摘要：自动控制技术在航空航天、核电站和工业生产领域得到广泛应用，提高故障诊断的速度和可靠性是故障诊断技术发展的主要方向。故障诊断系统是一种用于数据采集系统的自动诊断系统。它是由数据采集器采集的振动信号频谱的主要输入数据，故障检测与诊断系统可以在线监测整个系统的运行状态，为提高系统的可靠性和可维护性开辟了新的途径。
关键词：工业自动控制系统；故障检测；诊断方法
1前言
在日益大型化复杂化的自动控制生产过程中，如何保证安全生产和环境保护是一个不容忽视的问题。生产过程中的故障不仅影响产品的质量和产量，而且可能发展成严重的人身、设备事故和环境污染。应运而生的控制系统的故障检测与诊断技术（fault detection and diagnosis-FDD）为提高复杂控制系统的安全性和可靠性提供了一项重要的途径。自动控制系统的故障诊断技术包括故障检测、故障分离和故障辨识等。故障诊断能够判断故障的发生与否、发生时刻，并确定故障的类型和位置，进一步在分离出故障后确定故障的大小和时变特性。
2控制系统的结构及故障诊断的任务
2.1控制系统的结构及故障类型
控制系统是一类由被控对象、控制器、传感器和执行器等组成的复杂系统，而各个部件又是电子、机械、软件及其它因素的复合体，一个典型的控制系统结构。组成控制系统的各个基本环节都有可能发生故障，具体而言，故障可划分为以下三种类型：（1）被控对象故障。对象的某一子设备不能完成原有功能；（2）仪表故障。包括传感器、执行器和计算机接口的故障；（3）计算机软件故障。包括计算机诊断程序和控制算法程序的故障以及计算机硬件的故障。
2.2故障诊断的任务
故障诊断的任务，由低级到高级，可以分为以下四个方面内容：①故障建模。按照先验信息和输入输出关系，建立系统故障的数学模型，作为故障检测与诊断的依据；②故障检测。从可测或不可测的估计变量中，判断运行的系统是否发生故障，一旦系统发生意外变化，应发出报警；③故障的分离和估计。如果系统发生了故障，给出故障源的位置，区别故障原因是执行器、传感器、被控对象或是特大扰动。故障估计是在弄清故障性质的同时，计算故障的程度及故障发生的时间等参数；④故障的分类、评价与决策。判断故障的严重程度，以及对系统的影响和发展趋势，针对不同情况采取不同措施，其中包括保护系统的启动。
3自动控制系统故障诊断方法分类
故障诊断与检测的方法基本上可以分为三类：基于数学模型的方法、基于信号处理的方法和基于知识的方法。
3.1基于数学模型的方法
此类方法发展最早，需要建立被诊断对象的数学模型。它利用检测信号或估计出系统的物理参数，或在噪声背景下重构系统的状态，通过参数变化和故障间的联系，对状态估计残差序列的检验和识别等技术对故障进行预报、定位、定量和定因。因此，它又可以分为参数估计法和状态估计法两种。当参数有显著变化时，可利用已有的多种参数估计方法，根据参数变化的统计性特性来检测故障的发生。当被控过程状态直接反映系统运行状态，且可观或部分可观，则可以采用状态估计法的状态观测器或滤波器来进行故障诊断。这类方法虽然综合利用了系统的结构、功能、行为信息，但是由于很多非线性系统的数学模型难以建立，成为了制约此类方法发展的因素。
3.2基于信号处理的方法
这类方法不需建立被诊断对象的数学模型，因而适用性较强。它基于信号分析理论，提供系统时域和频域中较深层次的多种特征向量，利用这些特征向量与系统故障源之间联系，对系统信号进行分析和处理，从而判断故障源位置。它又可分为基于小波变换的方法、基于信息校核的方法、基于信号模态估计的方法。
3.3基于知识的方法
80年代后期，出现了这类方法。
