故障診斷技術(shù)的回顧與展望

故障診斷技術(shù)的回顧與展望第1頁，共70頁，2023年，2月20日，星期五故障包括兩層含義：一是系統(tǒng)偏離正常功能。其形成原因主要是因?yàn)橄到y(tǒng)的工作條件（含零部件）不正常而產(chǎn)生的。通過參數(shù)調(diào)節(jié)，或修復(fù)零部件，又可恢復(fù)正常功能二是功能失效。是指系統(tǒng)連續(xù)偏離正常功能，且其程度不斷加劇，使設(shè)備基本功能不能保證1.IntroductionHunanUniversityofTechnology

第2頁，共70頁，2023年，2月20日，星期五診斷技術(shù)可以說幾乎是與機(jī)器的發(fā)明同時(shí)產(chǎn)生的本世紀(jì)60年代，起源于工業(yè)發(fā)達(dá)的歐美國家和亞洲的日本70年代中期進(jìn)入蓬勃發(fā)展的階段進(jìn)入80年代以后，已經(jīng)形成了集眾多現(xiàn)代科學(xué)技術(shù)于一體的，一門既注重理論研究，又注重實(shí)際應(yīng)用的新興交叉學(xué)科1.IntroductionHunanUniversityofTechnology

第3頁，共70頁，2023年，2月20日，星期五2.1BasicconceptsoffaultdiagnosisTechnique2.2FaultsClassification2.3Basictasksoffaultdiagnosis2.4Performanceindices2.5ClassificationoffaultdiagnosismethodsHunanUniversityofTechnology

2.SomeProblemsofFDTechnique故障診斷技術(shù)的回顧與展望第4頁，共70頁，2023年，2月20日，星期五故障(fault)：系統(tǒng)至少一個(gè)特性或參數(shù)出現(xiàn)較大偏差，超出了可接受的范圍。此時(shí)系統(tǒng)的性能明顯低于其正常水平，所以已難以完成其預(yù)期的功能失靈(malfunction)：在系統(tǒng)完成特定的任務(wù)時(shí)，出現(xiàn)了間斷性的不規(guī)則現(xiàn)象失效(failure，又稱嚴(yán)重故障)：是指系統(tǒng)連續(xù)偏離正常功能（由于故障），且其程度不斷加劇，使系統(tǒng)持續(xù)喪失了完成給定任務(wù)的能力殘差(residual)：故障指示器，由測量值與模型計(jì)算值的差得到征兆(symptom)：由故障引起的系統(tǒng)可觀測的特性與其正常的特性相比所出現(xiàn)的異常變化2.1BasicConceptsofFaultDiagnosisTechniqueHunanUniversityofTechnology

2.SomeProblemsofFDTechnique第5頁，共70頁，2023年，2月20日，星期五監(jiān)視(monitoring)：通過記錄信息、識別與指示系統(tǒng)行為的異?，F(xiàn)象，連續(xù)與實(shí)時(shí)地確定某一物理系統(tǒng)的運(yùn)行狀態(tài)。監(jiān)控(supervision)：對物理系統(tǒng)進(jìn)行監(jiān)視，并且當(dāng)他發(fā)生故障時(shí)采取適當(dāng)?shù)拇胧跃S持其運(yùn)行。誤報(bào)(falsealarm)：系統(tǒng)沒有發(fā)生故障而報(bào)警?！罢`報(bào)率”是衡量故障診斷系統(tǒng)性能的基本指標(biāo)之一漏報(bào)(missingalarm)：系統(tǒng)發(fā)生了故障而沒有報(bào)警?！奥﹫?bào)率”是衡量故障診斷系統(tǒng)性能的又一個(gè)基本指標(biāo)HunanUniversityofTechnology

2.1BasicConceptsofFaultDiagnosisTechnique第6頁，共70頁，2023年，2月20日，星期五

冗余（redundancy）：指系統(tǒng)里重復(fù)配置的一些部件（自動備援），即當(dāng)某一部件（設(shè)備）發(fā)生損壞時(shí),冗余配置的部件可以自動作為后備式部件替代故障部件（設(shè)備）的工作，由此減少系統(tǒng)的故障時(shí)間

