基于混合模型的故障檢測與診斷方法的研究與應用.pdf

1、現(xiàn)代化生產(chǎn)系統(tǒng)日趨復雜，通常具有非線性、強耦合、不確定性、高維數(shù)等特點，且經(jīng)過長期的運作和損耗，系統(tǒng)不可避免地會發(fā)生故障。如何有效地檢測并診斷故障、使系統(tǒng)盡快恢復正常工作狀態(tài)，是學術界和工業(yè)界共同的研究熱點。
　　快速、準確的故障檢測與診斷離不開高精度的系統(tǒng)模型。常用的傳統(tǒng)建模方法可粗略分為機理建模、知識建模和數(shù)據(jù)驅(qū)動建模。機理模型能準確表達系統(tǒng)的內(nèi)在聯(lián)系，參數(shù)可解釋性強，模型外延性好，但建模難度較大。知識建模適用于難以定量建模的

2、系統(tǒng)，但模型移植性差。數(shù)據(jù)驅(qū)動模型不需要對象先驗知識，但模型精度和泛化能力高度依賴于建模數(shù)據(jù)。對于現(xiàn)代復雜系統(tǒng)，僅僅依靠單一建模手段難以得到高質(zhì)量模型，而混合建模策略是獲得準確可靠模型的有效手段之一。
　　本文結(jié)合數(shù)據(jù)模型和機理模型的特點，采用串聯(lián)型混合建模策略，提出了基于混合模型的故障檢測與診斷方法，在三容水箱實驗系統(tǒng)和四旋翼飛行器控制系統(tǒng)中進行了應用研究。
　　本文具體工作和研究成果總結(jié)如下：
　　1.針對已知部分

3、機理特性的系統(tǒng)，將機理模型與數(shù)據(jù)相結(jié)合，分別利用BP神經(jīng)網(wǎng)絡（適用于多樣本）和T-S模糊模型（適用于小樣本）對機理模型中的不確定參數(shù)進行辨識，建立串聯(lián)型混合模型，并比較兩種方法的建模精度。
　　2.考慮到基于主成分分析(PCA)/多向主成分分析(MPCA)的故障檢測方法對幅值較小的故障不甚敏感，因此提出了一種基于混合模型和PCA相結(jié)合的故障檢測方法，對輸出誤差(混合模型輸出與實際輸出之差)做PCA和MPCA分析。分別與基于機理模型

4、、純數(shù)據(jù)驅(qū)動的PCA/MPCA兩種故障檢測方法相比較，本文方法具有更好的檢測快速性。
　　3.故障一般可分為執(zhí)行器故障和傳感器故障，分別對應于狀態(tài)方程和輸出方程；本文通過分析系統(tǒng)模型的不確定性，提出了一種基于混合模型的故障診斷方法，分析模型中的不確定性部分，并對該部分進行重構(gòu)，從而達到故障診斷的目的。
　　4.在三容水箱系統(tǒng)和四旋翼飛行器控制系統(tǒng)上充分驗證了本文所提出的混合建模和基于混合模型的故障檢測與診斷方法，應用結(jié)果證實