国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

    周東華（1963—）
男，河北邯鄲人，博士后，現為清華大學自動化系副主任，博士生導師。
所獲獎項：
1995年獲國家教委科技進步二等獎；1997年獲國家教委資助優秀青年教師基金；
1998年榮獲了第六屆中國青年科技獎、“國氏”博士后獎勵基金 、清華大學學術新人獎(為清華大學青年教授最高學術獎) ；
1999年獲北京市科技進步三等獎、入選“教育部跨世紀優秀人才” 培養計劃，并獲霍英東教育基金會高等院校(研究類)青年教師獎；
2000年獲國防科學技術獎三等獎，并榮獲國家杰出青年科學基金（總理基金）；
2001年獲國家優秀科技圖書獎三等獎；
2005年獲軍隊科技進步二等獎，并獲全國優秀博士后稱號。

1 引言

    當今社會，復雜軍用和民用系統的規模在不斷擴大，人們對這類系統的可靠性、可維護性與安全性提出了越來越高的要求，致力于大大減少災難性事故的發生、減少環境污染和人身財產損失，以提高經濟效益或軍事效益。動態系統的故障診斷技術為解決上述問題提供了一種重要的技術手段。 

    該技術在過去的三十多年來得到了長足的發展，尤其是近十幾年來，隨著計算機科學、計算智能等新技術的快速發展，許多新方法和新技術被引入到該領域[1]。各種故障診斷方法大體上可以分為三大類[2] ：基于解析模型的方法，基于定性模型/知識的方法和基于過程歷史數據的方法。后兩類方法，例如有向圖、故障樹、專家系統、神經網絡及主元分析等，在近年來發展很快，但以控制理論為基礎的基于解析模型的方法仍然具有很重要的研究意義。然而，基于解析模型的大部分研究都是針對線性系統的，文[1]明確指出了非線性系統的故障診斷和故障診斷的魯棒性都是研究中值得關注的問題。

    基于解析模型的故障診斷方法的魯棒性問題具有重要的實用意義，因為許多實際生產過程由于各種未知擾動、噪聲等因素，很難得到精確的數學模型。由于建模不確定和故障實際上都是不期望的動態特性，如果不能很好處理建模不確定的影響，原有的故障診斷方法甚至會完全失效。魯棒故障診斷指的就是在具有建模不確定的情況下，故障診斷系統能在一定程度上區分擾動和故障，仍然具有較好的性能。關于線性系統的魯棒故障診斷已經有很豐富的成果[3-5]。文[3、4]指出，故障診斷的魯棒性體現在兩方面：殘差生成和殘差評價。魯棒殘差產生的方法[3-5]主要有未知輸入觀測器、特征結構劃分、擾動解耦的等價空間檢驗、頻域優化等方法；魯棒殘差評價的方法[3、4]主要有似然比檢驗、自適應閾值、殘差選擇器、模糊邏輯等方法。文[3、4]中提到了一些針對非線性系統魯棒故障診斷的方法，但內容不多。文[5、6]對非線性系統的故障診斷方法均有簡要的概述，但沒有深入討論其魯棒性問題。關于非線性系統魯棒故障診斷已有一些相應的綜述文章[7、8]，其中主要有非線性/雙線性未知輸入觀測器和自適應觀測器方法。近年來，該領域又有不少新的發展。

    基于模型的故障診斷方法主要有觀測器、等價空間、濾波器、參數估計和頻域等方法[2-4]。其中，等價空間和頻域方法都是針對線性系統設計的，難以推廣到非線性系統；對非線性系統，參數估計的方法主要有強跟蹤濾波器方法[6]，但參數估計方法的一個弱點是需要比較準確的數學模型，且計算量偏大[2]。因此，現有的非線性系統魯棒故障診斷方法大多是基于觀測器的狀態估計方法，其中最主要的方法有兩類：對結構化未知擾動解耦的方法和自適應學習的方法。