數(shù)據(jù)冗余（dateredundancy）：在一個(gè)數(shù)據(jù)集合中重復(fù)的數(shù)據(jù)，簡單說就是多余的數(shù)據(jù)。如果數(shù)據(jù)丟失、出錯(cuò)、故障等可以用冗余恢復(fù)數(shù)據(jù)

硬件冗余（hardwareredundancy）：用同樣的硬件重構(gòu)過程的元部件。特點(diǎn)是可靠性高、故障分離直接，但成本過高解析冗余(analyticalredundancy)：與硬件冗余相對應(yīng)，指通過用解析方式表示的系統(tǒng)數(shù)學(xué)模型來產(chǎn)生冗余信號HunanUniversityofTechnology

2.1BasicConceptsofFaultDiagnosisTechnique第7頁，共70頁，2023年，2月20日，星期五2.1BasicConceptsofFaultDiagnosisTechniqueHunanUniversityofTechnology

Fig.2.1Schematicdescriptionofthehardwareredundancyscheme如果過程元部件的輸出不同于其硬件冗余的輸出，則過程元部件被檢測出有故障發(fā)生冗余信號的產(chǎn)生往往是成功實(shí)現(xiàn)故障診斷的一個(gè)關(guān)鍵第8頁，共70頁，2023年，2月20日，星期五2.2FaultClassification

☆按照發(fā)生部位的不同可分為過程（元部件）故障(process/componentfaults)

傳感器故障(sensorfaults)

執(zhí)行器故障(actuatorfaults)

☆按照時(shí)間特性的不同可分為突變故障(abruptfaults)

緩變故障(incipientfaults)

間隙故障(intermittentfaults)

☆按照發(fā)生形式的不同可分為加性故障(additivefaults)

乘性故障(multiplicativefaults)HunanUniversityofTechnology

2.SomeProblemsofFDTechnique第9頁，共70頁，2023年，2月20日，星期五

☆按照發(fā)生部位的不同劃分

過程故障（processfaults）：被控對象中的某些元部件甚至是子系統(tǒng)發(fā)生異常

傳感器故障（sensorfaults）：控制回路中用于檢測被測量的傳感器發(fā)生卡死、恒增益變化或恒偏差而不能準(zhǔn)確獲取被測量信息，具體表現(xiàn)為對象變量的測量值與其實(shí)際值之間的差別

執(zhí)行器故障（actuatorfaults）：控制回路中用于執(zhí)行控制命令的執(zhí)行器發(fā)生卡死、恒增益變化或恒偏差而不能正確執(zhí)行控制命令，具體表現(xiàn)為執(zhí)行器的輸入命令和它的實(shí)際輸出之間的差別HunanUniversityofTechnology

2.2FaultClassification第10頁，共70頁，2023年，2月20日，星期五

☆按照時(shí)間特性的不同劃分突變故障(abruptfaults)：參數(shù)值突然出現(xiàn)很大偏差，事先不可監(jiān)測和預(yù)測的故障緩變故障(incipientfaults)：又稱為軟故障，指參數(shù)隨時(shí)間的推移和環(huán)境的變化而緩慢變化的故障間隙故障(intermittent

faults)：由于老化、容差不足或接觸不良引起的時(shí)隱時(shí)現(xiàn)的故障HunanUniversityofTechnology

2.2FaultClassification第11頁，共70頁，2023年，2月20日，星期五

☆按照發(fā)生形式的不同劃分加性故障(additivefault)：作用在系統(tǒng)上的未知輸入，在系統(tǒng)正常運(yùn)行時(shí)為零。它的出現(xiàn)會導(dǎo)致系統(tǒng)輸出發(fā)生獨(dú)立于已知輸入的改變乘性故障(multiplicativefault)：系統(tǒng)的某些參數(shù)的變化。它們能引起系統(tǒng)輸出的變化，這些變化同時(shí)也受已知輸入的影響HunanUniversityofTechnology

