【文章內(nèi)容簡介】 元發(fā)布必要的命令和協(xié)調(diào)管理并與上級(jí)決策管理中心進(jìn)行信息交換，接受上級(jí)給定的任務(wù)和調(diào)度，同時(shí)該級(jí)各監(jiān)測(cè)單元之 間可通過網(wǎng)絡(luò)進(jìn)行信息交互。 （ 3）決策管理級(jí) 它的主要任務(wù)是對(duì)整個(gè)系統(tǒng)進(jìn)行綜合管理，利用各下級(jí)傳來的信息所建的信息庫進(jìn)行深層次故障診斷，并定期選擇各對(duì)象的運(yùn)行狀況和發(fā)展趨勢(shì)進(jìn)分析。還應(yīng)進(jìn)一步對(duì)對(duì)象的服役環(huán)境及失效規(guī)律做出分析，為視情維修做出計(jì)劃并予以實(shí)施，并根據(jù)不同的對(duì)象進(jìn)行監(jiān)測(cè)和診斷方案的自適應(yīng)組態(tài)。同時(shí)，可掛接更高一級(jí)系統(tǒng)，為上級(jí)系統(tǒng)提供各種信息。 支撐系統(tǒng)的關(guān)鍵技術(shù) 在系統(tǒng)頂層設(shè)計(jì)階段，必須分離、細(xì)化出系統(tǒng)各關(guān)鍵技術(shù)以及做好關(guān)鍵技術(shù)頂層設(shè)計(jì)方法論的研究。關(guān)鍵技術(shù)的頂層設(shè)計(jì)是一項(xiàng)關(guān)系系統(tǒng)整體性能 及各個(gè)研究階段的開展的復(fù)雜工作，牽涉面廣，相互制約的因素多，關(guān)系復(fù)雜，需要站在一定的高度，進(jìn)行抽象和概括，弄清系統(tǒng)層次結(jié)構(gòu)，分清每一層結(jié)構(gòu)的內(nèi)容和屬性，根據(jù)性能價(jià)格比，采用邏輯推理和模糊推理相結(jié)合的方法進(jìn)行綜合，從而高質(zhì)量地完成系統(tǒng)的頂層設(shè)計(jì)。 作為以多目標(biāo)、多對(duì)象為應(yīng)用背景的智能狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)研究，必須從系統(tǒng)工程的角度，借助信息技術(shù)、傳感技術(shù)、現(xiàn)代數(shù)學(xué)方法、分布并行處理技術(shù)以及人工智能等為基礎(chǔ)，提取監(jiān)測(cè)與診斷的內(nèi)核。因此，該系統(tǒng)平臺(tái)以大型復(fù)雜機(jī)電設(shè)備所組成的大系統(tǒng)為背景的柔性智能狀態(tài)監(jiān)測(cè)與故障診斷 系統(tǒng)的體系結(jié)構(gòu)、模型與建模方法、識(shí)別與決策理論。 立足多學(xué)科交叉的可能性，本系統(tǒng)的關(guān)鍵技術(shù)有： 以復(fù)雜機(jī)電系統(tǒng)為應(yīng)用背景的智能狀態(tài)監(jiān)控與故障診斷基本概念及體系研究 （ 1）智能狀態(tài)監(jiān)測(cè)與故障診斷的概念及描述。主要內(nèi)容包括智能狀態(tài)監(jiān)測(cè)與故障診斷的概念確定，全信息描述和數(shù)學(xué)描述。 （ 2）智能狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)的體系結(jié)構(gòu)。主要內(nèi)容包括系統(tǒng)體系結(jié)構(gòu)的組成，體系結(jié)構(gòu)的合理性分析，最優(yōu)化結(jié)構(gòu)的建立與判定準(zhǔn)則，完成特定目標(biāo)所需要的功能及信息組成等。 （ 3）智能狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)的物理實(shí)現(xiàn)。