2 發展現狀

    如下幾個子方向屬于本學科的熱點研究方向， 在過去的幾年中， 都取得了一些重要的進展。

    混雜系統的故障診斷  混雜系統的狀態估計與故障診斷均是具有挑戰性的問題，針對一類既有未知輸入也有故障的混雜系統，文[9]提出了一種新穎的魯棒混雜觀測器,把模型的不確定性，干擾與故障均描述成結構化的擾動。魯棒混雜觀測器由一個模態觀測器，及一個連續觀測器組成，用于分離出系統的模態，并估計出系統的狀態。文[9]證明了，所得到的狀態估計誤差是指數一致有界的，采用干擾解偶技術，保證了對未建模動態的魯棒性。 此外，文[9]還嚴格分析了故障可檢測性與模態的可辨識性。  基于此魯棒混雜觀測器，文[9]隨后給出了一類混雜系統的故障檢測與分離方法， 并采用一個4容水箱系統，驗證了所提出了方法的有效性。  

    魯棒故障診斷  文[10]將參數自適應率與滑模控制引入到 Polycarpou 的估計器中，提出了一種具有更快速率的非線性系統的魯棒故障診斷方法。參見如下系統：

   

    其中狀態；輸入；是非線性系統的標稱模型；代表模型不確定性；代表故障函數。故障的發生時刻由表示，其中是單位階躍函數，第i 個子系統的故障在T_i時刻發生。

    文[10]在理論上嚴格證明了所給出的的方法具有更快的故障檢測速率，并進行了仿真驗證。

    文[11] 研究線性不確定系統的魯棒故障診斷問題，提出了最優殘差產生器參考模型的概念，將魯棒故障診斷濾波器設計歸結為模型匹配問題，得到了問題求解的線性矩陣不等式方法。

    采樣系統的故障診斷  文[12] 在頻域采用所提出的新算子，給出了一種新的故障檢測方法。 此方法考慮了采樣器本身的動態特性對系統的影響，因此由此得到的采樣系統跟原連續系統相比沒有做近似處理。 由此設計的故障檢測器就具有更好的性能。當采樣頻率不夠高時，與通常的間接故障檢測方法相比，所提出的方法可以取得更好的檢測效果。 

    文[13] 對于多速率數據采樣系統，首先應用提升技術建立了系統的提升模型，然后通過求解Riccati方程設計了基于觀測器的故障診斷濾波器，并進一步利用解的非唯一性得到了滿足因果關系的最優解。最后應用逆提升技術實現了多速率數據采樣系統的快速殘差產生，為多速率數據采樣系統的快速故障診斷提供了解決方案。

    基于定性仿真的潛在故障分析技術  文[14,15]提出了拓撲模式劃分與定性仿真相結合的大型復雜系統智能自動化潛在問題識別方法、建立了基于定性仿真的潛在問題分析理論，研制了國內第一個具有完全自主知識產權的計算機輔助潛在問題分析系統，應用該系統，發現我國某三個新研導彈武器設計中的13個問題并提出設計更改意見。該項目2002年獲軍隊科技進步二等獎。 

    網絡化系統的故障診斷  網絡化控制系統與傳統結構的系統相比有許多優點，但控制信號經網絡傳輸所產生的隨機時延、丟包、異步等現象會影響閉環控制系統的特性，因此需要發展新的理論。我國學者在國際上最早開展了網絡化控制系統故障診斷與容錯控制的系統研究工作，提出了多種基于信息調度模型、時延模型的網絡化控制系統故障診斷與容錯控制算法，提出了適用于描述線性和非線性帶隨機多時延的網絡化控制系統模型及其基于此類模型的故障診斷與容錯控制方法[16-17]。

    基于自適應技術的故障診斷  自適應技術可以有效地處理狀態不可測動態系統的故障診斷和容錯控制問題。 針對非線性系統，在觀測器中加入故障估計項，并設計相應的魯棒自適應律診斷故障。基于觀測器的容錯控制器補償故障對系統的影響從而使故障系統鎮定[18]。 此外，還可運用微分幾何手法將原系統分解為兩個子系統，使得一個子系統對故障解耦，再對該子系統設計自適應觀測器從而診斷故障。類似的分解思想也可用于多輸入多輸出隨機系統，對不受故障影響的子系統設計擴展Kalman濾波器從而診斷故障，進而設計容錯控制器使故障系統鎮定[19]。

    頻域故障診斷方法的定量分析  文[20, 21] 首次定量研究了基于H2的(頻域)故障診斷方法和基于等價空間的(時域)故障診斷方法的關系，提出了兩種基于觀測器和小波變換的故障診斷方法，利用信號時頻分析的優點，提高了傳統基于觀測器的故障診斷方法的性能。