2.2FaultClassification第12頁，共70頁，2023年，2月20日，星期五2.3BasicTasksofFaultDiagnosis

故障診斷是一門綜合性技術(shù)，其研究涉及到多門學(xué)科，如控制理論（經(jīng)典、現(xiàn)代、魯棒、自適應(yīng)）、可靠性理論、數(shù)理統(tǒng)計(jì)、模糊集理論、信息處理、模式識別人工智能等學(xué)科理論HunanUniversityofTechnology

2.SomeProblemsofFDTechnique第13頁，共70頁，2023年，2月20日，星期五2.3BasicTasksofFaultDiagnosis

故障建模（faultmodeling）故障檢測（faultdetection）故障分離（faultisolation）故障識別（identification）故障診斷（diagnosis）HunanUniversityofTechnology

故障檢測與分離（識別）－－FDI故障檢測與診斷－－FDD故障的評價(jià)與決策－－FED,FaultEvaluationandDecision第14頁，共70頁，2023年，2月20日，星期五Fig.2.2Thebasictasksofthesupervisionsystem

2.3BasicTasksofFaultDiagnosis

HunanUniversityofTechnology

第15頁，共70頁，2023年，2月20日，星期五◆

檢測性能指標(biāo)（DetectionPerformanceIndex）

﹡早期檢測的靈敏度

﹡故障檢測的及時(shí)性

﹡故障的誤報(bào)率和漏報(bào)率◆

診斷性能指標(biāo)（DiagnosisPerformanceIndex）

﹡故障分離能力

﹡故障辨識的準(zhǔn)確性◆綜合性能指標(biāo)（ComprehensivePerformanceIndex）

﹡魯棒性

﹡自適應(yīng)能力

﹡安全性﹡可靠性2.4PerformanceIndices

HunanUniversityofTechnology

2.SomeProblemsofFDTechnique第16頁，共70頁，2023年，2月20日，星期五2.SomeProblemsofFDTechniqueHunanUniversityofTechnology

2.5ClassificationofFaultDiagnosisMethods

診斷方法的研究在于：尋找征兆與故障之間的有效對應(yīng)關(guān)系最簡單的故障檢測方法就是所謂界限判別法也即判別兩類過程狀態(tài)(正常和異常狀態(tài))

如使用一個(gè)傳感器信號x，可按如下條件描述：

如果x＜Hth，那么狀態(tài)正常，否則狀態(tài)異常第17頁，共70頁，2023年，2月20日，星期五2.5ClassificationofFaultDiagnosisMethods

HunanUniversityofTechnology

國際故障診斷權(quán)威，德國的P.M.Frank教授認(rèn)為故障診斷方法可以分為

※

基于模型的方法(model-based)

※

基于知識的方法(knowledge-based)

※

基于信號處理的方法(Signal-processing-based)第18頁，共70頁，2023年，2月20日，星期五基于知識的方法基于解析模型的方法基于數(shù)據(jù)驅(qū)動的方法故障診斷方法基于癥狀的方法基于定性模型的方法專家系統(tǒng)方法模式識別方法神經(jīng)網(wǎng)絡(luò)方法模糊推理模式模式識別方法神經(jīng)網(wǎng)絡(luò)方法模糊推理模式最小二乘法濾波器方法參數(shù)估計(jì)方法基于觀測器方法等價(jià)空間方法信號處理方法機(jī)器學(xué)習(xí)信息融合/粗糙集譜分析小波變換主元分析法Fisher判別分析法偏最小二乘方法神經(jīng)網(wǎng)絡(luò)有向圖故障樹支持向量機(jī)多元統(tǒng)計(jì)分析相關(guān)分析/子空間法第19頁，共70頁，2023年，2月20日，星期五3.1TheGeneralProcedureofModel-basedFD3.2ModelingofFaults3.3Observer-basedApproach3.4ParitySpaceApproach3.5ParameterEstimationApproachHunanUniversityofTechnology

