復雜自動化控制系統故障診斷方法研究與改進

明先承，周紅陽，梅曉軍

(湖北三江航天紅陽機電有限公司，湖北 孝感 432000)

復雜自動化控制系統故障診斷方法研究與改進

明先承，周紅陽，梅曉軍

(湖北三江航天紅陽機電有限公司，湖北 孝感 432000)

近年來，自動化在工業生產、航空航天等不同領域得到了廣泛運用，自動化控制系統隨之孕育而生；自動化發展不斷推進，長期生產使用中，傳統自動化控制系統故障診斷方法出現多數據環境下故障診斷率低、多因素分析算法跟進力不足等問題；針對問題出現原因根源，提出復雜自動化控制系統故障診斷方法改進設計；采用數據罩篩引擎(GEP)，對復雜自動化控制系統數據進行收集、整理、分析、模型創建；通過運行單元動態判斷模塊(DNGF)與多因素基準庫(VSFVR)配合，完成對傳統復雜自動化控制系統復雜環境下故障診斷方法的改進；通過仿真實驗證明，復雜自動化控制系統故障診斷方法的改進，各項測試參數優于傳統方法。

自動化；控制系統；模型創建；故障診斷

0 引言

近年來，科技產能工業化程度不斷推進，促使自動化控制技術在各個領域廣泛應用。從民營企業的工業生產，到國家高新技術開發，都離不開自動化控制技術。作為將人為意識轉化為指令信號下達的自動化技術執行窗口系統[1]，在長期的使用生產過程中發現，復雜自動化控制系統多部分協同工作存在故障診斷不明確[2]。缺乏針對故障數據收集、整理、分析的整體化模塊。同時，在大規模生產過程中，造成復雜自動化控制系統故障的因素眾多，傳統方法未能及時針對故障發生因素的產生進行合理判斷、動態分析[3]。傳統自動化控制系統故障診斷方法中沒有一套完整的故障對比庫，造成無法在故障發生的第一時間做出科學合理的對比判斷，未能最大化利用故障因素數據資源[4]。

針對上述傳統復雜自動化控制系統故障診斷方法存在的一系列問題與不足，提出復雜自動化控制系統故障診斷方法改進的設計。將傳統復雜自動化控制系統故障診斷方法存在的問題分為三部分進行完善設計，分別采用數據罩篩引擎(GEP)設計，對復雜自動化控制系統日常運行數據與故障產生環境下數據進行收集、整理、分析完成對故障數據前期的模型創建。通過運行單元動態判斷模塊(DNGF)設計，實時動態對比生產過程中的設備運行數據，完成數據模型對比帶入。多因素基準庫(VSFVR)的設計，有效解決傳統復雜自動化控制系統無法充分利用故障數據的弊端。多因素基準庫(VSFVR)可完成故障數據收集、故障數據應對、故障數據匹配三大功能，為運行單元動態判斷模塊(DNGF)準確判斷提供強有力支持。

通過上述三大模塊的設計采用，有效完成對傳統自動化控制系統故障診斷方法的改進。形成了一套完整的復雜自動化控制系統故障診斷系統。通過仿真實驗測試證明，提出的復雜自動化控制系統故障診斷方法改進設計，具有診斷準確率高、故障判斷準確、可提供對應解決方案等優點。

1 復雜自動化控制系統故障診斷方法研究與改進

1.1 傳統復雜自動化控制系統故障診斷方法研究

傳統的復雜自動化控制系統故障診斷方法主要分為以下幾種：

(1)參數估計法;

(2)狀態估計法;

(3)基于信號處理的方法;

(4)基于小波變換的故障診斷方法;

(5)基于信息校核的故障診斷方法;

上述幾種常用的傳統自動化控制系統故障診斷方法都不同程度的存在一些問題。參數估計法與狀態估計法在傳統自動化控制系統故障診斷方法中存在故障識別判斷準確率低的問題。因傳統故障診斷方法中沒有對比標準數據設立，一切數據結果皆是按照移動條件數據設定估計得出，缺乏故障數據分析準確性[5]。

基于信號處理的方法是傳統故障診斷方法中故障判斷較為準確的方法之一，但存在信號噪點干擾因素，限制了信號準確率。

基于小波變換與信息校核的故障診斷方法，完善了上述方法的準確率不足的問題與限制因素干擾問題的出現。但經常時間運行發現，基于小波變換與信息校核的故障診斷方法存在統一數據轉換變流標簽異常，時間與內核構造變換算法邏輯關系出現數據扭轉膨化，導致自動化控制系統故障分析數據準確率失衡、數據收集鏈條斷裂等嚴重問題。

故此，文章結合傳統自動化控制系統故障診斷方法的優點，針對性進行方法改進設計，提出復雜自動化控制系統故障診斷方法改進設計。

1.2 復雜自動化控制系統故障診斷方法改進設計

1.2.1 數據罩篩引擎(GEP)