主要內(nèi)容包括系 統(tǒng)的可靠性、先進(jìn)性、適應(yīng)性和經(jīng)濟(jì)性分析。 智能狀態(tài)監(jiān)控與故障診斷的全信息模型研究 （ 1）智能狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)的全信息模型的一般概念及描述。 （ 2）多傳感器信息融合技術(shù)。主要內(nèi)容包括多傳感器信息融合的原則，尤其是不同種類的信息獲取和融合方法。多傳感器信息融合層次結(jié)構(gòu)及方法，它包括了三個(gè)方面的研究內(nèi)容：①多傳感器數(shù)據(jù)層信息融合理論及方法，其中包括傳感器故障分離及誤差補(bǔ)償技術(shù)研究；② 9 多傳感器特征層信息融合理論及方法，其中包括特征提取、選擇及重構(gòu)理論與方法研究；③決策層信息融合理論與方法，神經(jīng)網(wǎng)絡(luò) 、過程模型等可以在這一領(lǐng)域里作出貢獻(xiàn)。 （ 3）基于模糊邏輯、神經(jīng)網(wǎng)絡(luò)、神經(jīng)元模糊技術(shù)、分形與混沌模型技術(shù)相結(jié)合的故障診斷技術(shù)研究。模糊邏輯對(duì)設(shè)計(jì)和控制用數(shù)學(xué)模型難以表達(dá)的復(fù)雜系統(tǒng)是很有用的，模糊 if—then 規(guī)則用來表達(dá)熟練操作員的經(jīng)驗(yàn)和控制工程師的知識(shí)，模糊理論這一語言方法能夠把符號(hào)處理和數(shù)值運(yùn)算融合起來。另一方面，人工神經(jīng)網(wǎng)絡(luò)提供了諸如模式識(shí)別、辨識(shí)、非線性系統(tǒng)預(yù)測(cè)、診斷和控制等多方面的功能。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力還可被用來從觀測(cè)數(shù)據(jù)中生成if— then 規(guī)則。此外，“混沌工程”正成為非線性時(shí)間序列預(yù)測(cè)、復(fù) 雜系統(tǒng)故障診斷的一項(xiàng)關(guān)鍵技術(shù)。因此，神經(jīng)元、模糊和混沌理論成為軟信息處理和模擬計(jì)算的基礎(chǔ)技術(shù)，它們能更好地表達(dá)直覺和創(chuàng)造性思維。 （ 4）訓(xùn)練樣本集不充分或者說在不完全知識(shí)條件下診斷決策規(guī)則及識(shí)別算法的研究。主要內(nèi)容包括自組織、自適應(yīng)、無監(jiān)督機(jī)器學(xué)習(xí)算法、符號(hào)學(xué)習(xí)（如 ID3/ID5 法）、基因算法的研究工作。其中，基于復(fù)雜學(xué)習(xí)網(wǎng)絡(luò)理論的遞歸結(jié)構(gòu)辨識(shí)算法（ RESID），它基本上不受先驗(yàn)知識(shí)的影響，是一類很有前途的故障診斷算法。 （ 5）系統(tǒng)決策處理及信息再生。主要包括三個(gè)方面的研究內(nèi)容：①系統(tǒng)的信息處理及決策，包括 知覺思維、邏輯思維在信息處理及決策中的應(yīng)用技術(shù)，創(chuàng)造性思維在信息處理及決策中的應(yīng)用技術(shù)，綜合決策方法，如采用動(dòng)態(tài)模型、控制理論、多變量統(tǒng)計(jì)、模式識(shí)別綜合進(jìn)行故障分離決策； ②系統(tǒng)控制信息再生的理論與方法；③再生控制信息分配及控制方法，包括控制信息對(duì)多控制輸入的分配原則、方法與控制策略。 