第四章：容錯控制系統(tǒng)故障診斷技術課件

第三單元

容錯控制系統(tǒng)故障診斷技術第三單元

容錯控制系統(tǒng)故障診斷技術1容錯控制系統(tǒng)故障診斷容錯控制系統(tǒng)故障診斷2第四章：容錯控制系統(tǒng)故障診斷技術課件3第四章：容錯控制系統(tǒng)故障診斷技術課件4容錯控制系統(tǒng)特點：容錯控制系統(tǒng)特點：5故障檢測與診斷故障檢測（FaultDetection,FD)：Useavailablemeasurement(input/output)todetectanypossiblefaultinthesystem故障診斷(FaultDiagnosis):Usetheavailableinformation(input/output)tofindout(estimate)thelocationandthesizeofthefault.故障檢測與診斷故障檢測（FaultDetection,F6容錯控制系統(tǒng)的故障診斷方法故障觀測器法系統(tǒng)辨識法解析余度法容錯控制系統(tǒng)的故障診斷方法故障觀測器法7容錯控制系統(tǒng)的故障診斷方法三余度以上通道間—比較監(jiān)控√兩通道:基于傳感器信號處理(頻譜分析、小波分析、多傳感器信息融合等)基于狀態(tài)估計模型：故障檢測濾波器方法、未知輸入觀測器和卡爾曼濾波器等。√基于人工智能方法：專家系統(tǒng)、神經(jīng)網(wǎng)絡等√故障閾值√系統(tǒng)重構√容錯控制系統(tǒng)的故障診斷方法三余度以上通道間—比較監(jiān)控√8基于模型的故障診斷（1）獲得可用信息：輸入、輸出、工作變量故障觀測器和模型辨識器（2）運用信息找出故障：故障閾值（3）如果故障發(fā)生，產(chǎn)生報警或故障切換，故障重構；如果正常，轉向步驟（1）基于模型的故障診斷（1）獲得可用信息：輸入、輸出、工作變量9故障檢

測算法

u(t),y(t),系統(tǒng)參數(shù)故障報警故障

機理

u(t),y(t),系統(tǒng)參數(shù)故障定位故障檢

測算法

u(t),y(t),系統(tǒng)參數(shù)10基于模型的故障診斷故障觀測器故障觀測器穩(wěn)定誤差依故障不同具有方向性FailureFailureFailureFailure基于模型的故障診斷故障觀測器故障觀測器穩(wěn)定FailureFa11控制系統(tǒng)動態(tài)方程：故障觀測器方程：狀態(tài)誤差：輸出誤差：控制系統(tǒng)動態(tài)方程：12第j個執(zhí)行結構故障：誤差方程為：第j個執(zhí)行結構故障：13第j個傳感器故障誤差方程為：第j個傳感器故障14系統(tǒng)參數(shù)故障：誤差方程為：系統(tǒng)參數(shù)故障：15故障檢測濾波器設計

