引用本文

李琳琳, 李莎莎, DING Steven Xianchun, 彭鑫, 彭开香. 基于黎曼度量的一类反馈控制系统性能监测与诊断. 自动化学报, 2023, 49(9): 1928−1940 doi: 10.16383/j.aas.c210027

Li Lin-Lin, Li Sha-Sha, Ding Steven Xianchun, Peng Xin, Peng Kai-Xiang. Riemannian metric based performance monitoring and diagnosis for a class of feedback control systems. Acta Automatica Sinica, 2023, 49(9): 1928−1940 doi: 10.16383/j.aas.c210027

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c210027

关键词

性能监测，黎曼度量，性能诊断，故障定位 

摘要

针对复杂工业系统对性能衰退的容忍度低等问题, 提出基于系统性能预测的一类反馈控制系统过程监测方法, 通过黎曼度量对控制性能衰退程度进行预测与监测, 并给出发生故障的类型, 以提升过程监测系统的实时性与准确性. 首先, 利用系统的实时数据, 计算系统性能衰退的预测指标; 其次, 利用黎曼度量对系统性能衰退程度进行预测与监测, 并利用随机算法给出对应的阈值来诊断系统性能衰退; 最后, 通过计算各类引发系统性能衰退的故障的性能预测指标集合的中心和阈值, 实现故障的实时定位. 所提出的方法通过三容水箱仿真实验平台进行验证.

文章导读

随着现代工业复杂化程度的不断提升, 各级生产环节的关联也越来越密切, 导致系统变量间相互关联、相互耦合, 一旦某个环节发生性能衰退就可能随着链式反应在系统中传播, 进而导致整个系统瘫痪, 造成不可挽回的损失. 为保障产品生产的质量和生产效率, 提高工业生产过程的安全性和可靠性, 需要对工业生产过程或运行设备进行实时监测. 因此过程监测与故障诊断在研究和工业应用领域都受到了极大的关注[1-6], 成为自动控制领域中的一个研究热点, 对保障工业过程安全性、可靠性具有重要意义.

由于现代工业过程对系统性能、效率和可靠性要求的不断提高, 控制性能监测技术也得到了广泛关注[7-8]. 系统控制性能监测的核心思想是将系统实际运行状况与根据系统设计的基准进行对比, 判定当前系统是否运行良好. 目前为止研究的控制性能监测方法主要集中在对控制器的性能进行评价, 指出其与最优控制性能之间的差距[7-10]. 近年来, 涌现了不少控制性能监测的改进算法. 具体而言, 基于关键性能指标预测的控制性能监测方法得到了广泛关注[11-13]; Li等[14]提出了基于稳定性能衰退评估的故障诊断方法; Tao等[15]建立一个集成性能评估、故障检测和诊断的框架, 最大限度地利用现有监测数据来解决性能评估问题; Li等[16]借助数据驱动技术提出了基于性能衰退预测的反馈控制系统的性能监测与故障诊断方法. 一般而言, 控制性能指标可分为确定性指标、鲁棒性指标、随机性指标. 确定性指标包含了调节时间、衰减率等传统意义上的控制回路动态品质指标, 鲁棒性指标衡量模型失配下的系统稳定性和控制品质, 随机性指标则是一种统计意义下的指标, 可以用来衡量系统的动态变化. 在随机性能评价领域, 专家学者们做出了巨大贡献, 提出了基于历史数据的基准、最小方差基准、广义最小方差等准则的性能监测方法[17-20]. 目前大多数控制性能监测方法主要集中于系统部件故障的诊断, 而很少关注基于系统性能衰退程度的诊断. 这些性能衰退不仅可能由系统部件故障引起, 也可能由系统控制参数不匹配引起. 另一方面, 目前的控制性能监测的方法很少对系统的运行性能进行预测. 而基于系统性能预测的诊断可以及时地发现可能发生的问题, 进而为系统性能修复提供时间. 因此, 本文研究基于性能衰退预测的性能监测方法, 旨在实现实时性能诊断.

在故障诊断领域, 距离度量可有效地根据待测数据集和无故障运行数据集之间的相似程度来诊断故障的发生. 距离度量是一种空间属性, 选取不同的度量函数, 可以将数据集映射到不同的空间中, 直接关系到故障诊断结果. 因此, 度量函数的研究在故障诊断领域逐渐发展起来. 常见的距离度量有: 欧氏距离[21-23]、马氏距离[24-27]等. 近年来, 随着流形研究的飞速发展, 黎曼度量作为流形曲面上的测地线距离, 越来越受到人们的关注[28-29], 专家学者们也开始将黎曼度量应用于故障诊断中. An等[30]提出了一种基于黎曼度量和一维卷积神经网络的端到端无监督域自适应轴承故障诊断方法, 该方法具有较强的故障识别能力和领域不变性, 适用于频繁变化的工作环境. 周美含等[31]提出了一种基于黎曼度量的单基地雷达目标检测新方法, 通过计算噪声协方差矩阵的黎曼均值, 将其与接收信号协方差矩阵之间的黎曼度量作为检测统计量, 实现故障诊断. 与传统的基于欧氏度量的检测方法相比, 基于黎曼度量的方法显著提高了低信噪比和单快拍下的目标检测性能. 由于黎曼度量适用于变量间高度耦合的情况, 因此故障诊断领域内越来越多的专家学者开始采用黎曼度量作为工具度量数据间的距离[32-34]. 然而, 目前基于黎曼度量的故障诊断研究多针对静态系统数据展开, 而很少有将黎曼度量用于动态系统的性能监测与诊断中.