3BasicPrinciplesModel-basedFaultDiagnosis故障診斷技術(shù)的回顧與展望第20頁，共70頁，2023年，2月20日，星期五基本思想校驗(yàn)由相同的過程輸入信號驅(qū)動的過程解析模型的輸出與實(shí)際系統(tǒng)的測量輸出之間的一致或不一致性3.1TheGeneralProcedureofModel-basedFDHunanUniversityofTechnology

3BasicPrinciplesModel-basedFaultDiagnosis第21頁，共70頁，2023年，2月20日，星期五

HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFDFig.3.1Schematicdescriptionofthemodel-basedfaultdiagnosisscheme第22頁，共70頁，2023年，2月20日，星期五通常所采用的過程解析模型有兩種不同的策略

◆模擬名義的或無故障的特性模型

(Nominalmodel/Fault-freemodel)

◆對于某個(gè)特定的預(yù)知故障建立其故障特性模型

(Faultymodel)HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFD第23頁，共70頁，2023年，2月20日，星期五

FD任務(wù)分兩步完成殘差（征兆）生成(Residual/SymptomGeneration)殘差（征兆）評價(jià)(Residual/SymptomEvaluation)HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFD

基于解析模型的殘差生成方法主要有三種基于觀測器方法(Observer-based)

等價(jià)空間方法(ParitySpace)

（或奇偶方程、奇偶關(guān)系、奇偶空間）方法參數(shù)估計(jì)方法(ParameterEstimation)第24頁，共70頁，2023年，2月20日，星期五

FDIA系統(tǒng)設(shè)計(jì)的關(guān)鍵抑制信號中不感興趣部分而加強(qiáng)其中反映故障的部分，以區(qū)分故障與模型不確定性和未知輸入的影響基于模型FDIA系統(tǒng)設(shè)計(jì)的目標(biāo)使FDIA系統(tǒng)對故障具有盡可能大的靈敏度，而同時(shí)對不感興趣信號的影響具有盡可能大的魯棒性HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFD第25頁，共70頁，2023年，2月20日，星期五

FD系統(tǒng)的設(shè)計(jì)應(yīng)包括如下任務(wù)◆設(shè)計(jì)一個(gè)殘差生成器，對故障具有高的靈敏度而對模型不確定具有強(qiáng)的魯棒性◆通過選擇殘差評價(jià)函數(shù)定義征兆，以保證所檢測的關(guān)于故障的信息不被丟失◆進(jìn)一步分析殘差或開發(fā)征兆，獲得更多的關(guān)于故障的知識，以便指導(dǎo)決策或?qū)嵤┤蒎e(cuò)控制HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFD第26頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFault3BasicPrinciplesModel-basedFaultDiagnosis在基于模型故障診斷中使用開環(huán)系統(tǒng)模型，雖然我們認(rèn)為這個(gè)系統(tǒng)是在控制回路中Fig.3.2故障診斷與控制回路

第27頁，共70頁，2023年，2月20日，星期五3.2ModelingofFaultHunanUniversityofTechnology

Fig.3.3Strctureofastandardcontrolloopwithfault第28頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFaultHunanUniversityofTechnology

3.2ModelingofFault這一開環(huán)系統(tǒng)分為執(zhí)行器、系統(tǒng)動態(tài)和傳感器三個(gè)部分。按照發(fā)生形式的不同主要研究過程元部件故障(processfaults)、傳感器故障(sensorfaults)以及執(zhí)行器故障(actuatorfaults)Fig.3.4開環(huán)系統(tǒng)模型系統(tǒng)動態(tài)可用狀態(tài)空間模型描述

第29頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFault當(dāng)(過程）元部件發(fā)生故障時(shí)Fig.3.5元部件有故障時(shí)系統(tǒng)動態(tài)圖