    滿意容錯控制器設計  文 [22,23] 在容錯控制中融入多目標優化和滿意控制等思想，提出了多約束條件下滿意容錯控制的設計理論與方法，使設計出的容錯控制系統能同時滿足多個性能指標和約束條件的要求；針對線性不確定系統及一類T-S模糊模型非線性系統，解決了系統故障下具有區域極點指標約束、穩態方差指標約束、H  指標約束和控制器能耗約束的滿意容錯控制問題，給出了滿意容錯控制器的設計方法與步驟。

3 與國外的對比分析

    上述8個子方向上的成果基本上都處于國際領先地位，代表了我國在動態系統故障診斷方向上近年來的一些主要成果。

4 國家需求與重要研究方向

    在2006年2月國務院發布的《國家中長期科學和技術發展規劃綱要2006- 2020年）》中，已將 “重大產品和重大設施壽命預測技術” 列為需要重點研究的前沿技術之一，而故障診斷與預測技術正是其核心技術之一。 一些重要的研究方向包括：

    基于數據驅動的復雜系統故障診斷與預測技術  這里的復雜系統是指具有高維、非線性、強偶合、隨機噪聲和輸入時延的控制系統，這類系統的特點是很難建立起精確的數學模型。 但通過 DCS 等數據采集裝置， 我們可以得到其大量的歷史和實時數據。 如何根據這些數據建立預測預報系統運行狀態的數學模型，基于這些預測模型動態地評估系統的可靠性和安全性，就成為保證復雜系統安全可靠運行的關鍵難題。

    基于半定量信息的復雜系統故障診斷與預測技術  系統運行狀態的監測數據客觀地反應了系統運行的安全性與可靠性，但人們對系統工作狀態的評價不僅僅依賴于這些數據，還依賴于人們在長期實踐中積累起來的經驗認識，如何綜合利用這些客觀信息和主觀經驗，即：半定量信息，對復雜系統的運行狀態及其可靠性與安全性進行評估，實現故障診斷與預報，提高診斷和預測的性能也是急迫需要解決的問題。 

    基于多源信息的復雜系統故障診斷與預測技術 當所獲取的系統的輸出信息具有本質區別時， 如： 既有壓力、流量、溫度等常規信息， 又有部分圖像信息時， 如何對這些信息進行有效融合，提取系統本質信息進行診斷與預測，仍是一個有待解決的問題。

5 結束語

    近年來，信號處理、人工智能、模式識別等學科的發展促進了故障診斷向故障預測方向的發展。基于解析模型的方法能夠很好地跟蹤系統的變化趨勢，而且故障預測的結果也比較準確，但是使用這種方法的前提是系統模型已知，這一條件對于復雜系統通常是難以達到的，因此使這一方法的適用范圍受到了限制。基于信號處理的方法不需要系統的解析模型，但是利用這種方法所得到的預測結果如何與實際系統的故障模式建立對應關系是一個難點問題。基于定性知識的方法同樣不需要系統的解析模型，而且引入了預測對象的許多信息，因此在許多領域有著特殊的作用，但是不同的定性方法適用的范圍也不相同。因此，在實際使用的時候必須根據所獲得系統知識的情況來選擇合適的方法。 基于混合方法的故障預測能夠結合各種單一方法的優點，很好地實現對系統的故障預測。例如，結合系統的一些先驗知識，利用基于信號處理的方法對系統進行故障預測。因此這是一種很有前途的方法。但是如何將這些單一的方法進行有效結合，結合之后，故障預測效果的分析也有待進一步的研究。

    另外，故障預測技術還需同實際相結合，如何利用故障預測的結果來指導復雜系統的設計和維護也是一個值得研究的課題。
 
參考文獻：

    [1] Frank P M, Ding S X and K?ppen-Seliger B. Current Developments in the Theory of FDI [A]. 4th IFAC Symposium on Fault Detection, Supervision and Safety for Technical Processes SAFEPROCESS’2000 [C]. Budapest, Hungary, 2000: 16-27.

    [2] Venkatasubramanian V, Rengaswamy R, Yin K and Kavuri S N. A review of process fault detection and diagnosis Part I: quantitative model-based methods [J]. Computer & Chemical Engineering, 2003, 27(3): 293-311.

