張梅 李澤滔 DAHHOU Boutaied

摘 要：研究了一類非線性級(jí)聯(lián)系統(tǒng)中執(zhí)行器內(nèi)部參數(shù)與全局系統(tǒng)運(yùn)行的相關(guān)性問(wèn)題，利用系統(tǒng)全局可測(cè)信息隔離故障執(zhí)行器并識(shí)別執(zhí)行器內(nèi)部故障參數(shù)。應(yīng)用可逆理論及基于模型的故障診斷方法，形成了一種系統(tǒng)級(jí)與設(shè)備級(jí)相結(jié)合的互聯(lián)系統(tǒng)層次化執(zhí)行器故障診斷方案。通過(guò)將執(zhí)行器視為獨(dú)立子系統(tǒng)與過(guò)程子系統(tǒng)互連，構(gòu)成互連非線性動(dòng)態(tài)系統(tǒng);并進(jìn)行互連系統(tǒng)的可逆性、局部參數(shù)的全局可觀性和故障可診斷性等研究;在全局系統(tǒng)性能下降時(shí)能快速準(zhǔn)確定位出局部故障參數(shù)，實(shí)現(xiàn)設(shè)備的魯棒故障診斷。并利用集成換熱器模型驗(yàn)證了所提出方案的有效性及魯棒性。

關(guān)鍵詞：級(jí)聯(lián)系統(tǒng);故障診斷;可逆性;執(zhí)行器;可觀測(cè)性

中圖分類號(hào)：TP273

文獻(xiàn)標(biāo)志碼：A

隨著控制系統(tǒng)規(guī)?；?、集成化和智能化發(fā)展，系統(tǒng)通常是由若干設(shè)備協(xié)同運(yùn)行的復(fù)雜互聯(lián)耦合系統(tǒng)，系統(tǒng)動(dòng)態(tài)特性日趨復(fù)雜，故障的發(fā)生不可避免;任一系統(tǒng)設(shè)備元件出現(xiàn)故障而又未能及時(shí)發(fā)現(xiàn)，其結(jié)果不僅會(huì)導(dǎo)致設(shè)備損壞，還可能造成全局系統(tǒng)性能下降及非正常停運(yùn)，甚至是災(zāi)難性后果。因此，為保障系統(tǒng)的可靠性和安全性，迫切需要對(duì)全局系統(tǒng)及各個(gè)設(shè)備的實(shí)時(shí)性能和運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)、評(píng)估和故障診斷，從而采取有效措施，保證系統(tǒng)及設(shè)備的穩(wěn)定運(yùn)行[1-5]。

在故障診斷的研究中，執(zhí)行器故障診斷吸引了工業(yè)界和學(xué)術(shù)界學(xué)者的廣泛關(guān)注。針對(duì)執(zhí)行器故障診斷問(wèn)題，國(guó)內(nèi)外學(xué)者從3個(gè)方面進(jìn)行了研究。一類是系統(tǒng)級(jí)故障診斷方法，旨在從全局系統(tǒng)角度檢測(cè)故障并隔離出故障執(zhí)行器，而忽略執(zhí)行器內(nèi)部動(dòng)態(tài)特性，不針對(duì)引起現(xiàn)場(chǎng)設(shè)備故障的內(nèi)部參數(shù)[2-16]。一類重要方法是基于殘差生成理論的方法[2-10]。殘差定義為測(cè)量值與其估計(jì)值之間的差異，當(dāng)殘差超過(guò)其閾值時(shí)，故障被診斷并隔離，常見殘差生成方法有：高增益觀測(cè)器[3]，自適應(yīng)觀測(cè)器[9]，區(qū)間法[10]等。另一種方法是故障估計(jì)或故障重構(gòu)方法[11-16]，這類方法可確定故障的大小、位置及其動(dòng)態(tài)過(guò)程。常見故障重構(gòu)的方法：滑模觀測(cè)器[12]，未知輸入觀測(cè)器[14]，輸入重構(gòu)法[15]等。然而，由于對(duì)設(shè)備內(nèi)部變量的不完全識(shí)別，系統(tǒng)級(jí)方法不能定位執(zhí)行器內(nèi)部的故障點(diǎn)，使得維護(hù)人員根據(jù)故障提示往往找不到故障原因，無(wú)法及時(shí)消除故障。