（過程）元部件故障可以視為系統(tǒng)中一些條件的改變而使動態(tài)關(guān)系變?yōu)闊o效的情形，如在三容器中一個(gè)水容器出現(xiàn)漏洞。在一些情形下，故障可以表達(dá)為系統(tǒng)中參數(shù)的變化第30頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFault當(dāng)傳感器發(fā)生故障時(shí)一般說來，系統(tǒng)的實(shí)際輸出yR(t)是不能直接得到的，通常用傳感器獲得系統(tǒng)測量輸出。通過正確選擇向量fs，可以描述所有的傳感器故障情形。如當(dāng)傳感器被“固定在零值上”時(shí)，測量向量y(t)=0，故障向量Fig.3.6傳感器有故障時(shí)系統(tǒng)動態(tài)圖

第31頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFault當(dāng)執(zhí)行器發(fā)生故障時(shí)事實(shí)上，系統(tǒng)的實(shí)際執(zhí)行通常也是不能直接獲得的。對于一個(gè)受控系統(tǒng)來說，uR是已知執(zhí)行器控制命令u(t)的執(zhí)行器響應(yīng)。與傳感器故障情況類似，不同的執(zhí)行器故障情況可以由一個(gè)合適的故障函數(shù)fa(t)來表示Fig.3.7執(zhí)行器有故障時(shí)系統(tǒng)動態(tài)圖

第32頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFault考慮系統(tǒng)所有可能的傳感器故障、元部件故障和執(zhí)行器故障，系統(tǒng)模型可描述為：通常寫成如下狀態(tài)空間描述的一般形式：輸入－輸出描述形式為：第33頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.2ModelingofFault如果把建模不確定性考慮進(jìn)去，那么用于殘差生成器完整的狀態(tài)空間模型就變成：其輸入-輸出一致性模型變?yōu)椋旱?4頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.3Observer-basedApproach3BasicPrinciplesModel-basedFaultDiagnosisFig.3.8基于觀測器方法的殘差生成器原理

第35頁，共70頁，2023年，2月20日，星期五3.3Observer-basedApproachHunanUniversityofTechnology

HunanUniversityofTechnology

(1)

(2)

第36頁，共70頁，2023年，2月20日，星期五3.3Observer-basedApproachHunanUniversityofTechnology

.

(3)

.

(4)

(5)

(6)

第37頁，共70頁，2023年，2月20日，星期五3.3Observer-basedApproachHunanUniversityofTechnology

第38頁，共70頁，2023年，2月20日，星期五3.3Observer-basedApproachHunanUniversityofTechnology

殘差生成器設(shè)計(jì)的主要目標(biāo)即為設(shè)法達(dá)到使FD系統(tǒng)對故障更加靈敏，而同時(shí)對不感興趣信號的影響更加魯棒之間的最佳平衡第39頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3BasicPrinciplesModel-basedFaultDiagnosis3.4ParitySpaceApproach等價(jià)空間方法的基本思想是提供一個(gè)合適的被監(jiān)控系統(tǒng)的測量一致性(奇偶性)校驗(yàn)第40頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3BasicPrinciplesModel-basedFaultDiagnosis對于硬件(直接)冗余，應(yīng)多于傳感器最小數(shù)，也就是說，y(k)的維數(shù)應(yīng)大于x(k)的維數(shù)首先考慮使用m個(gè)傳感器，n維向量的測量問題，其測量方程為：系統(tǒng)動態(tài)傳感器C殘差生成器V殘差r

