浅谈提高工控系统抗故障能力的措施

文/毕莉红（黑龙江天地伟业科技开发有限公司） 徐畅（黑龙江同方信息系统有限公司）

1 引言

随着生产和科学技术的发展，自动控制系统变得越来越复杂。人们不但希望能对其进行良好控制，而且希望能进行实时监测，及时处理故障。这就提出了自动控制系统的故障检测与诊断问题，促进了故障检测诊断的理论研究和应用开发。

所谓“故障”是指系统所处的一种非正常工作状态，此时系统的性能明显低于正常水平，难以或根本无法完成预期的功能。在此情况下，可以针对该系统的特点、故障的类型和特性，设计一个附加机构，通过对系统输入、输出量的测量、分析和处理，提供故障的有关信息，从而使操作者对系统的运行情况有正确的了解，以保证系统安全、可靠地运行。这样的机构就称为故障检测与诊断机构。

2 系统故障检测与诊断的基本内容

（1）故障检测；尽可能早地检测出超过预定范围的影响输出的过程参数、过程状态或特征量。

（2）故障分离；根据检测到的故障信息，寻找故障源，确定故障部位及类型。

（3）故障评价；根据故障源的部位，分析估计故障对系统性能指标、功能的影响，给出故障等级。

（4）故障决策；根据故障评价的等级，对系统作出早期报警、紧急报警、修改操作或控制，甚至停机进行维修等相应决定。

3 硬件冗余方法

测量仪表(或称为传感器)是自动控制系统的重要组成部分，其故障检侧与诊断问题一直是人们研究的重点。在各种检测与诊断测量仪表故障的方法中，“冗余”，原理的方法占主要地位。

对于高可靠性要求的系统，可采用3只(或更多)同类型仪表并行测量同一变量来提高测量的可靠性。这一原理同样适用于测量仪表的故障检测与诊断。由于需要多只仪表，所以称为“硬件冗余”。在一组三倍冗余的仪表中，如果某一只仪表的输出信号与其他两只明显不同，则显然是该仪表发生了故障。由于随机扰动的影响，仪表误报警率是较高的。为克服这一缺点，提出了“有记忆表决”的方法。其基本思想是建立以下式为目标函数的状态估计器。

4 统计模式识别方法

该方法首先对测量信号(模式)进行预处理，同时选择已知类别的样本模式的特征，根据所选择的特征，对预处理后的测量信号进行特征抽取，得到更简捷、维数较低、又能携带大部分测量信息的特征向量，最后采用分类器，通过对特征向量的分析，识别出模式的类别。统计模式识别技术不需要数学模型就可对故障进行早期检测。于是，在统计数据少、预测变量多的场合中，该技术难以胜任。

5 参数/状态估计方法

这种方法需要三个先验的知识源:正常过程的模型，被观察过程的模型和异常过程的模型。为检测故障，可采用三种方式，即:状态估计、参数估计和特征值计算，分别求出被观察过程的不可测的状态、参数和特征值的估计值，并通过它们与正常过程模型的相应量的偏差，同由异常过程的模型生成的故障特征(即由故障所导致的状态、参称和特征值的变化方向和大小)进行匹配，如果匹配成功，说明发生了故障;进行故障诊断，确定故障的位置、类型、大小和原因。这种方法已用于电机--离心泵--水管系统的故障诊断，在蒸馏塔、热交换器和反应器等装置中也得到应用。这种方法的最大弊端是它的应用效果过份依赖数学模型的精度。

6 故障树方法

该方法首先进行故障分析，将系统的故障作为上端事件(树的根节点)，用逻辑符号(与、或、非)将上端事件和成为该事件的直接原因的诸下部事件(中间事用连接起来，再对这些中间事件进行分析，直至基本事件(最基本的原因)，然后进行故障树综合，求出作为上端事件充要条件产生的基本原因集合、计算上端事件的发生概率，对原因事件的重要性进行评价，提出改进措施。由于故障树技术可以明确表示事件与系统故障之间的逻辑关系，定量求出复杂系统的故障概率和其它可靠性参数，因而已在化工过程的反应器、加热炉等装置上得到应用。

7 专家系统方法和神经网络方法

故障诊断专家系统的建立和运行过程为:进行可靠性分析，充分掌握系统的各种可能的故障模式、影响和危害程度等，在此基础上建立知识库.根据贝叶斯决策理论、矢量分析理论和假设检验方法等建立推理规则，制定相应的故障决策措施。在自动控制系统发生故障时，专家系统通过推理机构利用知识库知识和数据库数据进行推理，快速直接找到故障源，并采取相应的决策，使系统尽快恢复正常。专家系统用于故障诊断的优越性在于:知识库和推理规则便于修改、增删，便于扩展功能;可以综合多个专家的最佳经验，解决具有专家级水平的复杂问题。目前故障诊断专家系统已用于汽车、电力系统等的故障诊断，取得可喜效果。

人工神经元网络是模拟人脑的思维方式、组织形式而建立起来的数学模型。目前已有50多种神经网络模型，较典型的有反向传播网(BP网)、Hopfield网、Fukushima网等。其中BP网结构简单、可塑性强、抗干扰能力较强，在故障模式识别中具有独特的优越性。

神经网络进行控制系统的故障诊断，其学习过程和诊断过程是分开的。首先，学习过程是通过BP算法将故障样本学习实现内部知识获取，其目的是求出权系数集合和阑值，以保证网络对应于每个输入矢量所产生的输出矢量，充分接近期望输出，它定义实际输出与期望输出间的误差平方和为目标函数，并用梯度法求出最优解。当一个神经网络离线学习好后，就可以进行在线故障诊断了。当控制系统出现故障时，把故障信息或现象输人给神经网络，而网络通过调整权系数和自组织，输出解决故障的办法，然后去维修控制系统。神经网络的基本特点是:（1）大规模并行处理，速度快;（2）自适应学习过程;（3）分布式存贮，具有联想记忆功能。目前专家系统和神经网络故障诊断方法在电力系统故障诊断领域引起极大的关注。由于现代电力系统规模庞大，结构复杂，一旦发生故障，会产生大量的信息，要求运行人员迅速准确地分析和判断故障的位置和性质，是一件十分困难的事情。即使是经验丰富的运行人员，也会受现场环境和各种人为因素的影响，出现误判断。采用专家系统可以减轻运行人员的负担，提高分析问题的准确性和快速性。故障诊断专家系统根据继电保护和断路器的动作信息以及由专家经验归纳出的知识进行推理，帮助运行人员以专家水平迅速分析和判断故障情况。

8 结语

本文对工业自动控制系统的故障检测与诊断方法，从基本原理、特点以及应用情况作了讨论。尤其需要指出的是，人工智能中专家系统诊断方法和神经网络方法必将成为系统故障诊断技术的主导方法，具有很大的潜力和广阔的前景。但是，系统的故障检测与诊断是一个非常复杂的问题，只有充分考虑各种实际因素，设计合理的检测与诊断机构，才能有效地解决故障检测与诊断问题。保证整个系统的正常工作。