淺談提高工控系統抗故障能力的措施

文/畢莉紅（黑龍江天地偉業科技開發有限公司） 徐暢（黑龍江同方信息系統有限公司）

1 引言

隨著生產和科學技術的發展，自動控制系統變得越來越復雜。人們不但希望能對其進行良好控制，而且希望能進行實時監測，及時處理故障。這就提出了自動控制系統的故障檢測與診斷問題，促進了故障檢測診斷的理論研究和應用開發。

所謂“故障”是指系統所處的一種非正常工作狀態，此時系統的性能明顯低于正常水平，難以或根本無法完成預期的功能。在此情況下，可以針對該系統的特點、故障的類型和特性，設計一個附加機構，通過對系統輸入、輸出量的測量、分析和處理，提供故障的有關信息，從而使操作者對系統的運行情況有正確的了解，以保證系統安全、可靠地運行。這樣的機構就稱為故障檢測與診斷機構。

2 系統故障檢測與診斷的基本內容

（1）故障檢測；盡可能早地檢測出超過預定范圍的影響輸出的過程參數、過程狀態或特征量。

（2）故障分離；根據檢測到的故障信息，尋找故障源，確定故障部位及類型。

（3）故障評價；根據故障源的部位，分析估計故障對系統性能指標、功能的影響，給出故障等級。

（4）故障決策；根據故障評價的等級，對系統作出早期報警、緊急報警、修改操作或控制，甚至停機進行維修等相應決定。

3 硬件冗余方法

測量儀表(或稱為傳感器)是自動控制系統的重要組成部分，其故障檢側與診斷問題一直是人們研究的重點。在各種檢測與診斷測量儀表故障的方法中，“冗余”，原理的方法占主要地位。

對于高可靠性要求的系統，可采用3只(或更多)同類型儀表并行測量同一變量來提高測量的可靠性。這一原理同樣適用于測量儀表的故障檢測與診斷。由于需要多只儀表，所以稱為“硬件冗余”。在一組三倍冗余的儀表中，如果某一只儀表的輸出信號與其他兩只明顯不同，則顯然是該儀表發生了故障。由于隨機擾動的影響，儀表誤報警率是較高的。為克服這一缺點，提出了“有記憶表決”的方法。其基本思想是建立以下式為目標函數的狀態估計器。

4 統計模式識別方法

該方法首先對測量信號(模式)進行預處理，同時選擇已知類別的樣本模式的特征，根據所選擇的特征，對預處理后的測量信號進行特征抽取，得到更簡捷、維數較低、又能攜帶大部分測量信息的特征向量，最后采用分類器，通過對特征向量的分析，識別出模式的類別。統計模式識別技術不需要數學模型就可對故障進行早期檢測。于是，在統計數據少、預測變量多的場合中，該技術難以勝任。

5 參數/狀態估計方法

這種方法需要三個先驗的知識源:正常過程的模型，被觀察過程的模型和異常過程的模型。為檢測故障，可采用三種方式，即:狀態估計、參數估計和特征值計算，分別求出被觀察過程的不可測的狀態、參數和特征值的估計值，并通過它們與正常過程模型的相應量的偏差，同由異常過程的模型生成的故障特征(即由故障所導致的狀態、參稱和特征值的變化方向和大小)進行匹配，如果匹配成功，說明發生了故障;進行故障診斷，確定故障的位置、類型、大小和原因。這種方法已用于電機--離心泵--水管系統的故障診斷，在蒸餾塔、熱交換器和反應器等裝置中也得到應用。這種方法的最大弊端是它的應用效果過份依賴數學模型的精度。

6 故障樹方法

該方法首先進行故障分析，將系統的故障作為上端事件(樹的根節點)，用邏輯符號(與、或、非)將上端事件和成為該事件的直接原因的諸下部事件(中間事用連接起來，再對這些中間事件進行分析，直至基本事件(最基本的原因)，然后進行故障樹綜合，求出作為上端事件充要條件產生的基本原因集合、計算上端事件的發生概率，對原因事件的重要性進行評價，提出改進措施。由于故障樹技術可以明確表示事件與系統故障之間的邏輯關系，定量求出復雜系統的故障概率和其它可靠性參數，因而已在化工過程的反應器、加熱爐等裝置上得到應用。

7 專家系統方法和神經網絡方法

故障診斷專家系統的建立和運行過程為:進行可靠性分析，充分掌握系統的各種可能的故障模式、影響和危害程度等，在此基礎上建立知識庫.根據貝葉斯決策理論、矢量分析理論和假設檢驗方法等建立推理規則，制定相應的故障決策措施。在自動控制系統發生故障時，專家系統通過推理機構利用知識庫知識和數據庫數據進行推理，快速直接找到故障源，并采取相應的決策，使系統盡快恢復正常。專家系統用于故障診斷的優越性在于:知識庫和推理規則便于修改、增刪，便于擴展功能;可以綜合多個專家的最佳經驗，解決具有專家級水平的復雜問題。目前故障診斷專家系統已用于汽車、電力系統等的故障診斷，取得可喜效果。

人工神經元網絡是模擬人腦的思維方式、組織形式而建立起來的數學模型。目前已有50多種神經網絡模型，較典型的有反向傳播網(BP網)、Hopfield網、Fukushima網等。其中BP網結構簡單、可塑性強、抗干擾能力較強，在故障模式識別中具有獨特的優越性。

神經網絡進行控制系統的故障診斷，其學習過程和診斷過程是分開的。首先，學習過程是通過BP算法將故障樣本學習實現內部知識獲取，其目的是求出權系數集合和闌值，以保證網絡對應于每個輸入矢量所產生的輸出矢量，充分接近期望輸出，它定義實際輸出與期望輸出間的誤差平方和為目標函數，并用梯度法求出最優解。當一個神經網絡離線學習好后，就可以進行在線故障診斷了。當控制系統出現故障時，把故障信息或現象輸人給神經網絡，而網絡通過調整權系數和自組織，輸出解決故障的辦法，然后去維修控制系統。神經網絡的基本特點是:（1）大規模并行處理，速度快;（2）自適應學習過程;（3）分布式存貯，具有聯想記憶功能。目前專家系統和神經網絡故障診斷方法在電力系統故障診斷領域引起極大的關注。由于現代電力系統規模龐大，結構復雜，一旦發生故障，會產生大量的信息，要求運行人員迅速準確地分析和判斷故障的位置和性質，是一件十分困難的事情。即使是經驗豐富的運行人員，也會受現場環境和各種人為因素的影響，出現誤判斷。采用專家系統可以減輕運行人員的負擔，提高分析問題的準確性和快速性。故障診斷專家系統根據繼電保護和斷路器的動作信息以及由專家經驗歸納出的知識進行推理，幫助運行人員以專家水平迅速分析和判斷故障情況。

8 結語

本文對工業自動控制系統的故障檢測與診斷方法，從基本原理、特點以及應用情況作了討論。尤其需要指出的是，人工智能中專家系統診斷方法和神經網絡方法必將成為系統故障診斷技術的主導方法，具有很大的潛力和廣闊的前景。但是，系統的故障檢測與診斷是一個非常復雜的問題，只有充分考慮各種實際因素，設計合理的檢測與診斷機構，才能有效地解決故障檢測與診斷問題。保證整個系統的正常工作。