Fig.3.9基于硬件（直接）冗余的殘差生成結(jié)構(gòu)第41頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.4ParitySpaceApproach為了檢測分離故障的目的，向量y(k)可以組合成一組線性無關(guān)的等價(jià)等式來生成等價(jià)向量(殘差)：矩陣V必須滿足：由V的列所張成的空間稱為“等價(jià)空間”，也就是說，V的列構(gòu)成了這個(gè)空間的基。如果第i個(gè)傳感器中發(fā)生了故障，意味著在方向上的殘差范數(shù)的增大。第42頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.4ParitySpaceApproach故障檢測決策函數(shù)（faultdetectiondecisionfunction）故障分離決策函數(shù)（faultisolationdecisionfunction）對于一個(gè)特定的r(k)，可以通過計(jì)算DFIi(k)的m個(gè)值來識別不正常工作的傳感器。如果DFIi(k)是這些值中的最大數(shù)，那么與之相對應(yīng)的傳感器就是最有可能發(fā)生故障的傳感器第43頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.4ParitySpaceApproach從等價(jià)空間的觀點(diǎn)來看，V的列定義了m個(gè)不同的故障表征方向（Ii,i=1,2,…m），在指示有一個(gè)故障發(fā)生后，通過將等價(jià)向量方向與每一個(gè)故障表征方向相比較，可以進(jìn)行故障分離。實(shí)際上，故障分離函數(shù)DFIi(k)是對一個(gè)殘差向量與故障表征方向之間相互關(guān)系的測量。為可靠分離故障，故障表征方向間的夾角應(yīng)“盡可能地大”，也即，應(yīng)“盡可能小”第44頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.4ParitySpaceApproach直接冗余/硬件冗余關(guān)系不存在為實(shí)現(xiàn)最優(yōu)的故障分離，vi應(yīng)滿足第45頁，共70頁，2023年，2月20日，星期五Fig.3.10基于等價(jià)空間方法的殘差生成器原理

通過在一定時(shí)間間隔，即數(shù)據(jù)窗：內(nèi)采集傳感器的輸出來構(gòu)建冗余關(guān)系，即時(shí)間冗余(temporalredundancy)或連續(xù)冗余(serialredundancy)

HunanUniversityofTechnology

3.4ParitySpaceApproach第46頁，共70頁，2023年，2月20日，星期五考慮系統(tǒng)由線性離散狀態(tài)空間方程給出：HunanUniversityofTechnology

3.4ParitySpaceApproach第47頁，共70頁，2023年，2月20日，星期五引入如下符號表示第48頁，共70頁，2023年，2月20日，星期五3.4ParitySpaceApproachHunanUniversityofTechnology

第49頁，共70頁，2023年，2月20日，星期五或或3.4ParitySpaceApproachHunanUniversityofTechnology

第50頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

3.5ParameterEstimationApproach3BasicPrinciplesModel-basedFaultDiagnosisFig.3.11基于參數(shù)估計(jì)方法的殘差生成器原理

第51頁，共70頁，2023年，2月20日，星期五基于參數(shù)估計(jì)的檢測方法基本思想是用熟知的參數(shù)估計(jì)方法重復(fù)不斷地對實(shí)際過程的參數(shù)進(jìn)行在線估計(jì)，將估計(jì)結(jié)果與無故障參考模型所獲得的參數(shù)進(jìn)行比較－－任何實(shí)際差異即指示為故障?；诩僭O(shè)：故障是反映在物理系統(tǒng)參數(shù)中的，如磨擦，質(zhì)量，膠粘性、抵抗性、感應(yīng)系數(shù)、容量等。HunanUniversityofTechnology

3.5ParameterEstimationApproach第52頁，共70頁，2023年，2月20日，星期五

采用參數(shù)估計(jì)法實(shí)現(xiàn)FDI的基本步驟建立過程的物理關(guān)系模型；計(jì)算正常模型（無故障參考模型）的物理參數(shù)；確定模型系數(shù)與過程物理參數(shù)之間的關(guān)系；由可測量的輸入輸出信號，在線估計(jì)過程的模型系數(shù)；基于模型系數(shù)的標(biāo)稱值，建立系統(tǒng)的故障模型，即給出故障與模型系數(shù)之間的聯(lián)系；并基于模型系數(shù)的變化及故障模型進(jìn)行故障的決策，判斷是否發(fā)生了故障；進(jìn)行故障診斷，確定故障的類型、位置和大小。HunanUniversityofTechnology

3.5ParameterEstimationApproach第53頁，共70頁，2023年，2月20日，星期五基于知識的方法基于癥狀的方法基于定性模型的方法專家系統(tǒng)方法模式識別方法神經(jīng)網(wǎng)絡(luò)方法模糊推理模式模式識別方法神經(jīng)網(wǎng)絡(luò)方法模糊推理模式有向圖故障樹4.knowledge-basedFaultDiagnosisHunanUniversityofTechnology

