基于定性方法的故障检测和诊断技术综述

一、引言
　　在现代控制系统中，由于系统复杂性的日益提高，规模的不断扩大，系统常常要面对不可预计的变化。这类系统一旦发生故障就可能造成人员和财产的巨大损失。设计可靠的容错控制系统，或者将复杂系统的性能维持在高水平上，是急待解决的问题。切实保障现代复杂系统的可靠性和安全性，具有十分重要的意义。这首先就需要能够正确地检测出系统产生的变化（故障），然后尽快地采取相应措施来重新配置系统。由于实际应用在这方面有强烈要求，所以研究和发展新的故障检测和诊断技术已经成为领域的一个热点研究方向。
　　动态系统的故障检测与诊断（FDD）既是一门相对独立发展的技术，也是容错控制的重要支柱。目前国际上每年发表的有关FDD方面的论文和报告在1000篇以上。许多学者加入到这一研究领域，提出了许多研究方法。经过多年的发展，这一领域已经产生了许多研究成果。
　　实际系统可能发生的故障是多种多样的，因此研究故障检测和诊断问题需要对故障做出适当的分类，按照不同的方面，可以得到不同的分类结果。从故障发生的部位看，可以分成仪表故障（常称为传感器故障）、执行器故障和元部件故障；根据故障性质，可以分为突变故障和缓变故障；从建模角度出发，又可以分为乘性故障和加性故障。至于故障诊断的方法，按照通行的分类方法可以分为3大类：基于解析模型的方法、基于信号处理的方法和基于知识的方法。
　　基于解析模型的方法是最早发展起来的，此方法需要建立被诊断对象的较为精确的数学模型。进一步，它又可以分为参数估计方法、状态估计方法和等价空间方法。这3种方法虽然是存在一定联系的，比如基于观测器的状态估计和等价空间方法是等价的。相比之下，参数估计方法比状态估计方法更适合非线性系统，因为非线性系统的状态观测器的设计有很大的困难。目前，只有针对某些特殊的非线性系统有研究，而通常的等价空间方法仅适用于线性系统。
　　当难以建立诊断对象的解析数学模型时，基于信号处理的方法是非常有用的。这种方法直接利用信号模型技术，如相关函数、高阶统计量、频谱和自回归滑动平均过程，以及现在热门的小波分析技术用这种方法可以避开提取对象数学模型的这一难点，这既是它的优点又是它的缺点。
　　基于知识的方法和基于信号处理的方法类似，也不需要系统的定量数学模型，但它克服了后者的缺点，引入了诊断对象的许多信息，特别是可以充分地利用专家诊断知识等，所以是一种很有前途的方法，尤其是在非线性系统领域。下面将介绍基于知识的故障诊断方法，并把重点放在基于定性模型的方法上。
　　二、基于定性方法的故障检测和诊断方法
　　定性故障检测和诊断方法的基础是定性模型和定性推理。基于定性方法的故障检测与诊断，利用不完备的先验知识，采用定性的方法，对系统结构和功能进行描述，建立起定性模型，对系统进行推理，预测系统的定性行为，通过与实际的系统行为比较，检测系统是否发生故障，并诊断系统的故障原因。
　　（一）基于定性仿真理论（QSIM）的诊断技术
　　它的理论基础是于1986年提出的基于定性微分方程的定性仿真理论。Kuipers在1987年提出了基于QSIM的诊断技术起，采用基于故障模型的诊断策略，利用QSIM方法对故障模型进行仿真，从而得到预测的系统行为。然后将观测到的故障行为与这些预测行为相比较。如果一致，则说明系统发生故障。这时，依据建立该模型时的先验知识，进一步诊断出故障的种类和原因。这充分发挥了QSIM基于深层知识建模和推理能力强大的特点。这一过程被称为假设—建模—仿真—匹配循环，如图1所示。




　　这种方法适用于对所有故障都已知的系统进行故障诊断。对未知的故障无法进行准确的故障诊断，这是该方法本身造成的缺陷。
　　（二）基于定性过程理论（QPT）的诊断技术
　　它是于1984年提出的定性推理方法。Forbus于1987年提出了基于定性过程理论（QPT）的故障诊断技术——ATMI，利用定性理论对系统的观测进行解释。该方法的输入是一组测量序列。定量值被描述为量空间的表示形式。定性状态包括数量有限的组分，构成一种解释，对于一组系统测量值，存在一组定性状态集与之对应。通过削减集合中的状态，得到对系统行为的解释。
　　该方法通过对测量值进行解释，从而检查故障假设是否能解释观测的系统行为。这种理论仅仅依赖很少的假设，这些假设往往很容易满足。这一优点使得此方法可以应用于较广阔的领域。但是，在待研究的系统事先已知的情况下，现有的定性推理机制往往显得很慢。解决的办法是事先建立状态解释表，通过查表，加快解释过程，但这个表可能非常大。
　　（三）基于带符号有向图（SDG）的诊断技术
　　它是一种由节点（nodes）和节点之间有方向的连线构成的网络图。它看似简单，却能够表达复杂的因果关系，并且具有包容大规模潜在信息的能力。
　　在化工过程中最早采用SDG方法进行故障诊断研究的学者是S.A.Lapp和G.J.Powers，虽然在论文中没有明确提出SDG一词，但的确建立了SDG模型，并首次用SDG推导出了故障树。
　　M.Iri等人（1979，1980）提出了符号图SG的定义以及运用深度优先技术在静态不完全的SG样本中探索故障源的基本算法。
　　J.Shiozaki等人（1985）在M.Iri的基础上将SG明确为SDG，并且提出了5级SDG的概念和一种新的算法，节点状态为“+”、“+？”、“0”、“-？”和“-”5种提高了诊断的准确性的计算效率。在实际中已经有了这方面的应用。
　　J.Shiocaki等人（1987）经过研究，又提出运用故障显现时间的概念改进SDG故障诊断方法，提高了诊断的分辨力。
　　C.C.Yu等（1991）、X.X.Wang（1996）和E.E.Tarifa（1997）将支路定量稳态增益和隶属函数结合起来，根据模糊逻辑计算出相容通路的相容度，为相容通路确定灰度级别。在这里，模糊集合论被引入SDG，用于解决区分多通路影响度的问题。
　　H.Vedam（1997）将SDG方法推广到多故障源的诊断（MFD），提出的算法在G2软件平台上进行实现，并且用一套FCCU的运态仿真系统进行诊断试验，提高了计算速度和诊断分辨力。
　　目前，国内这方面也有研究，北京化工大学的吴重光教授等人独立研究解决了推理机问题，并且通过自动HAZOP案例分析验证了所开发的　SDG-HAZOP软件平台的正确性，填补了这一领域国内研究的空白。
　　基于带符号有向图（SDG）的诊断技术认为故障诊断本质上是确定过程扰动的根本原因。采用带符号有向图描述系统，利用存储在SDG图上的信息搜寻扰动可能的故障源，从而有效识别系统扰动的原因。此方法的优势在于需要相对较少的信息来构造带符号有向图及用于诊断。SDG利用节点和连线来描述系统成员之间的因果关系，如图2所示。