另一類是設(shè)備級(jí)故障診斷方法，旨在分析特定執(zhí)行器的內(nèi)部動(dòng)態(tài)特性，識(shí)別引起執(zhí)行器故障的內(nèi)部參數(shù)[17-22]。一類廣泛深入的研究是基于數(shù)據(jù)驅(qū)動(dòng)的方法[17-19]，如神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，小波分析，譜分析等。如文[19]將FFT與數(shù)據(jù)驅(qū)動(dòng)的方法進(jìn)行結(jié)合， 研究不同位置IGBT的開路故障;另一類研究的方法則是基于模型的故障診斷技術(shù)[20-22]。如文[1]中討論了高速列車牽引系統(tǒng)中的牽引電機(jī)等重要部件和單元的故障診斷技術(shù)。文獻(xiàn)[22]中利用滑模觀測(cè)器對(duì)氣動(dòng)執(zhí)行機(jī)構(gòu)進(jìn)行故障診斷研究。然而，設(shè)備級(jí)故障診斷僅監(jiān)測(cè)設(shè)備本身，缺乏對(duì)全局系統(tǒng)的動(dòng)態(tài)信息的監(jiān)督，而設(shè)備內(nèi)部故障會(huì)產(chǎn)生連鎖反應(yīng)，影響全局系統(tǒng)的最終輸出。

此外，也有少數(shù)系統(tǒng)級(jí)和設(shè)備級(jí)相結(jié)合的層次化故障診斷方法研究，旨在關(guān)注故障在系統(tǒng)各層級(jí)的傳播分析，及子系統(tǒng)參數(shù)故障對(duì)系統(tǒng)終端的影響[23-26]。如文獻(xiàn)[24]中從高速列車牽引系統(tǒng)關(guān)鍵部件到整車，展開故障診斷、容錯(cuò)控制與故障預(yù)測(cè)研究的綜述。文獻(xiàn)[25]探討了從全局余熱鍋爐接近點(diǎn)層面研究對(duì)汽包液位控制閥的破壞作用。文獻(xiàn)[1]中也提到未來(lái)的研究方向是整體系統(tǒng)與各設(shè)備子系統(tǒng)結(jié)合。

基于上述認(rèn)識(shí)，本文提出了一種能夠解決非線性系統(tǒng)故障診斷的層次化故障診斷方法。利用全局系統(tǒng)提供的可測(cè)信息，識(shí)別執(zhí)行器內(nèi)部故障參數(shù)，改善故障定位并提供更好的預(yù)測(cè)維護(hù)幫助。該方法強(qiáng)調(diào)了現(xiàn)場(chǎng)設(shè)備動(dòng)態(tài)特性的重要性，更具有故障針對(duì)性。

1 問(wèn)題描述

將執(zhí)行器及過(guò)程對(duì)象視為全局控制系統(tǒng)的子系統(tǒng)，構(gòu)建一個(gè)非線性動(dòng)態(tài)互連系統(tǒng)，如圖1所示。目的是在全局系統(tǒng)故障時(shí)，通過(guò)全局系統(tǒng)輸出y的變化，識(shí)別出執(zhí)行器子系統(tǒng)內(nèi)部具體的故障參數(shù)v（vi，i=1，…，k），并對(duì)建模不確定性及測(cè)量噪聲d魯棒。故障vi表示引起執(zhí)行器故障的原因，如閥門泄漏，堵塞等。

5.3 仿真結(jié)果及分析

本仿真實(shí)例的數(shù)據(jù)來(lái)自一個(gè)實(shí)驗(yàn)用逆流式換熱反應(yīng)器。如文[26]所示，此實(shí)驗(yàn)用換熱反應(yīng)器由法國(guó)圖盧茲LGC 實(shí)驗(yàn)室設(shè)計(jì)制造，它由3塊反應(yīng)板和5塊冷卻板以三明治結(jié)構(gòu)組合在一起，如圖3所示。

仿真目的是驗(yàn)證所開發(fā)的系統(tǒng)監(jiān)督及故障診斷策略的有效性。仿真操作條件如下：冷卻流體流速Fu參考值為4.22e-5 m3/s， 過(guò)程流體流速Fp參考值為4.22e-6 m3/s。觀測(cè)器初始條件0。執(zhí)行器子系統(tǒng)參數(shù)值：m=2 kg，Aa=0.029 m2，μ=1 500 N·s/m，k=6 089 N/m 冷卻流體閥Pc為1 MPa，過(guò)程流體閥為1.2 MPa，冷卻流體閥差壓 ΔP為 0.6 MPa，過(guò)程流體閥60 kPa。