故障診斷技術(shù)的回顧與展望第54頁，共70頁，2023年，2月20日，星期五HunanUniversityofTechnology

5.Data-basedControl/DecisionMaking/FaultDiagnosis5.1Data-drivenControlTheory5.2Data-basedDecisionMaking5.3Data-drivenFaultDiagnosis故障診斷技術(shù)的回顧與展望第55頁，共70頁，2023年，2月20日，星期五一、數(shù)據(jù)驅(qū)動控制的定義HunanUniversityofTechnology

數(shù)據(jù)驅(qū)動控制(Data-drivenControl)最早來源于計(jì)算機(jī)科學(xué)領(lǐng)域,控制領(lǐng)域出現(xiàn)這個(gè)概念是近幾年的事情相關(guān)的少量研究,雖已存在但使用的名詞卻不盡相同

Data-basedcontrolModellesscontrolModel-freecontrolIFT(Iterativefeedbacktuning)VRFT(Virtualreferencefeedbacktuning)ILC(Iterativelearningcontrol)5.1Data-drivencontrolTheory5.Data-basedControl/DecisionMaking/FaultDiagnosis第56頁，共70頁，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

控制系統(tǒng)設(shè)計(jì)包括：受控對象和控制器設(shè)計(jì)兩部分受控對象有四種可能情況：有準(zhǔn)確的機(jī)理模型有機(jī)理模型，但機(jī)理模型不準(zhǔn)確、不確定性較大有機(jī)理模型，但機(jī)理模型太復(fù)雜、階數(shù)太高、非線性太強(qiáng)很難建立機(jī)理模型或無模型控制器的設(shè)計(jì)分為：基于機(jī)理模型設(shè)計(jì)基于數(shù)據(jù)模型或無模型設(shè)計(jì)第57頁，共70頁，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

控制系統(tǒng)設(shè)計(jì)有四種有意義的可能設(shè)計(jì)方案：模型是機(jī)理的，控制器也是機(jī)理的對建立了機(jī)理模型，但機(jī)理模型不準(zhǔn)確、不確定性較大的系統(tǒng)，控制器設(shè)計(jì)既可以是基于機(jī)理模型，也可以考慮基于數(shù)據(jù)或無模型的方法進(jìn)行設(shè)計(jì)模型是機(jī)理的，但機(jī)理模型太復(fù)雜、階數(shù)太高、非線性太強(qiáng)，很難分析和設(shè)計(jì)，實(shí)際應(yīng)用中需要進(jìn)行基于局部數(shù)據(jù)模型或無模型的控制器設(shè)計(jì)對象無模型或很難建立機(jī)理模型，需要應(yīng)用數(shù)據(jù)模型或無模型控制方法第58頁，共70頁，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

數(shù)據(jù)驅(qū)動包括：數(shù)據(jù)驅(qū)動思想和數(shù)據(jù)驅(qū)動控制數(shù)據(jù)驅(qū)動思想：指利用受控系統(tǒng)的在線和離線數(shù)據(jù)，實(shí)現(xiàn)系統(tǒng)的基于數(shù)據(jù)的控制、預(yù)報(bào)、評價(jià)、調(diào)度、監(jiān)控、診斷、決策和優(yōu)化等的各種期望功能數(shù)據(jù)驅(qū)動控制：指控制器設(shè)計(jì)不包含受控過程數(shù)學(xué)模型信息，僅利用受控系統(tǒng)的在線和離線數(shù)據(jù)以及經(jīng)過數(shù)據(jù)處理而得到的知識來設(shè)計(jì)控制器，并在一定的假設(shè)下，有收斂性、穩(wěn)定性保障和魯棒性結(jié)論的控制理論與方法第59頁，共70頁，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

