估计法实现FDI的基本步骤建立过程的物理关系模型；计算正常模型（无故障参考模型）的物理参数；确定模型系数与过程物理参数之间的关系；由可测量的输入输出信号，在线估计过程的模型系数；基于模型系数的标称值，建立系统的故障模型，即给出故障与模型系数之间的联系；并基于模型系数的变化及故障模型进行故障的决策，判断是否发生了故障；进行故障诊断，确定故障的类型、位置和大小。HunanUniversityofTechnology

3.5ParameterEstimationApproach第53页，共70页，2023年，2月20日，星期五基于知识的方法基于症状的方法基于定性模型的方法专家系统方法模式识别方法神经网络方法模糊推理模式模式识别方法神经网络方法模糊推理模式有向图故障树4.knowledge-basedFaultDiagnosisHunanUniversityofTechnology

故障诊断技术的回顾与展望第54页，共70页，2023年，2月20日，星期五HunanUniversityofTechnology

5.Data-basedControl/DecisionMaking/FaultDiagnosis5.1Data-drivenControlTheory5.2Data-basedDecisionMaking5.3Data-drivenFaultDiagnosis故障诊断技术的回顾与展望第55页，共70页，2023年，2月20日，星期五一、数据驱动控制的定义HunanUniversityofTechnology

数据驱动控制(Data-drivenControl)最早来源于计算机科学领域,控制领域出现这个概念是近几年的事情相关的少量研究,虽已存在但使用的名词却不尽相同

Data-basedcontrolModellesscontrolModel-freecontrolIFT(Iterativefeedbacktuning)VRFT(Virtualreferencefeedbacktuning)ILC(Iterativelearningcontrol)5.1Data-drivencontrolTheory5.Data-basedControl/DecisionMaking/FaultDiagnosis第56页，共70页，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

控制系统设计包括：受控对象和控制器设计两部分受控对象有四种可能情况：有准确的机理模型有机理模型，但机理模型不准确、不确定性较大有机理模型，但机理模型太复杂、阶数太高、非线性太强很难建立机理模型或无模型控制器的设计分为：基于机理模型设计基于数据模型或无模型设计第57页，共70页，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

控制系统设计有四种有意义的可能设计方案：模型是机理的，控制器也是机理的对建立了机理模型，但机理模型不准确、不确定性较大的系统，控制器设计既可以是基于机理模型，也可以考虑基于数据或无模型的方法进行设计模型是机理的，但机理模型太复杂、阶数太高、非线性太强，很难分析和设计，实际应用中需要进行基于局部数据模型或无模型的控制器设计对象无模型或很难建立机理模型，需要应用数据模型或无模型控制方法第58页，共70页，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

数据驱动包括：数据驱动思想和数据驱动控制数据驱动思想：指利用受控系统的在线和离线数据，实现系统的基于数据的控制、预报、评价、调度、监控、诊断、决策和优化等的各种期望功能数据驱动控制：指控制器设计不包含受控过程数学模型信息，仅利用受控系统的在线和离线数据以及经过数据处理而得到的知识来设计控制器，并在一定的假设下，有收敛性、稳定性保障和鲁棒性结论的控制理论与方法第59页，共70页，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

值得注意的问题机理模型和数据模型的本质区别在于：系统时变性和不确定性在机理模型中是显式表达的，而在数据模型中是非显式和蕴含的理论上讲，对受控对象的知识掌握越多，控制手段就应月丰富，控制效果就应该越好，因此，与建立机理模型一样，建立好的基于数据的控制模型与设计好的控制器，都需要对受控系统的动力学特性和信息有比较深入的了解和利用基于模型的控制理论和方法，对离线数据是一次性使用，当模型建立后就弃之不用，但理想的数据驱动控制理论和方法则应在控制过程的始终都进行离线数据的不同层面、不同尺度上的利用数据驱动控制理论和方法不排斥已有的基于模型的控制理论和方法，两者不能互相取代第60页，共70页，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

二、数据驱动控制理论与方法的存在背景从理论方面来看1）基于模型的控制理论和方法总是不可避免“未建模动态”和“鲁棒性”这对矛盾问题2）数学模型的复杂性决定了控制器的复杂结构，高阶的复杂的非线性系统模型势必导致高阶复杂的非线性控制器，控制器的简化和降阶问题、鲁棒性问题称为不可逾越的设计问题3）理论和实际之间距离越来越大，制约了控制理论的健康发展从应用角度来看

基于模型控制理论和方法在解决实际问题时已显得苍白无力、力不从心。信息量大、知识匮乏已经成为很多过成功也、复杂系统管理和控制的共同瓶颈问题第61页，共70页，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

三、数据驱动控制方法

分为三类：

基于在线数据的数据驱动控制方法基于SPSA的无模型控制方法

（Simultaneouslyperturbationstochasticapproximation）

无模型自适应控制（Modelfreeadaptivecontrol，MFAC）去伪控制（Unfalsifiedcontrol，UC）

基于离线数据的数据驱动控制方法

PID控制方法迭代反馈整定方法（Iterativefeedbacktuning，IFT）虚拟参考反馈整定方法（Virtualreferencefeedbacktuning，VRFT）

基于在线和离线数据结合的数据驱动控制方法迭代学习控制方法（Iterativelearningcontrol，ILC）懒惰学习控制方法（Lazylearning，LL）第62页，共70页，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

四、数据驱动控制理论和方法可能发展趋势和展望

数据驱动控制理论和方法的框架体系的建立面向控制任务的数据处理及其在驱动控制控制系统设计中的应用是一个具有标志性意义的研究方向

数据驱动控制的鲁棒性定义和分析方法是数据驱动控制理论和方法的建立及发展必须要解决的重要问题之一基于闭环系统实测数据的系统运行效果评价、预报和稳定检验方法也是有前途的研究方向