通式:其中:作動器故障傳感器故障系統(tǒng)參數(shù)變化要能故障診斷,f必須可檢測故障檢測濾波器設計通式:其中:作動器故障傳感器故障系統(tǒng)參16只有存在故障檢測濾波器增益陣D滿足以下兩個條件，則故障向量f是可檢測的：（1）在輸出空間保持固定方向。（2）所有特征值能夠任意配置。只有存在故障檢測濾波器增益陣D滿足以下兩個條件，則故障向17穩(wěn)定性設計穩(wěn)定性：當配置的(A-DC)所有特征值都處于S平面的左平面內(nèi)，的系統(tǒng)是穩(wěn)定的。當時間時，上式的初始條件瞬態(tài)解將趨于零。(A-DC)的配置應使誤差達到穩(wěn)態(tài)值的時間和動態(tài)過程得到控制?？蓹z測性：完全可測系統(tǒng)是指在任意時間，系統(tǒng)狀態(tài)向量X可由測量向量Y唯一地確定：穩(wěn)定性設計穩(wěn)定性：當配置的(A-DC)所有特征值都處于S平面18當Y(t)給定時，使X(t)有唯一解的充要條件是rankC=n。為滿足可檢測條件選擇，其中為正的標量常值，I為單位陣。若m為傳感器個數(shù),當m=n時,若m<n時:當Y(t)給定時，使X(t)有唯一解的充要條件是rankC=19輸入型故障（執(zhí)行機構及參數(shù)）故障檢測濾波器的設計，通過選擇增益陣D使穩(wěn)態(tài)輸出誤差矢量方向保持與Cf的方向一致。輸入型故障（執(zhí)行機構及參數(shù)）故障檢測濾波器的設計，通過選擇增20輸出型故障（傳感器故障）顯然，傳感器故障的穩(wěn)態(tài)輸出誤差方向處在構成的二維平面上，而不是某個固定方向上。輸出型故障（傳感器故障）顯然，傳感器故障的穩(wěn)態(tài)輸出誤差方向處21魯棒觀測器外界或某些隨機因素常使故障觀測器的參數(shù)發(fā)生變化，為了消除故障檢測和診斷失誤魯棒觀測器外界或某些隨機因素常使故障觀測器的參數(shù)發(fā)生變化，為22故障診斷過程當系統(tǒng)正常工作時，參數(shù)魯棒故障觀測器所形成的殘差序列經(jīng)決策函數(shù)（即與一給定的門限進行比較或進行假設檢驗）后，判斷系統(tǒng)無故障，這樣就不啟動故障向量診斷與估計器。狀態(tài)估計補償器的輸出等于狀態(tài)測量值或狀態(tài)估計器的輸出值。當系統(tǒng)發(fā)生故障時，參數(shù)魯棒故障觀測器及及殘差發(fā)生器產(chǎn)生的殘差序列經(jīng)決策函數(shù)判定系統(tǒng)故障，這時啟動故障向量診斷器及估值器對系統(tǒng)故障的向量進行定位并對故障向量的大小及其影響進行估值，并將診斷及估值的結果送狀態(tài)估計補償器，狀態(tài)估計補償器對狀態(tài)的估值進行校正使其接近真實值，從而實現(xiàn)狀態(tài)向量的重構，最后達到容錯目的。故障診斷過程當系統(tǒng)正常工作時，參數(shù)魯棒故障觀測器所形成的殘差23比例積分觀測器的故障診斷

解決未知干擾輸入影響

比例積分觀測器的故障診斷解決未知干擾輸入影響24設計:當且時,當或時,滿足下式,那么殘差r與未知輸入干擾等完全解耦。設計:當且時,25比例積分觀測器比例積分觀測器26干擾干擾27多階比例積分觀測器多階比例積分觀測器28誤差曲線比例積分觀測器Luenberger觀測器誤差曲線比例積分觀測器Luenberger觀測器29舵機故障參數(shù)漂移傳感器故障控制器故障神經(jīng)網(wǎng)絡故障辨識器