圖4為在無(wú)故障情況下兩流體流速的估計(jì)值，黑色實(shí)線為理想計(jì)算值，綠色點(diǎn)化虛線為互連觀測(cè)器的估計(jì)值，紅色虛線為系統(tǒng)逆方法的重構(gòu)值。從圖4可見，在理想情況下，3個(gè)估計(jì)值收斂重合。

實(shí)際生產(chǎn)中執(zhí)行器故障通常由單參數(shù)故障引起。因此，考慮每個(gè)執(zhí)行器只有一個(gè)故障，則執(zhí)行器子系統(tǒng)中可能會(huì)同時(shí)發(fā)生兩個(gè)故障。為了說(shuō)明所提出的方案的魯棒性，考慮外部干擾或測(cè)量噪聲，假設(shè)輸出測(cè)量值y被有色噪聲破壞，有色噪聲由具有零均值和單位方差的高斯白噪聲激發(fā)的二階AR濾波器產(chǎn)生，標(biāo)準(zhǔn)偏差約為3.5。

每個(gè)執(zhí)行器分別考慮一個(gè)故障。對(duì)過(guò)程流體執(zhí)行器，考慮參數(shù)k1發(fā)生了故障，產(chǎn)生此故障的原因可能是泄漏。對(duì)冷卻流體執(zhí)行器則考慮參數(shù)pc2發(fā)生了故障，引起故障的原因可能是閥門堵塞，也是控制閥中最常見的故障。如果沒有妥善維修，這種故障可能會(huì)對(duì)系統(tǒng)性能造成嚴(yán)重影響。圖5—6給出了仿真結(jié)果。

從圖5可見，雖然存在噪聲，但是開發(fā)的輸入重構(gòu)技術(shù)仍然可以提供具有良好精度的重構(gòu)輸入。在過(guò)程流體執(zhí)行器中，重構(gòu)的流體流速在60 s時(shí)突然下降并花費(fèi)4 s達(dá)到新的穩(wěn)態(tài)，由于參考流速為定值，因此流速的突然下降表明有故障發(fā)生。對(duì)于冷卻流體執(zhí)行器，重構(gòu)的流速值在60 s時(shí)開始增加，且經(jīng)過(guò)3 s后達(dá)到新平衡。此意外的增長(zhǎng)也意味著故障的發(fā)生。應(yīng)該注意到，雖然Fp，F(xiàn)u在觀測(cè)器中初始軌跡不同，他們最終都收斂到各自的“真值”。

從圖6得到，故障檢測(cè)殘差r1表示過(guò)程流體執(zhí)行器的故障。r1在60 s時(shí)產(chǎn)生突變且值大于其閾值，也就是檢測(cè)到故障的發(fā)生。故障檢測(cè)殘差r2對(duì)應(yīng)的是過(guò)程流體執(zhí)行器的故障檢測(cè)，因此r2在40 s的突變表征了過(guò)程流體執(zhí)行器故障?？梢酝ㄟ^(guò)增大觀測(cè)器增益或者減小閾值的方式來(lái)縮短故障的檢測(cè)時(shí)間，但是大增益和小閾值有可能造成故障的不能正確檢測(cè)，因?yàn)榇笤鲆娴挠^測(cè)器對(duì)噪聲會(huì)很敏感，而小閾值可能與噪聲無(wú)法分開而造成誤判。因此，為了能正確檢測(cè)故障，需要在故障可檢測(cè)性與靈敏性間做平衡選擇。在存在噪聲的情況下可能無(wú)法檢測(cè)到小幅度故障。在檢測(cè)到故障之后，下一步就是確定產(chǎn)生故障的根本原因。

圖7—8給出了故障根本原因殘差RCA，s11，s12，s13，s14分別對(duì)應(yīng)過(guò)程流體執(zhí)行器可能的參數(shù)故障μ1，k1，pc1，ΔP1;同理，s21，s22，s23，s24分別對(duì)應(yīng)過(guò)程流體執(zhí)行器可能的參數(shù)故障μ2，k2，pc2，ΔP2。