本文从性能预测角度出发, 针对一类带有反馈控制环节的动态系统, 提出一种基于黎曼度量的性能预测与评估指标, 并基于该指标实现系统性能监测与诊断. 由于在实际工业过程中, 系统的模型结构与内部参数往往存在着一些不确定的因素, 例如参数摄动、不确定性以及测量仪器精度造成的误差和模型线性化引起的不确定性等, 因此本文针对含不确定性的反馈控制系统展开研究.

本文结构如下: 第1节介绍具有模型不确定性的动态系统, 并引入黎曼度量, 提出基于黎曼度量的系统变化检测的基本思路; 第2节提出动态系统在反馈控制下的性能衰退预测指标, 并研究基于模型和数据驱动的性能预测指标的辨识方法, 然后给出基于黎曼度量的控制性能监测方法; 第3节基于黎曼度量提出对引发系统性能衰退的故障进行定位的方案; 第4节采用三容水箱系统对本文所提出的性能监测与故障定位方案进行验证; 最后总结本文. 与现有的诊断方法相比, 本文具有如下创新性:

1)提出了反馈控制系统的性能衰退预测方法并给出了对应的在线辨识方案;

2)基于黎曼度量实现了动态系统的控制性能实时监测与诊断. 与现有的基于黎曼度量的故障检测方法直接利用采集的测量数据形成正定矩阵不同, 本文通过在线辨识的性能预测矩阵来监测系统性能的衰退程度. 因此, 本文所提出的方法可用于动态系统的性能监测与诊断.

图 1  基于黎曼度量的变化检测

图 2  基于黎曼度量的控制性能监测流程图

图 3  三容水箱示意图

针对一类带有反馈控制环节的动态系统, 本文提出了一种基于黎曼度量与控制性能衰退预测的性能监测与诊断方法. 首先, 提出了一个性能衰退的预测指标, 并给出该性能指标的离线与在线计算方法; 其次, 基于黎曼度量提出了系统性能衰退程度的监测方法, 并基于随机算法给出了对应的黎曼均值与阈值的设定方法, 进而实现性能监测; 最后, 通过分析各类故障的数据构建各类故障模态性能库并设计对应的阈值, 进而实现故障的实时定位. 通过三容水箱系统仿真验证了所提出故障诊断方法的有效性. 所提出的基于黎曼度量的性能监测与诊断方法既可以实现系统性能衰退监测, 又可识别故障位置, 在处理反馈控制系统的性能监测中显示出优秀的监测性能.

本文提出的性能监测与诊断方法面向线性系统. 但在该设计框架内, 可借助机器学习技术实现复杂工业非线性系统的性能衰退预测与故障诊断. 同时, 近年来基于性能的容错控制方法也受到越来越多的关注, 如何基于性能衰退预测的指标实现系统性能修复值得进一步研究. 另外, 目前工业系统结构复杂, 多呈现多子系统互联耦合的形式[44], 如何实现分布式性能衰退监测与容错控制, 也是值得研究的课题.

作者简介

李琳琳

北京科技大学自动化学院教授. 2008年获得西安交通大学学士学位, 2011年获得北京大学硕士学位, 2015 年获得德国杜伊斯堡−埃森大学博士学位. 主要研究方向为故障诊断与容错控制, 智能控制, 非线性系统的模糊控制和诊断. 本文通信作者. E-mail: linlin.li@ustb.edu.cn

李莎莎

北京科技大学自动化学院硕士研究生. 主要研究方向为故障诊断, 容错控制, 性能监测. E-mail: S20190578@xs.ustb.edu.cn

DING Steven Xianchun

德国杜伊斯堡−埃森大学控制工程教授, 自动控制与复杂系统研究所所长. 1992年于德国杜伊斯堡的Gerhard-Mercato大学获得博士学位. 主要研究方向为基于模型与数据驱动的故障诊断, 容错控制, 以及其在汽车系统和化工过程中的应用. E-mail: steven.ding@uni-due.de

彭鑫

华东理工大学能源化工过程智能制造教育部重点实验室研究员. 2009年和2017年分别获得华东理工大学控制科学与工程学士及博士学位. 主要研究方向为工业过程智能建模, 控制及优化, 数据驱动的状态监测与溯源诊断. E-mail: xinpeng@ecust.edu.cn

彭开香

北京科技大学自动化学院教授. 2007 年获得北京科技大学控制科学与工程博士学位. 主要研究方向为复杂工业系统故障诊断与容错控制. E-mail: kaixiang@ustb.edu.cn