動態(tài)遞歸網(wǎng)絡記憶功能強收斂速度快魯棒性強增加關聯(lián)層增加自反饋前饋網(wǎng)絡Elman網(wǎng)絡TDElman網(wǎng)絡舵機故障參數(shù)漂移傳感器故障控制器故障神經(jīng)網(wǎng)絡故障辨識器動態(tài)30改進Elman網(wǎng)絡算法其中：非線性函數(shù)改進Elman網(wǎng)絡算法其中：非線性函數(shù)31Elman神經(jīng)網(wǎng)絡收斂速度BPFeedforwardneuralnetworkTDElmanneuralnetwork快速收斂!!Elman神經(jīng)網(wǎng)絡收斂速度BPFeedforwardne32Elman神經(jīng)網(wǎng)絡辯識效果辯識精度：TDElman輸出與系統(tǒng)的輸出吻合很好，相對誤差小于2.5%魯棒性：測量端和輸入端增加隨機干擾后，幾乎沒有對Elman輸出產(chǎn)生影響。Elman神經(jīng)網(wǎng)絡辯識效果辯識精度：TDElman輸出與系統(tǒng)33放大器故障TDElman網(wǎng)絡診斷曲線t(s)x(mm)放大器故障TDElman網(wǎng)絡診斷曲線t(s)x(mm)34故障閾值故障閾值的影響因素：建模誤差隨機干擾輸入干擾因素輸出干擾參數(shù)漂移故障閾值故障閾值的影響因素：35固定閾值：自適應閾值固定閾值：36自適應閾值模型可測試性建模誤差參數(shù)漂移干擾輸入輸出修正干擾影響小波分解自適應閾值模型可測試性建模誤差參數(shù)漂移干擾輸入輸出修正干擾影37自適應閾值獲取方法小波分解（時頻）與重構：自適應閾值獲取方法小波分解（時頻）與重構：38可以剔除干擾影響可以剔除干擾影響39時頻二維自適應閾值輸入輸出隨機干擾實際系統(tǒng)輸入系統(tǒng)模型━小波消噪建模誤差高精度TDElman神經(jīng)網(wǎng)絡辯識器小波包分解小波包分解神經(jīng)網(wǎng)絡殘差自適應閾值故障決策時頻二維自適應閾值輸入輸出隨機干擾實際系統(tǒng)輸入系統(tǒng)模型━小波40舵機正常時自適應閾值試驗曲線自適應閾值殘差故障監(jiān)控覆蓋率高虛警率低舵機正常時自適應閾值試驗曲線自適應閾值殘差故障監(jiān)控覆蓋率高41控制器故障故障診斷自適應閾值殘差控制器故障故障診斷自適應閾值殘差42正常學習的自適應閾值伺服閥故障的自適應閾值正常學習的自適應閾值伺服閥故障的自適應閾值43決策過程系統(tǒng)的決策目的在于針對故障的部位、類型和大小采取相應的容錯處理。通常：

決策過程系統(tǒng)的決策目的在于針對故障的部位、類型和大小采取相應44二元假設決策假設H0—系統(tǒng)無故障；H1—系統(tǒng)有故障Z0—觀測值落入H0空間的區(qū)域；Z1—觀測值落入H1空間的區(qū)域。

虛警概率密度漏檢概率密度二元假設決策假設H0—系統(tǒng)無故障；H1—系統(tǒng)有故障虛警概45二元測試的目的達到非常小的誤差概率，即同時達到高的故障檢測率PD→max和虛警率PFA→min。但要同時達到以上目的是相互矛盾的。例如，若取Z=Z1，意味著PDmax=，所有發(fā)生的故障都可檢測出來；但PFA也要達到最大值PFA=1，即所有正常情況都誤報為有故障。因此，必須折中選擇PD和PFA.二元測試的目的達到非常小的誤差概率，即同時達到高的故障檢測率46（1）錯誤概率最小的測試(MinimizeProbabilityofError)不正確決策概率：使Pe最小的測試稱為錯誤概率最小的測試

在決策區(qū)域Z1內(nèi)，應滿足P1P(Z|H1)>P0P(Z|H0)；而在決策區(qū)域Z0內(nèi)，應使P1P(Z|H1)<P0P(Z|H0)，即:（1）錯誤概率最小的測試(MinimizeProbabil47決策函數(shù)決策閾值決策函數(shù)決策閾值48（2）最小費用測試C0—當H1為真時被判為H0的代價，即漏檢的代價系數(shù)；C1—當H0為真時被判為H1的代價，即虛警的代價系數(shù)。正確的決策將不受懲罰，定義Bayes系數(shù)：（2）最小費用測試C0—當H1為真時被判為H0的代價，即漏檢49使Bayes系數(shù)最小，得到：這種方法與錯誤概率最小的測試方法的差別是門限值的不同。當虛警代價系數(shù)C1較大時，門限大，從而PFA使較??；當漏檢的代價系數(shù)C0較大時，門限值小，從而PM使小。使Bayes系數(shù)最小，得到：50Neyman-Person準則