值得注意的問題機(jī)理模型和數(shù)據(jù)模型的本質(zhì)區(qū)別在于：系統(tǒng)時(shí)變性和不確定性在機(jī)理模型中是顯式表達(dá)的，而在數(shù)據(jù)模型中是非顯式和蘊(yùn)含的理論上講，對受控對象的知識掌握越多，控制手段就應(yīng)月豐富，控制效果就應(yīng)該越好，因此，與建立機(jī)理模型一樣，建立好的基于數(shù)據(jù)的控制模型與設(shè)計(jì)好的控制器，都需要對受控系統(tǒng)的動力學(xué)特性和信息有比較深入的了解和利用基于模型的控制理論和方法，對離線數(shù)據(jù)是一次性使用，當(dāng)模型建立后就棄之不用，但理想的數(shù)據(jù)驅(qū)動控制理論和方法則應(yīng)在控制過程的始終都進(jìn)行離線數(shù)據(jù)的不同層面、不同尺度上的利用數(shù)據(jù)驅(qū)動控制理論和方法不排斥已有的基于模型的控制理論和方法，兩者不能互相取代第60頁，共70頁，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

二、數(shù)據(jù)驅(qū)動控制理論與方法的存在背景從理論方面來看1）基于模型的控制理論和方法總是不可避免“未建模動態(tài)”和“魯棒性”這對矛盾問題2）數(shù)學(xué)模型的復(fù)雜性決定了控制器的復(fù)雜結(jié)構(gòu)，高階的復(fù)雜的非線性系統(tǒng)模型勢必導(dǎo)致高階復(fù)雜的非線性控制器，控制器的簡化和降階問題、魯棒性問題稱為不可逾越的設(shè)計(jì)問題3）理論和實(shí)際之間距離越來越大，制約了控制理論的健康發(fā)展從應(yīng)用角度來看

基于模型控制理論和方法在解決實(shí)際問題時(shí)已顯得蒼白無力、力不從心。信息量大、知識匱乏已經(jīng)成為很多過成功也、復(fù)雜系統(tǒng)管理和控制的共同瓶頸問題第61頁，共70頁，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

三、數(shù)據(jù)驅(qū)動控制方法

分為三類：

基于在線數(shù)據(jù)的數(shù)據(jù)驅(qū)動控制方法基于SPSA的無模型控制方法

（Simultaneouslyperturbationstochasticapproximation）

無模型自適應(yīng)控制（Modelfreeadaptivecontrol，MFAC）去偽控制（Unfalsifiedcontrol，UC）

基于離線數(shù)據(jù)的數(shù)據(jù)驅(qū)動控制方法

PID控制方法迭代反饋整定方法（Iterativefeedbacktuning，IFT）虛擬參考反饋整定方法（Virtualreferencefeedbacktuning，VRFT）

基于在線和離線數(shù)據(jù)結(jié)合的數(shù)據(jù)驅(qū)動控制方法迭代學(xué)習(xí)控制方法（Iterativelearningcontrol，ILC）懶惰學(xué)習(xí)控制方法（Lazylearning，LL）第62頁，共70頁，2023年，2月20日，星期五5.1Data-drivenControlTheoryHunanUniversityofTechnology

四、數(shù)據(jù)驅(qū)動控制理論和方法可能發(fā)展趨勢和展望

數(shù)據(jù)驅(qū)動控制理論和方法的框架體系的建立面向控制任務(wù)的數(shù)據(jù)處理及其在驅(qū)動控制控制系統(tǒng)設(shè)計(jì)中的應(yīng)用是一個(gè)具有標(biāo)志性意義的研究方向

數(shù)據(jù)驅(qū)動控制的魯棒性定義和分析方法是數(shù)據(jù)驅(qū)動控制理論和方法的建立及發(fā)展必須要解決的重要問題之一基于閉環(huán)系統(tǒng)實(shí)測數(shù)據(jù)的系統(tǒng)運(yùn)行效果評價(jià)、預(yù)報(bào)和穩(wěn)定檢驗(yàn)方法也是有前途的研究方向