從圖7可見，在60 s時(shí)，所有RCA殘差都開始變化并超過(guò)其閾值，但只有RCA殘差s12超過(guò)其閾值且保持不變，其余的RCA 殘差都在一段時(shí)間后小于其各自的閾值，因此產(chǎn)生過(guò)程流體執(zhí)行器故障的原因，即參數(shù)k1就被隔離出來(lái)了。對(duì)于冷卻流體執(zhí)行器的故障而言，從圖8可見，從40 s開始，RCA殘差開始變化，只有RCA殘差s23大于其閾值并保持在閾值之上，這就意味著產(chǎn)生此執(zhí)行器故障的原因是故障源pc2引起的。

從上述仿真結(jié)果可以看出，提出的策略可以正確檢測(cè)和定位故障，并且以準(zhǔn)確的精度實(shí)現(xiàn)了每個(gè)檢測(cè)故障的根本原因分析。由于所提出的方案的魯棒性能，獲得了令人鼓舞的仿真結(jié)果。

6 總結(jié)

本文研究了一類非線性動(dòng)態(tài)互連系統(tǒng)的故障診斷和故障根本原因分析的問(wèn)題。通過(guò)在RCA濾波器中使用全局系統(tǒng)的輸出來(lái)估計(jì)本地子系統(tǒng)的輸出，將本地故障參數(shù)識(shí)別能力與全局系統(tǒng)監(jiān)控能力有機(jī)結(jié)合起來(lái)。另外，還研究了故障的可診斷性條件。仿真結(jié)果驗(yàn)證了所提出設(shè)計(jì)方法的有效性和魯棒性。

參考文獻(xiàn)：

[1]姜斌，吳云凱，陸寧云，等.高速列車牽引系統(tǒng)故障診斷與預(yù)測(cè)技術(shù)綜述[J]. 控制與決策，2018，33（5）：841-855.

[2] 周東華，紀(jì)洪泉，何瀟.高速列車信息控制系統(tǒng)的故障診斷技術(shù)[J]. 自動(dòng)化學(xué)報(bào)，2018，44（7）：1153-1164.

[3] HAN H， YANG Y， LI L， et al.Observer-based fault detection for uncertain nonlinear systems[J].J. Franklin Inst.，2018（355）：1278-1295.

[4] CHAO S， GAO Z， MOAN T.Model-based fault detection， fault isolation and fault-tolerant control of a blade pitch system in floating wind turbines[J]. Renew Energy， 2018， 120：306-321.

[5] CHEN Z W， DING S X， PENG T，et al.Fault detection for non-gaussian processes using generalized canonical correlation analysis and randomized algorithms[J]. IEEE Transactions on Industrial Electronics， 2018， 65（2）：1559-1567.

[6] JIANG B， GAO Z， SHI P， et al. Adaptive fault-tolerant tracking control of near-space vehicle using Takagi Sugeno fuzzy models[J].IEEE Trans. Fuzzy Syst.， 2010（18）：1000-1007.

[7] XU A， ZHANG Q. Nonlinear system fault diagnosis based on adaptive estimation[J]. Automatica， 2004，40：1181-1193.

[8] FRAGKOULIS D， ROUX G， DAHHOU B.Detection， isolation and identification of multiple actuator and sensor faults in nonlinear dynamic systems： application to a waste water treatment process[J]. Appl. Math. Model.， 2011， 35 （1）： 522-543.

[9] ZHANG Q. A new residual generation and evaluation method for detection and isolation of faults in non-linear systems[J]. Int. J. Adapt. Control Signal Process， 2000， 14： 759-773.

[10]LI Z， DAHHOU B. A new fault isolation and identification method for nonlinear dynamic systems： application to a fermentation process[J]. Applied Mathematical Modelling，2008 （32）：2806-2830.

[11]李輝， 趙猛. 雙饋風(fēng)電機(jī)組關(guān)鍵傳感器的故障診斷方法[J]. 中國(guó)電機(jī)工程學(xué)報(bào)， 2011，31（6）：73-78.

[12]EDWARDS C， SPURGEON S K， PATTON R J， Sliding mode observers for fault detection and isolation[J]. Automatica， 2000， 36（4）：541-553.

[13]YAN X G， EDWARDS C. Nonlinear robust fault reconstruction and estimation using a sliding mode observer[J]. Automatica， 2007， 43（9）：1605-1614.

[14]MA Z H， WANG S P， SHI J， et al.Fault diagnosis of an intelligent hydraulic pump based on a nonlinear unknown input observer[J]. Chinese Journal of Aeronautics， 2018，31（2）：385-394.