當P0，P1，C0和C1不能確切知道，給定PFA后，尋找一種測試方法使PM最小。假設可以接受的虛警率PFA=α，則可以得到如下決策規(guī)則:T由下式?jīng)Q定：H0為真的條件下，似然比的概率密度函數(shù)Neyman-Person準則當P0，P1，C0和C1不能51多元假設測試假設有m（m>2）個可能性，即事物狀態(tài)中H0,H1,…,HM,每一種狀態(tài)的概率為是P1,P2,…PM先驗已知的，且根據(jù)Bayes規(guī)則，可求出給定觀測值H0,H1,…,HM時為真的條件概率為：多元假設測試假設有m（m>2）個可能性，即事物狀態(tài)中H0,H52若Z是連續(xù)分布，給定Hi為真的先驗條件概率密度為，則上式為Hi為真的后驗概率。多元假設的邏輯規(guī)則是使Hi為真的后驗概率最大，即：類似于二元假設決策的錯誤概率最小的測試，可以得到相應決策規(guī)則若Z是連續(xù)分布，給定Hi為真的先驗條件概率密度為53例題設m=3，其中H0—無故障狀態(tài)假設；H1—第一故障狀態(tài)假設；H2—第二故障狀態(tài)假設，求決策規(guī)則。解：令

則：例題設m=3，其中H0—無故障狀態(tài)假設；H1—第一故障狀態(tài)54即：故障判斷區(qū)域即：故障判斷區(qū)域55序貫概率比測試對余差e進行序貫觀測，設時刻tk的余差稱為ek。假設在以下兩種假設H0,H1間選擇.對第k次采樣值的對數(shù)似然函數(shù)為:對n次獨立采樣值的對數(shù)似然法為序貫概率比測試對余差e進行序貫觀測，設時刻tk的余差稱為ek56將λn與兩個邊界值A<0,B>0進行比較，即判斷λn是否處于以下范圍內(nèi):其中：決策規(guī)則為：確定為H0繼續(xù)測試確定為H1將λn與兩個邊界值A<0,B>0進行比較，即判斷λn是否處于57如果ek為均值為a的正態(tài)分布：如果ek為均值為a的正態(tài)分布：58例題F-8的FBW:第一步：通過兩個相同傳感器的直接余度完成故障檢測；第二步：在雙余度傳感器的直接余度基礎上增加解析余度，進行故障識別。例題F-8的FBW:第一步：通過兩個相同傳感器的直接余度完成59系統(tǒng)重構重新布局（靜態(tài)）重新構造（動態(tài)）定義：余度系統(tǒng)故障時，使系統(tǒng)轉入新工作結構而采用的余度管理措施，稱為重構。系統(tǒng)重構技術充分利用系統(tǒng)的信號和資源，可以使系統(tǒng)獲得更高的可靠性和生存性。系統(tǒng)重構重新布局（靜態(tài)）定義：余度系統(tǒng)故障時，使系統(tǒng)轉入新工60實際重構結構實際重構結構61重新布局重新布局62重新構造（硬件重構）重新構造（硬件重構）63控制率重構控制率重構64偽逆法功能重構