期刊文章分类查询,尽在期刊图书馆它既不需要被诊断对象的数学模型，又引入了被诊断系统的大量信息，因此有着很强的生命力。基于知识的方法又分为基于专家系统的方法、基于神经网络的方法、基于定性模型的方法、基于模糊的方法、基于模式识别的方法和基于故障树的方法等多种类型。它们除了开发、利用了启发性知识，并将启发性知识中的大量信息用于故障诊断外，还引入了学习机制和人机协作的工作方式，因此不但可以对故障进行预测和定位，还能够对故障定量、定因，使诊断的决策水平大大地提高了。
4自动控制系统故障诊断技术的应用
4.1小波分析
小波变换是上世纪年代后期发展起来的应用数学分支。它是一种信号的时间—尺度分析方法，具有多分辨分析的特点，尤其是在时频两域都具有表征信号局部特征的能力。它既能刻画某个局部时间段信号的频谱信息，又可以描述某一频谱信息对应的时域信息，在低频部分具有较高的频率分辨率和较低的时间分辨率，很适合探测正常的信号中夹带的瞬态反常现象并展示其成分。它解决了很多传统的傅氏变换所不能解决的问题，被誉为分析信号的显微镜。
（1）构造小波模型用于控制系统故障检测的有效性。
每一种控制系统都有其模型，系客观存在，不依赖于专家经验。不同的研究者根据需要提出不同的系统模型，例如分析模型、适应模型等。模型构造法是控制系统故障诊断的有效方法，这在传感器检测方面已得到有效验证。
（2）小波分析有利于提高故障信号提取的准确性。
控制系统发生故障时，其特征参数将发生比较剧烈的变化，相应检测到的电流、电压等电气量其奇异性是很明显的。通过对电流、电压采样信号的小波分析进行多尺度分析，可以快速、准确地获取故障信息。
（3）小波神经网络有助于提高故障识别和分类的可靠性。
小波在故障识别中的应用，可分为两大类，即直接识别法和间接识别法，前者直接对故障信号小波变换的结果进行识别，每一种变换结果（一般为图像给出）对应一种故障。显然，这种方法并不直观和方便。后者从发展方向上又可分为两类：①小波变换作预处理，即以小波空间作为模式识别的特征空间，通过故障信号的小波变换，得到特征向量，再由神经网络辨识故障向量；②由小波神经网络直接对信号辨识，类似对故障信号作小波变换，并构造出能表征故障类型的特征向量，交给神经网络识别，它把小波变换部分和神经网络识别分开，易于分别实现。其难点在于，怎样构造这样的特征向量。
4.2人工神经网络技术
（1）人工神经网络技术和传统故障诊断专家系统的区别。
随着人工智能技术的发展，特别是基于知识的专家系统技术在故障诊断方面的成功应用，使得设备故障诊断技术进入了一个崭新的智能化发展阶段。但传统的故障诊断专家系统在实际应用中存在着一定的局限性，如知识一般只能进行串行处理，存在着无穷递归，组合爆炸匹配冲突及知识的获取瓶颈等问题。而人工神经网络技术为解决传统专家系统的缺陷提供了一条崭新的途径。
（2）人工神经网络技术的研究应用领域。
目前在智能化故障诊断技术领域里，人工神经网络技术的应用研究主要在于以下两个方面。一是模式识别角度，应用具有感知器结构的神经网络模型或各种联想记忆模型来实现征兆集到故障集之间的非线性特征映射关系；二是从专家系统的角度，建立基于神经网络的故障诊断专家系统。电传操纵系统故障诊断的神经网络方法实现即采用第二种方法。
5结束语
控制系统广泛应用于工业、农业、航空、航天、军事等领域，对科学技术的发展起着巨大的推动作用。控制系统故障的诊断是维护系统正常运行的保证，因此许多科研部门和个人从不同领域研究这一技术。
参考文献：
[1]仲海卫.基于神经网络的液压泵故障诊断专家系统[D].昆明理工大学，2002.
[2]赵永玲.基于神经网络的控制系统故障诊断研究[D].大庆石油学院，2003.
论文作者:严超
论文发表刊物:《基层建设》2017年第17期
论文发表时间:2017/10/24
标签：故障论文; 方法论文; 故障诊断论文; 神经网络论文; 系统论文; 小波论文; 信号论文; 《基层建设》2017年第17期论文;