今年的第二篇文章是关于故障诊断的，但仍离不开系统辨识。随着工业生产装置和其他技术过程的复杂化以及自动化水平的提高，对系统安全性和可靠性的要求也越来越高。过程监测、故障诊断和预测性维护成为现代自动化控制系统的重要组成部分。控制界提出的故障诊断方法主要分为两类：（1）基于数据驱动的方法；（2）基于机理模型的方法。由于没有充分考虑系统的动态特性，数据驱动方法的结果不准确。基于机理模型方法的困难是建模成本极高。

30年来，模型预测控制 (MPC) 技术在流程工业普及应用，创造了极大的经济效益。绝大部分（99%）MPC模型是通过系统辨识的手段得到的，这说明系统辨识是工业过程动态建模最可行的手段。将系统辨识与故障诊断紧密结合，有可能开发出实用的故障诊断方法。我们提出基于系统辨识的故障诊断，就是为了这一目的。

文章中，我们首先提出了一个在随机系统下故障诊断的性能指标；基于此，证明了模型的输出误差比预测误差更适合用于故障诊断；然后推导出最优诊断滤波器。将我们的方法用于Tennessee Eastman Process例子，与文献中的方法比较，故障诊断率最高，误报率最低。

文章见：J.M. Zhou and Y.C. Zhu (2021). Identification based fault detection: Residual selection and optimal filter. Journal of Process Control, vol. 105. Identification based fault detection - JPC 2021.pdf