某型號驗證機故障模式及處理方法故障模式俯仰控制滾轉控制航向控制副翼單側故障平尾1.剩余一邊控制律改變2.平尾差動3.機動襟副翼差動方向舵雙副翼故障平尾1.平尾差動2.機動襟副翼差動方向舵平尾單側故障1.剩余一邊控制律改變2.副翼同動3.機動襟副翼同動副翼方向舵雙平尾故障1.副翼同動2.機動襟副翼同動副翼方向舵?zhèn)文娣üδ苤貥嬆承吞栻炞C機故障模式及處理方法俯仰控制65操縱面損壞故障狀態(tài)變量數(shù)目少于操縱面數(shù)目（m>n）正常：操縱面損壞操縱面損壞故障狀態(tài)變量數(shù)目少于操縱面數(shù)目（m>n）正常：操66F-8飛機數(shù)字式電傳操縱系統(tǒng)共有10個狀態(tài)變量：，共有13個雙余度傳感器：加速度傳感器（）,角速率傳感器（），姿態(tài)角陀螺（）和大氣數(shù)據(jù)傳感器（）。采用四種形式的解析余度，即轉動運動學關系、移動運動學關系、移動動力學關系和高度運動學關系。故障決策過程的選擇還應考慮最小時間和性能魯棒性等問題。F-8飛機數(shù)字式電傳操縱系統(tǒng)共有10個狀態(tài)變量：67決策函數(shù)決策函數(shù)68四余度飛控系統(tǒng)四余度飛控系統(tǒng)69三余度電動舵機系統(tǒng)三余度電動舵機系統(tǒng)70系統(tǒng)余度配置及管理方案系統(tǒng)余度配置及管理方案71硬線連接方式多余度傳感器信號通過硬件送到每臺計算機，通道間信息交聯(lián)要通過模擬口實現(xiàn)。多總線方式每個通道通過串行總線（如1553B總線）與本通道傳感器和控制器進行通訊。各個通道計算機之間也使用總線交換信息。交叉通道數(shù)據(jù)鏈（CCDL）在目前技術條件下，交叉通道據(jù)鏈的信息傳輸方式具有最佳性能，被廣泛采用。硬線連接方式72EHA容錯配置EHA容錯配置73典型EHA容錯結構典型EHA容錯結構74第三單元

容錯控制系統(tǒng)故障診斷技術第三單元

容錯控制系統(tǒng)故障診斷技術75容錯控制系統(tǒng)故障診斷容錯控制系統(tǒng)故障診斷76第四章：容錯控制系統(tǒng)故障診斷技術課件77第四章：容錯控制系統(tǒng)故障診斷技術課件78容錯控制系統(tǒng)特點：容錯控制系統(tǒng)特點：79故障檢測與診斷故障檢測（FaultDetection,FD)：Useavailablemeasurement(input/output)todetectanypossiblefaultinthesystem故障診斷(FaultDiagnosis):Usetheavailableinformation(input/output)tofindout(estimate)thelocationandthesizeofthefault.故障檢測與診斷故障檢測（FaultDetection,F80容錯控制系統(tǒng)的故障診斷方法故障觀測器法系統(tǒng)辨識法解析余度法容錯控制系統(tǒng)的故障診斷方法故障觀測器法81容錯控制系統(tǒng)的故障診斷方法三余度以上通道間—比較監(jiān)控√兩通道:基于傳感器信號處理(頻譜分析、小波分析、多傳感器信息融合等)基于狀態(tài)估計模型：故障檢測濾波器方法、未知輸入觀測器和卡爾曼濾波器等?！袒谌斯ぶ悄芊椒ǎ簩＜蚁到y(tǒng)、神經(jīng)網(wǎng)絡等√故障閾值√系統(tǒng)重構√容錯控制系統(tǒng)的故障診斷方法三余度以上通道間—比較監(jiān)控√82基于模型的故障診斷（1）獲得可用信息：輸入、輸出、工作變量故障觀測器和模型辨識器（2）運用信息找出故障：故障閾值（3）如果故障發(fā)生，產(chǎn)生報警或故障切換，故障重構；如果正常，轉向步驟（1）基于模型的故障診斷（1）獲得可用信息：輸入、輸出、工作變量83故障檢