針對上述傳統自動化控制系統故障診斷方法存在的問題，提出的改進方法中采用數據罩篩引擎(GEP)設計，用來解決故障數據收集整理上的一系列問題。數據罩篩引擎(GEP)設計針對自動化控制系統運行過程中指令數據收發回饋的檢測、采集，利用偏心數據組合算法對復雜自動化控制系統運行數據進行分析，過濾，創建動態偏心數據模型。偏心數據組合算法吸收傳統參數估計法與狀態估計法兩種常用估計法具有的數據狀態數據處理有點，充分吸收處理系統運行過程中全部數據[6]。同時，創建罩篩數據模型，為后期的實際運行故障產生因素分析提供數據支持。數據罩篩引擎(GEP)設計采用的偏心數據組合算法關系式如下所示。

(1)

當故障數據結構i處于失衡邊界值時，關系式動態調整為：

(2)

(3)

為了更好展現算法的涵蓋性與處理性，數據罩篩引擎(GEP)采用簡易語言進行執行引擎搭建，搭建執行代碼如下所示。

include

int main( void )

{

printf( "分析! " );

return 0;

}

}

int KPLL(float a ,float b)

{數據搭建=1

return a/b;

上述為數據罩篩引擎(GEP)底層元和代碼，為數據罩篩引擎(GEP)的最高創建代碼。設計中為了完善引擎的數據模型創建數據點把握準度，將把握核心故障基準代碼寫入了數據罩篩引擎(GEP)二層底核心框架，代碼如下：

include

using namespace std;

void read(int x,int *sp) //讀入數組

{

for (x--;x>=0;x--)

cin>>sp[x];

}

void swap(int &a, int &b)

{

int t;

t = a;

a = b;

b = t;

數據罩篩引擎(GEP)工作流程原理如圖1所示。

圖1 數據罩篩引擎(GEP)工作流程原理

1.2.2 運行單元動態判斷模塊(DNGF)設計

運行單元動態判斷模塊(DNGF)是改進方法設計中起著承上啟下作用的關鍵型改進設計。運行單元動態判斷模塊(DNGF)執行故障數據波動分析、判斷職能。運行單元動態判斷模塊(DNGF)采用動態數據交互形式，可自行調整交互通道數量，復雜自動化控制系統各項運行數據經過運行單元動態判斷模塊(DNGF)分析、判斷，動態校準數據模型。運行單元動態判斷模塊(DNGF)將數據模型動態分成ζ區域；每一區域分成ν∧個特征校準數據點；ζ∈nν∧，n為區域數量。當ζ內某一域出現數據異常，ν∧內特征校準數據點會生成回饋信號，運行單元動態判斷模塊(DNGF)會捕捉到回饋信號，迅速做出分析，判斷自動化控制系統故障產生成因數據所在點，并給出相對解決方案。

運行單元動態判斷模塊(DNGF)設計吸收傳統故障診斷方法中信號處理方法與小波變換診斷方法的算法優點，針對二者信號處理上的不足，進行算法邏輯優化，形成新的信號點處理判斷算法—TZBD算法。算法關系式如下所示。

(4)

A,B,C,a，b，c本別為不同數據反饋信號量。

運行單元動態判斷模塊(DNGF)執行代碼為三段式設計，首段為數據罩篩引擎(GEP)對接代碼，負責數據模型資源調取對比。代碼如下所示。

uploaded_file=_FILES['myfile']['tmp_name'];

move_to_file=_SERVER['DNGF']."/FileUpload/file/up/"._FILES['myfile']['name'];

//echo uploaded_file."--".move_to_file;

if (move_uploaded_file(uploaded_file,iconv("utf-8","gb2312",move_to_file))){

echo _FILES['myfile']['name']."GEP";

}else {

}

{結果反饋=1

}

尾段為動態判斷調整代碼，負責算法最終校準比對，做出準確結果數據輸出，代碼如下所示。

for(i=0;i

scanf("%d",p+i);

sort(a,n);

printf("排序后的結果為");

for(i=0;i

printf("%5d",a[i]); fflush(stdin);

getchar();

return 0;

}

void sort(int a[],int n)

{

int i,j,k,min,index;

for(i=0;i

{

1.2.3 多因素基準庫(VSFVR)設計

復雜自動化控制系統故障診斷方法改進的設計中增加針對故障發生數據收集儲存的模塊—多因素基準庫(VSFVR)，通過對復雜自動化控制系統故障產生狀態數據的收集，分析，整理，歸納，儲存完成故障數據最大化利用。

多因素基準庫(VSFVR)采用交錯空間設計，有下至上分為三層空間，下層數據靜儲空間；中層大數據方案載入空間；上層故障特征提取空間。3個空間相互獨立，通過交錯層內交互通道進行數據交換、提取。與上下兩層不同，中層大數據方案載入空間設有一條獨立高速大數據交互通道，保證實時、快速獲取故障相應解決方案，提高故障診斷準確率。多因素基準庫(VSFVR)工作原理如圖2所示。