    [3] Frank P M. Enhancement of robustness in observer-based fault detection [J]. International Journal of Control, 1994, 59(4): 955-981.

    [4] Frank P M and Ding X. Survey of robust residual generation and evaluation methods in observer-based fault detection systems [J]. Journal of Process Control, 1997, 7(6): 403-424.

    [5] Chen J and Patton R J. Robust Model-Based Fault Diagnosis for Dynamic Systems. Dordrecht: Kluwer Academic Press, 2000.

    [6] 周東華, 葉銀忠. 現代故障診斷與容錯控制. 北京: 清華大學出版社, 2000.

    [7] Frank P M. On-line fault detection in uncertain nonlinear systems using diagnostic observers: a survey [J]. International Journal of Systems Science, 1994, 25(12): 2129-2154.

    [8] Garcia E A and Frank P M. Deterministic nonlinear observer-based approaches to fault diagnosis a survey [J]. Control Engineering Practice, 1997, 5(5): 663-670.

    [9]   Wang W. H., Zhou D.H., Robust state estimation and fault diagnosis for uncertain hybrid systems. Nonlinear Analysis-THEORY METHODS & APPLICATIONS, 2006, 65: 2193–2215.

    [10]  Li L. L., Zhou D. H., Fast and robust fault diagnosis for a class of nonlinear systems: Detectability analysis. Computers and Chemical Engineering. 2004, 18(12): 2635-2646.

    [11]  Zhong Maiying, Steven X. Ding, James Lam, Wang Haibo. LMI approach to design robust fault detection filter for uncertain LTI systems. Automatica, 2003, 39(3): 543-550.

    [12]  Zhang P, Ding S. X., Wang G. Z, Zhou D. H.,  A frequency domain approach to fault detection in sampled-data systems.  Automatica. 2003, 39(8): 1303-1307.

    [13]  Zhong Maiying, Ye Hao, Steven X. Ding, Wang Guizeng. Observer-based fast rate fault detection for a class of multirate sampled-data systems, IEEE Trans. Automatic Control, 2007, 52(3): 520-525.

    [14]  Hu Changhua, Xiaoping Cao and Hongdong Fan. Fault Prediction Based on Bayesian MLP Neural Networks. GESTS International Transactions on Computer Science and Engineering, 2005, 16(1): 132-139.

    [15]  Zhou Z. J., Hu C. H., An effective hybrid approach based on grey and ARMA for forecasting gyro drift. Chaos Solitons & Fractals, 2007,34 (6):1-5.

    [16]  Fang Huajing， Ye Hao and  Zhong Maiying, Fault diagnosis of networked control systems, Annual Reviews in Control, 2007, 31(1) 55-68.

    [17]  Zheng Ying, Fang Huajing, and Wang Hua O., Takagi-Sugeno Fuzzy-Model-Based Fault Detection for Networked Control Systems with Markov Delays, IEEE Transactions on Systems, Man, and Cybernetics – Part B: Cybernetics, 2006, 36(4) 924-929.

    [18]  Jiang Bin, Staroswiecki Marcel, and Cocquempot Vincent, Fault accommodation for a class of nonlinear dynamic systems, IEEE Trans. on Automatic Control, 2006, 51(9):1578-1583.

    [19]  Jiang Bin, and Chowdhury Fahmida, Fault estimation and accommodation for linear MIMO discrete-time systems, IEEE Trans. on Control System Technology, 2005, 13(3): 493-499.

    [20]  Ye, Hao; Wang, G.Z.; Ding, S.X. , A New Parity Space Approach for Fault Detection Based on Stationary Wavelet Transform, IEEE Transactions on Automatic Control，2004, 49(2): 281-287.

    [21]  Ye, Hao; Ding, S.X. ; Wang,  G.Z , Integrated design of fault detection systems in time-frequency domain，IEEE Transactions on Automatic Control，2002, 47(2): 384-390.

    [22]  Dengfeng Zhang, Zhiquan Wang, Shousong Hu. Robust satisfactory fault-tolerant control of uncertain linear discrete-time systems: an LMI approach. International Journal of Systems Science, 2007, 37(2):151-165.

    [23]   張剛，韓祥蘭，王執銓. 多性能約束下的模糊容錯控制系統設計：離散系統情形. 自動化學報，2007，33(9): 956-962。