測算法

u(t),y(t),系統(tǒng)參數(shù)故障報警故障

機理

u(t),y(t),系統(tǒng)參數(shù)故障定位故障檢

測算法

u(t),y(t),系統(tǒng)參數(shù)84基于模型的故障診斷故障觀測器故障觀測器穩(wěn)定誤差依故障不同具有方向性FailureFailureFailureFailure基于模型的故障診斷故障觀測器故障觀測器穩(wěn)定FailureFa85控制系統(tǒng)動態(tài)方程：故障觀測器方程：狀態(tài)誤差：輸出誤差：控制系統(tǒng)動態(tài)方程：86第j個執(zhí)行結構故障：誤差方程為：第j個執(zhí)行結構故障：87第j個傳感器故障誤差方程為：第j個傳感器故障88系統(tǒng)參數(shù)故障：誤差方程為：系統(tǒng)參數(shù)故障：89故障檢測濾波器設計

通式:其中:作動器故障傳感器故障系統(tǒng)參數(shù)變化要能故障診斷,f必須可檢測故障檢測濾波器設計通式:其中:作動器故障傳感器故障系統(tǒng)參90只有存在故障檢測濾波器增益陣D滿足以下兩個條件，則故障向量f是可檢測的：（1）在輸出空間保持固定方向。（2）所有特征值能夠任意配置。只有存在故障檢測濾波器增益陣D滿足以下兩個條件，則故障向91穩(wěn)定性設計穩(wěn)定性：當配置的(A-DC)所有特征值都處于S平面的左平面內(nèi)，的系統(tǒng)是穩(wěn)定的。當時間時，上式的初始條件瞬態(tài)解將趨于零。(A-DC)的配置應使誤差達到穩(wěn)態(tài)值的時間和動態(tài)過程得到控制?？蓹z測性：完全可測系統(tǒng)是指在任意時間，系統(tǒng)狀態(tài)向量X可由測量向量Y唯一地確定：穩(wěn)定性設計穩(wěn)定性：當配置的(A-DC)所有特征值都處于S平面92當Y(t)給定時，使X(t)有唯一解的充要條件是rankC=n。為滿足可檢測條件選擇，其中為正的標量常值，I為單位陣。若m為傳感器個數(shù),當m=n時,若m<n時:當Y(t)給定時，使X(t)有唯一解的充要條件是rankC=93輸入型故障（執(zhí)行機構及參數(shù)）故障檢測濾波器的設計，通過選擇增益陣D使穩(wěn)態(tài)輸出誤差矢量方向保持與Cf的方向一致。輸入型故障（執(zhí)行機構及參數(shù)）故障檢測濾波器的設計，通過選擇增94輸出型故障（傳感器故障）顯然，傳感器故障的穩(wěn)態(tài)輸出誤差方向處在構成的二維平面上，而不是某個固定方向上。輸出型故障（傳感器故障）顯然，傳感器故障的穩(wěn)態(tài)輸出誤差方向處95魯棒觀測器外界或某些隨機因素常使故障觀測器的參數(shù)發(fā)生變化，為了消除故障檢測和診斷失誤魯棒觀測器外界或某些隨機因素常使故障觀測器的參數(shù)發(fā)生變化，為96故障診斷過程當系統(tǒng)正常工作時，參數(shù)魯棒故障觀測器所形成的殘差序列經(jīng)決策函數(shù)（即與一給定的門限進行比較或進行假設檢驗）后，判斷系統(tǒng)無故障，這樣就不啟動故障向量診斷與估計器。狀態(tài)估計補償器的輸出等于狀態(tài)測量值或狀態(tài)估計器的輸出值。當系統(tǒng)發(fā)生故障時，參數(shù)魯棒故障觀測器及及殘差發(fā)生器產(chǎn)生的殘差序列經(jīng)決策函數(shù)判定系統(tǒng)故障，這時啟動故障向量診斷器及估值器對系統(tǒng)故障的向量進行定位并對故障向量的大小及其影響進行估值，并將診斷及估值的結果送狀態(tài)估計補償器，狀態(tài)估計補償器對狀態(tài)的估值進行校正使其接近真實值，從而實現(xiàn)狀態(tài)向量的重構，最后達到容錯目的。故障診斷過程當系統(tǒng)正常工作時，參數(shù)魯棒故障觀測器所形成的殘差97比例積分觀測器的故障診斷