圖2 多因素基準庫(VSFVR)工作原理

多因素基準庫(VSFVR)采用執行算法代碼固化ISP方式，有效提高代碼完整性，保證故障數據儲存、交互過程中的邏輯穩定性。具體代碼如下所示。

include

include

include

include

include

define N 21

void gotoxy(int x,int y)//位置函數

{

COORD pos;

pos.X=2*x;

void init(int apple[2])//初始化函數(初始化層數、故障特征)

{

int i,j;//初始化交互數據

int wall[N+2][N+2n]={{0}};

for(i=1;i<=N;i++)

至此，復雜自動化控制系統故障診斷方法改進設計全部完成。

2 實驗與結論

針對復雜自動化控制系統故障診斷方法改進設計進行仿真實驗測試。測試環境配置為：CPU i5 6200 主頻3.4Hz，內存 4G，windows 10專業版操作系統。采用對比方式，分別采用傳統故障診斷方法與提出改進后的故障診斷方法，對故障診斷處理速度、故障診斷準確度、故障預見判斷準確率、故障數據收集率、故障相應解決方案數據資源提供率、多故障齊發診斷準確率、故障診斷運行資源開銷狀況、長時間連續運行穩定性等測試項目進行測試，并對結果數據進行分析，得出結論。解決了多數據環境下故障診斷率低、多因素分析算法跟進力不足等問題。具體測試參數如表1所示。

通過上述表1的測試數據可以證明，提出的復雜自動化控制系統故障診斷方法改進設計具有以下優點。

表1 仿真實驗測試對比參數

1)故障診斷速度快、準確率高。

2)具有故障預見判斷功能、預見判斷準確率高。

3)能夠有效利用故障數據資源，自創大數據解決方案設計。

4)整體性能穩定，運行資源開銷小。

上述優點充分證明提出的復雜自動化控制系統故障診斷方法改進設計能夠滿足現今復雜自動化控制系統故障診領域運用要求。

3 結束語

針對傳統復雜自動化控制系統故障診斷方法存在的問題進行了分析，并對問題存在根源提出了復雜自動化控制系統故障診斷方法改進設計。通過仿真實驗測試證明，提出的復雜自動化控制系統故障診斷方法改進設計各項測試數據都優于傳統復雜自動化控制系統故障診斷方法，滿足設計改進要求。為復雜自動化控制系統故障診斷領域未來發展提供新的思路。

[1] 龐志華.基于自動化控制的機械設備故障診斷系統設計[J].信息系統工程,2015,3(2):138-140.

[2] 胡明國.自動控制中一種故障檢測與報警的方法[J].山東工業技術,2016,9(10):206-208.

[3] 申鴻燁.基于監測點與自動化測試的接收系統故障診斷[J].控制工程,2016,23(3):223-253.

[4] 牟 放.淺析故障診斷技術在計量自動化系統中的應用[J].數字技術與應用,2014,2(9):216-210.

[5] 李 娟.大型自動化控制系統故障報警技術應用研究[J].建筑工程技術與設計,2015,6(8):22-29.

[6] 趙 鵬, 蔡忠春, 李曉明,等. 某型飛機發動機故障診斷專家系統設計[J]. 計算機測量與控制, 2014, 22(12):3850-3852.

Complex Automation Control System Fault Diagnosis Methods Research and Improvement

Ming Xianchen,Zhou Hongyang,Mei Xiaojun

(Hubei Sanjiang Aerospace Hongyang Electromechanical Co.,Ltd.,Xiaogan 432000,China)

In recent years,the automation in the industrial production,aerospace and other fields has been widely applied,automation control system emerges with the inoculation.Production automation development steadily,long-term use of traditional automatic control system fault diagnosis method in fault diagnosis rate is low,multiple data environment more follow up problems such as insufficient factor analysis algorithm.In view of the problem root reason,complex automation control system fault diagnosis method is put forward to improve design.Using data cover screen engine(GEP)for complex automation control system of data collection,sorting,analysis,model creation.By running the unit dynamic judgment module(DNGF)cooperate with multi-factor benchmark library(VSFVR),complete the traditional complex automation control system fault diagnosis method under complicated environment improvement.Through the simulation experiments show that complex automation control system fault diagnosis methods of improvement,the test parameters is better than the traditional method.

automation;control system;model creation;fault diagnosis

2016-10-31；

2016-11-24。

明先承(1979-)，男，湖北孝感人，碩士研究生，高級工程師，主要從事自動控制方向的研究。

1671-4598(2017)03-0036-04

10.16526/j.cnki.11-4762/tp.2017.03.011

TP273

A