[15]SZIGETI F.System inversion and fault detection： the failure affine nonlinear case[J]. Automatica， 2002， 20（4）：10-14.

[16]MARTINEZ GUERRA R， MATA MACHUCA J L， RINCON PASAYE J J.Fault diagnosis viewed as a left invertibility problem[J]. ISA Trans.， 2013，52（5）：652-661.

[17]SHARIFI S， TIVAY A， REZAEI S M， et al. Leakage fault detection in Electro-Hydraulic Servo Systems using a nonlinear representation learning approach[J]. ISA Trans.， 2018，73：154-164.

[18]SUBBARAJ P， KANNAPIRAN B. Fault detection and diagnosis of pneumatic valve using Adaptive Neuro-Fuzzy Inference System approach[J]. Appl. Soft Comput. J.， 2014，19：362-371.

[19]YANG J， GUO Y Q， ZHAO W L.Long short-term memory neural network based fault detection and isolation for electro-mechanical actuators[J]. Neurocomputing，2019 （360）：85-96.

[20]BARTYS M， PATTON R， SYFERT M，et al.Introduction to the DAMADICS actuator FDI benchmark study[J]. Control Eng. Pract.， 2006，14：577-596.

[21]GORD M， KHOSHNAZAR H. Valve fault detection for single-stage reciprocating compressors[J]. J. of N. Gas Sci. and Eng.， 2016，35：1239-1248.

[22]AYADI A， HAJJI S， SMAOUI M， et al.Dynamic high-gain observer to estimate pneumatic actuator temperatures[J]. J. Dyn. Sys.， Meas.， Control，2015，138（2）：245-253.

[23]馬萍，張宏立，范文慧.基于局部與全局結(jié)構(gòu)保持算法的滾動(dòng)軸承故障診斷[J].機(jī)械工程學(xué)報(bào)，2017，53（2）：20-25.

[24]張康康. 基于滑模技術(shù)故障診斷和容錯(cuò)控制及應(yīng)用于高速列車的研究[D].南京： 南京航空航天大學(xué)，2018.

[25]MA L， DONG J， PENG K，et al.A novel data-based quality-related fault diagnosis scheme for fault detection and root cause diagnosis with application to hot strip mill process[J]. Control Eng. Pract.， 2017（67）：43-51.

[26]ZHANG M， WU Q， CHEN X P，et al.Observer design for nonlinear invertible system from the view of both local and global levels[J]. Appl. Sci.，2020，10：7966.

（責(zé)任編輯：曾 晶）

Multi-level Actuator Fault Diagnosis of Nonlinear Interconnected System

ZHANG Mei1，LI Zetao*1，DAHHOU Boutaied2

（1.School of Electrical Engineering， Guizhou University，Guiyang 550025， China;2.LAAS-CNRS，University Paul Sabatier，Toulouse F340100， France）

Abstract：

The problem of the correlation between the internal parameters of the actuator and the global operation of a class of nonlinear interconnected systems is studied. The global measurable information of the system is used to isolate the fault actuators and identify the internal fault parameters of the actuator. Based on the inverse reversible theory and model based fault diagnosis method， a multi-level fault diagnosis scheme of interconnected system combining system level and device level is presented. By considering the actuator as individual dynamic subsystem connected with process dynamic subsystem in cascade， an interconnected nonlinear system is constituted. The invertibility， global observability of local parameters and fault diagnosability of interconnected systems are studied. When the global system performance declines， the local fault parameters can be located quickly and accurately， thus the robust fault diagnosis of device can be achieved. The effectiveness and robustness of the proposed scheme are verified by the intensified heat exchanger model.

Key words：

interconnected system; fault diagnosis; invertibility; actuator; observability

收稿日期：2021-03-04

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（62003106）;貴州省重點(diǎn)實(shí)驗(yàn)室建設(shè)資助項(xiàng)目 （黔科合平臺(tái)人才[2016]5103）;貴州省科學(xué)技術(shù)基金資助項(xiàng)目（黔科合基礎(chǔ)-ZK[2021]一般321）;貴州大學(xué)引進(jìn)人才資助項(xiàng)目（[2018]02）

作者簡(jiǎn)介：張 梅（1981—），女，副教授，博士，研究方向：故障診斷與容錯(cuò)控制及其應(yīng)用等，E-mail：mzhang3@gzu.edu.cn.

通訊作者：李澤滔，E-mail：ztli@gzu.edu.cn.