解決未知干擾輸入影響

比例積分觀測器的故障診斷解決未知干擾輸入影響98設計:當且時,當或時,滿足下式,那么殘差r與未知輸入干擾等完全解耦。設計:當且時,99比例積分觀測器比例積分觀測器100干擾干擾101多階比例積分觀測器多階比例積分觀測器102誤差曲線比例積分觀測器Luenberger觀測器誤差曲線比例積分觀測器Luenberger觀測器103舵機故障參數(shù)漂移傳感器故障控制器故障神經(jīng)網(wǎng)絡故障辨識器

動態(tài)遞歸網(wǎng)絡記憶功能強收斂速度快魯棒性強增加關聯(lián)層增加自反饋前饋網(wǎng)絡Elman網(wǎng)絡TDElman網(wǎng)絡舵機故障參數(shù)漂移傳感器故障控制器故障神經(jīng)網(wǎng)絡故障辨識器動態(tài)104改進Elman網(wǎng)絡算法其中：非線性函數(shù)改進Elman網(wǎng)絡算法其中：非線性函數(shù)105Elman神經(jīng)網(wǎng)絡收斂速度BPFeedforwardneuralnetworkTDElmanneuralnetwork快速收斂!!Elman神經(jīng)網(wǎng)絡收斂速度BPFeedforwardne106Elman神經(jīng)網(wǎng)絡辯識效果辯識精度：TDElman輸出與系統(tǒng)的輸出吻合很好，相對誤差小于2.5%魯棒性：測量端和輸入端增加隨機干擾后，幾乎沒有對Elman輸出產(chǎn)生影響。Elman神經(jīng)網(wǎng)絡辯識效果辯識精度：TDElman輸出與系統(tǒng)107放大器故障TDElman網(wǎng)絡診斷曲線t(s)x(mm)放大器故障TDElman網(wǎng)絡診斷曲線t(s)x(mm)108故障閾值故障閾值的影響因素：建模誤差隨機干擾輸入干擾因素輸出干擾參數(shù)漂移故障閾值故障閾值的影響因素：109固定閾值：自適應閾值固定閾值：110自適應閾值模型可測試性建模誤差參數(shù)漂移干擾輸入輸出修正干擾影響小波分解自適應閾值模型可測試性建模誤差參數(shù)漂移干擾輸入輸出修正干擾影111自適應閾值獲取方法小波分解（時頻）與重構：自適應閾值獲取方法小波分解（時頻）與重構：112可以剔除干擾影響可以剔除干擾影響113時頻二維自適應閾值輸入輸出隨機干擾實際系統(tǒng)輸入系統(tǒng)模型━小波消噪建模誤差高精度TDElman神經(jīng)網(wǎng)絡辯識器小波包分解小波包分解神經(jīng)網(wǎng)絡殘差自適應閾值故障決策時頻二維自適應閾值輸入輸出隨機干擾實際系統(tǒng)輸入系統(tǒng)模型━小波114舵機正常時自適應閾值試驗曲線自適應閾值殘差故障監(jiān)控覆蓋率高虛警率低舵機正常時自適應閾值試驗曲線自適應閾值殘差故障監(jiān)控覆蓋率高115控制器故障故障診斷自適應閾值殘差控制器故障故障診斷自適應閾值殘差116正常學習的自適應閾值伺服閥故障的自適應閾值正常學習的自適應閾值伺服閥故障的自適應閾值117決策過程系統(tǒng)的決策目的在于針對故障的部位、類型和大小采取相應的容錯處理。通常：

決策過程系統(tǒng)的決策目的在于針對故障的部位、類型和大小采取相應118二元假設決策假設H0—系統(tǒng)無故障；H1—系統(tǒng)有故障Z0—觀測值落入H0空間的區(qū)域；Z1—觀測值落入H1空間的區(qū)域。

