神经网络的TE过程故障检测系统设计(3)

菜单

1.2故障检测的研究现状与发展趋势

1.2.1现有方法总结

故障检测技术从出现到现在已经有几十年的历史了，在不断的研究中，我们可以发现这种技术可以使系统更加可靠和更加安全。现在已经出现了很多种故障检测的方法了，主要的几种如下面所述：

（1）基于系统数学模型的检测方法

采取这种方法时一般采用生成残差的方法来进行检测，一般生成残差的方法有使用规则器，滤波器，还可以通过对参数模型的估计来生成残差。再通过某一种规则或阈值来分析与评价残差，以此来实现故障检测。[1]主要的方法如下：

a.状态估计检测法

系统的运行状态可以由被控过程的状态直观反映出来，因此，我们可以大概计算出系统的状态并结合适当的模型来进行故障检测。

b.参数估计检测法

在故障是通过参数的明显变化来展示的情况下，我们检测时可以对参数进行估计，把估计值和正常的值进行比较，得到他们的差值，以此来判定。[1]

c.一致性检验检测法

这种方法在检测时会比较实际的模型和正常的模型，看它们是不是一致的。近年来，许多学者已经证明了该方法等价于基于观测器的状态估计检测法。

（2）通过处理往系统里输入和输出的信号进行检测

我们要对信息进行处理。此时提取它的特征，常用的有谱分析法。像这种方法它不强制所研究的对象有准确的模型。所以被大范围的用在各项研究和操作当中。

（3）用人工智能的方法进行检测

a.基于专家系统的智能检测技术

现在很多时候会使用智能化的系统去检测过程中的故障，主要是有的时候，我们没有办法去建立它的具体的数学模型，这个时候就要用到智能的方法去进行检测。

b.基于神经网络的智能检测技术

神经网络有结构拓扑鲁棒性，同时它还能够并行地处理一些复杂的模式，这样检测的性能才会更优。平常应用较多的方法如：通过形式辨认用分离器的方法以神经网络为基础进行检测，还有从预测的角度和从处理知识的角度以神经网络为基础进行检测。

c.通过模糊逻辑进行检测的方法

一般过程的本身具有不确定性，这容易产生一些问题，如它会不精确并且容易产生噪声，因此我们使用模糊逻辑进行检测。系统一旦比较复杂时，它的作用就发挥出来了。因为它是非线性的，同时它时间滞后。现在主要的检测方法是基于模糊关系和合成算法的检测。与此同时，模糊知识和聚类的方法也应用较多。[1]

d.基于故障树分析检测法文献综述

现在的故障很多都层次鲜明，这导致它出现故障的因素以及出现的后果都是有层次的，这些构成了因果链，此外还能够生成故障树。故障树的分析大体可以分成两大类，定性分析和定量分析。[1]

e.基于实例推理的检测方法

该方法关键是怎样建立一个有效的实例索引机制和实例组织形式。它能很快解决问题。很多时候，我们不能很好地叙述知识以及我们不能够完整地获取信息时，我们可以借鉴以前系统总结出来的经验，以此使检测的时间更短。与此同时，还可以使检测更准确。[2]

（4）其他检测方法

其他检测方法还有很多。我们还可以通过模式识别的方法进行检测，还可以使其模型定性来检测等等。其次，还有与前面几种方法相结合、同时还起到一个互补，最终研究出了混合检测的方法。[2]

1.2.2传统故障检测技术存在的问题

工业过程中的控制对象并不都是简单的线性的，它有很强的非线性。我们也很难找到准确模型。还有的时候，它比较复杂或是不能够很好地去统计噪声，又或者外部的干扰比较强烈。所以我们是很难找到最精准的在线和参数估计，也正因如此我们是很难产生残差的。但是，无论我们怎么进行故障检测，我们都要先作出残差，这个残差一定是要和这个故障是相关的。然后分析残差，最终把故障分离或是对它进行补偿。因此，在针对非线性的系统中，我们多数会采用基于数学模型的方法进行故障检测。现代设备检测技术虽然已经有了明显的经济效益，可是我们一般都是把检测的对象看成是一个有机的整体，然后对它进行故障检测，我们大多会观察检测对象的表现，利用它表现出的特定的信号去检测故障。如果故障有很多或是这几个故障彼此之间都有联系，那么这时故障就不容易去进行分析了。