基于圓盤區域極點分類的故障診斷與可靠控制

李默臣　姚波　王福忠

摘 要：針對一類不確定線性定常系統，基于圓形區域，研究了執行器單一部件故障診斷與可靠控制的問題。首先，形成針對系統故障的極點分類數據庫。同時為解決閉環系統極點信息難以觀測的問題，給出了全維狀態觀測器設計方法，實現了對極點信息的實時觀測。其次，根據不同通道發生故障時，極點所處區域不同的特點，應用支持向量機（SVM）對系統進行故障診斷，并依據故障診斷結果實現對系統的精準可靠控制。最后結合數例仿真對提出的設計方案進行可行性評估。

關鍵詞：支持向量機;故障診斷;可靠控制;執行器故障;極點分類

中圖分類號：TP277???? ?文獻標識碼：A

Fault Diagnosis and Reliable Control Based

on Pole Classification in Disk Region

LI Mo-chen1， YAO Bo1，WANG Fu-zhong 2

（1.College of Mathematics and System Science，Shenyang Normal University，Shenyang， Liaoning 110034，China;

2. Department of Basic Education，Shenyang Institute of Engineering，Shenyang， Liaoning 110036，China）

Abstract：To a class of uncertain linear time-invariant system， in terms of the circular region， the problem of fault diagnosis and reliable control of actuator single component is studied. Firstly， a pole classification database for system faults is formed. At the same time， in order to solve the problem that the pole information of closed-loop system is difficult to observe， the design method of full dimensional state observer is given ， realized the real-time observation of pole information. Secondly， according to the characteristics of different regions where the poles are located when faults occur in different channels， support vector machine （SVM） is applied to fault diagnosis of the system， and the accurate and reliable control of the system is realized according to the fault diagnosis results. Finally， numerical example illustrate the design method is feasible and effective.

Key words：support vector machine; fault diagnosis; reliable control; actuator fault; pole classification

在現代生活、生產中，控制原件故障隨處可見。尤其在航天、制導領域，往往受到各種不確定因素的影響，系統一旦出現故障將給人員和財產帶來巨大的損失。因此通過故障診斷提前預警部件出錯的位置并切換相應的可靠控制器，對于提升系統的穩定性及安全性具有重大實用價值和理論意義。早期可靠控制[1-4]都是把系統可能發生的故障考慮在設計過程中，形成的可靠控制器和正常控制器相比，雖然一定程度上提高了系統的可靠性，但同時也降低了系統的性能，比如響應時間變慢、性能指標降低、能耗加大等。支持向量機（Support Vector Machine，SVM）作為一種新型統計學習識別方法，很好解決了這類問題，其算法的本質是基于凸二次優化的方法找到全局的最優解[5-6]。早期對于SVM研究主要用于系統辨識及缺陷識別[7-8]，相比傳統檢測手段，工序繁雜、準確率差等問題，該方法從數據深度挖掘的角度，結合支持向量機分類算法，得到良好辨識效果。文獻[9]首次提出通過壓縮特征維數“去偽存真”的方法，降低偽特征的干擾，從而提高SVM分類效果。文獻[10]通過結合決策樹的基本思想，為支持向量機在多分類問題中的應用提供了全新的方案。文獻[11]中針對極點信息難以觀測的問題，給出極點觀測器的設計方案，并結合SVM對極點進行分類處理，根據極點位置不同，對故障系統進行實時診斷，達到很好的控制效果。文獻[12]通過比較多個尋優算法的特點，以種群的角度設計更加完善的算法，并在最小二乘向量機（LSSVM）故障診斷模型的基礎上利用深度學習理論，實現了故障增益的估計擬合。關于支持向量機的其他應用，前人也做了大量的研究[13-14]。在利用極點配置和SVM極點分類技術進行故障診斷問題的基礎上，考慮了系統的不確定性因素，設計的可靠控制器無論系統是否發生執行器故障，都能使極點穩定在圓形區域內。首先，模擬每條執行器通道故障建閉環系統極點數據庫。并依據本文提出的極點觀測器設計理念，完成對閉環極點信息的實時采集，并通過極點分類器，實現極點的精準分類，從而對系統形成故障預警。當閉環系統出現故障但極點仍被約束在圓形區域時，則在原控制器下保持穩定;若極點跳出所要求的圓形區域，調換對應故障的可靠控制器使其繼續保持穩定。

8 結 論

針對文中一類不確定線性定常系統，基于圓形區域下，執行器單一部件故障診斷和可靠控制的問題。通過極點觀測器及分類器的設計，所得到的極點信息誤差小、分類精準。與傳統正常控制器相比，提出的可靠控制器具有一定的魯棒性，當閉環系統出現故障但極點仍穩定在圓形區域時，系統仍在原控制器下保持穩定。若極點偏離所要求的區域，系統立即作出預警，調換對應的可靠控制器使其繼續保持穩定。這樣得到的可靠控制器具有響應速度快，能耗低、性能高等優點。最后的仿真實例也證明了設計可靠控制器的必要性。

參考文獻

[1] 姚波， 王福忠. 基于 LMI 可靠跟蹤控制器設計[J]. 自動化學報， 2004， 30（6）：863-871.

[2] 王福忠，姚波，張嗣瀛. 線性系統區域穩定的可靠控制[J]. 控制理論與應用， 2004， 21（5）：835-839.

[3] 張瑤，王福忠，姚波. 圓盤區域下系統不確定項容忍區間分析[J]. 沈陽工程學院學報（自然科學版）， 2018， 14（2）：188-192.

[4] 房志銘，姚波，王福忠. 基于區域極點配置的靜態輸出反饋可靠控制[J].宿州學院學報， 2017， 32（7）：100-105.

[5] VAPNIK V N. Statistical learning theory[M]. John Wiley， New York. 1998.

[6] VAPNIK V N. The nature of statistical learning theory[M]. New York： Springer-Verlag， 1996， 38（4）：409.

[7] 劉江華，陳佳品，程君實. 基于支持向量機的非線性系統辨識[J]. 測控技術， 2002， 21（11）：54-56.

[8] 朱凌云，曹長修. 基于支持向量機的缺陷識別方法[J]. 重慶大學學報（自然科學版）， 2002， 25（6）：42-45.

[9] 翟永杰. 基于支持向量機的故障智能診斷方法研究[D].保定：華北電力大學（河北）， 2004.

[10]王建芬，曹元大. 支持向量機在大類別數分類中的應用[J]. 北京理工大學學報， 2001， 21（2）：225-228.

[11]房志銘. 基于SVM極點分類的故障診斷與可靠控制[J]. 沈陽師范大學， 2018， 48（12）：157-168.

[12]LIANG， Si-yue， WANG Fu-zhong. Fault diagnosis based on pole learning and MCS-LSSVM [C]. Chinese Control and Decision Conference， 2018， 2（2）： 1130-1135.

[13]賀光，李永存. 基于粗糙集理論和模糊SVM的車牌識別技術研究[J]. 計算技術與自動化， 2010， 29（4）：86-89.

[14]王雪松，梁昔明. 改進蟻群算法優化支持向量機的網絡入侵檢測[J]. 計算技術與自動化， 2015， 34（2）：95-99.