虛警概率密度漏檢概率密度二元假設決策假設H0—系統(tǒng)無故障；H1—系統(tǒng)有故障虛警概119二元測試的目的達到非常小的誤差概率，即同時達到高的故障檢測率PD→max和虛警率PFA→min。但要同時達到以上目的是相互矛盾的。例如，若取Z=Z1，意味著PDmax=，所有發(fā)生的故障都可檢測出來；但PFA也要達到最大值PFA=1，即所有正常情況都誤報為有故障。因此，必須折中選擇PD和PFA.二元測試的目的達到非常小的誤差概率，即同時達到高的故障檢測率120（1）錯誤概率最小的測試(MinimizeProbabilityofError)不正確決策概率：使Pe最小的測試稱為錯誤概率最小的測試

在決策區(qū)域Z1內(nèi)，應滿足P1P(Z|H1)>P0P(Z|H0)；而在決策區(qū)域Z0內(nèi)，應使P1P(Z|H1)<P0P(Z|H0)，即:（1）錯誤概率最小的測試(MinimizeProbabil121決策函數(shù)決策閾值決策函數(shù)決策閾值122（2）最小費用測試C0—當H1為真時被判為H0的代價，即漏檢的代價系數(shù)；C1—當H0為真時被判為H1的代價，即虛警的代價系數(shù)。正確的決策將不受懲罰，定義Bayes系數(shù)：（2）最小費用測試C0—當H1為真時被判為H0的代價，即漏檢123使Bayes系數(shù)最小，得到：這種方法與錯誤概率最小的測試方法的差別是門限值的不同。當虛警代價系數(shù)C1較大時，門限大，從而PFA使較??；當漏檢的代價系數(shù)C0較大時，門限值小，從而PM使小。使Bayes系數(shù)最小，得到：124Neyman-Person準則

當P0，P1，C0和C1不能確切知道，給定PFA后，尋找一種測試方法使PM最小。假設可以接受的虛警率PFA=α，則可以得到如下決策規(guī)則:T由下式?jīng)Q定：H0為真的條件下，似然比的概率密度函數(shù)Neyman-Person準則當P0，P1，C0和C1不能125多元假設測試假設有m（m>2）個可能性，即事物狀態(tài)中H0,H1,…,HM,每一種狀態(tài)的概率為是P1,P2,…PM先驗已知的，且根據(jù)Bayes規(guī)則，可求出給定觀測值H0,H1,…,HM時為真的條件概率為：多元假設測試假設有m（m>2）個可能性，即事物狀態(tài)中H0,H126若Z是連續(xù)分布，給定Hi為真的先驗條件概率密度為，則上式為Hi為真的后驗概率。多元假設的邏輯規(guī)則是使Hi為真的后驗概率最大，即：類似于二元假設決策的錯誤概率最小的測試，可以得到相應決策規(guī)則若Z是連續(xù)分布，給定Hi為真的先驗條件概率密度為127例題設m=3，其中H0—無故障狀態(tài)假設；H1—第一故障狀態(tài)假設；H2—第二故障狀態(tài)假設，求決策規(guī)則。解：令

則：例題設m=3，其中H0—無故障狀態(tài)假設；H1—第一故障狀態(tài)128即：故障判斷區(qū)域即：故障判斷區(qū)域129序貫概率比測試對余差e進行序貫觀測，設時刻tk的余差稱為ek。假設在以下兩種假設H0,H1間選擇.對第k次采樣值的對數(shù)似然函數(shù)為:對n次獨立采樣值的對數(shù)似然法為序貫概率比測試對余差e進行序貫觀測，設時刻tk的余差稱為ek130將λn與兩個邊界值A<0,B>0進行比較，即判斷λn是否處于以下范圍內(nèi):其中：決策規(guī)則為：確定為H0繼續(xù)