大型復(fù)雜機(jī)電設(shè)備服役環(huán)境與失效規(guī)律研究 （ 1）機(jī)電設(shè)備失效機(jī)理研究：主要內(nèi)容包括機(jī)電設(shè)備失效的物理、化學(xué)特性及特征量的篩選研究，故障隱患的機(jī)理及預(yù)測(cè)分析模型，緩變失效與突發(fā)故障的內(nèi)在規(guī)律研究及模型描述，失效的發(fā)育 、成長及惡化的過程狀態(tài)研究，失效規(guī)律模擬仿真、實(shí)驗(yàn)手段及方法論研究； （ 2）機(jī)電設(shè)備服役環(huán)境與失效關(guān)系研究； （ 3）機(jī)電設(shè)備服役壽命預(yù)測(cè)理論及方法； （ 4）設(shè)計(jì)、制造、使用、維護(hù)一體化理論及應(yīng)用。 一個(gè)可實(shí)現(xiàn)的集成示范系統(tǒng) 根據(jù)系統(tǒng)模型的初步構(gòu)想，以對(duì)船舶動(dòng)力裝置的運(yùn)行狀態(tài)監(jiān)測(cè)為應(yīng)用背景，可以規(guī)劃出如圖 5 所示的實(shí)現(xiàn)框架結(jié)構(gòu)。在該實(shí)現(xiàn)框架中，采用三級(jí)分布式結(jié)構(gòu)。 現(xiàn)場監(jiān)控級(jí) （ 1）組成：包括監(jiān)控對(duì)象、各類傳感器、控制執(zhí)行器、可編程控制器（ PLC）、高速數(shù)據(jù)采集器。 （ 2）功能：利用各種類 型傳感器采集與監(jiān)測(cè)目標(biāo)有關(guān)的各類對(duì)象的信息（包括環(huán)境信息），將信息送入 PLC 處理，PLC無法處理的瞬變信號(hào)送入高速數(shù)據(jù)采集器進(jìn)行采集。PLC 經(jīng)過對(duì)傳感器信息的處理，綜合高速采集器所獲得的信息，反饋控制監(jiān)控對(duì)象。同時(shí)， PLC 還通過網(wǎng)絡(luò)與相關(guān)圖 5 系統(tǒng)實(shí)現(xiàn)框架 監(jiān)控機(jī) n 傳感器及執(zhí)行機(jī)構(gòu) 設(shè)備 /過程 現(xiàn)場測(cè)控級(jí) 決策管理級(jí) 過程監(jiān)控級(jí) 網(wǎng)絡(luò) 服務(wù)器 MGT HUB 模擬盤 診斷、決策 與管理機(jī) 數(shù)據(jù)庫 管理機(jī) 模擬顯示驅(qū)動(dòng) 監(jiān)控機(jī) 1 高速數(shù)據(jù)采集器 PLC PLC 高速數(shù)據(jù)采集器 傳感器及執(zhí)行機(jī)構(gòu) 設(shè)備 /過程 10 PLC 通訊，影響對(duì)相關(guān)對(duì)象的控制。另一方面，各 PLC 及高速數(shù)據(jù)采集器將信息送入上一級(jí)過程監(jiān)控機(jī)，并接受監(jiān)控機(jī) 的上層控制指令，完成監(jiān)控機(jī)對(duì)對(duì)象的直接控制。 （ 3）可靠性保障：利用傳感器的冗余技術(shù)，增強(qiáng)傳感器陳列可靠性；采用較高性能的 PLC；設(shè)計(jì)適合工業(yè)現(xiàn)場應(yīng)用的高速數(shù)據(jù)采集 器。 過程監(jiān)控級(jí) （ 1）組成：由若干臺(tái)工業(yè)控制計(jì)算機(jī)、信息交換網(wǎng)絡(luò)及各類外設(shè)等組成。 （ 2）功能：接收 PLC 及高速采集器信息，對(duì)設(shè)備組進(jìn)行綜合監(jiān)測(cè)、故障預(yù)警及初級(jí)診斷；向決策診斷中心定期傳送監(jiān)控對(duì)象信息；向下屬 PLC 發(fā)送控制信息，直接干預(yù)對(duì)設(shè)備的控制；向決策管理中心發(fā)送重大故障診斷的請(qǐng)求信息以申請(qǐng)對(duì)設(shè)備現(xiàn)有異常進(jìn)行深層診斷。 （ 3）可靠性保障：選用性能較好的工業(yè)控制計(jì)算機(jī)及網(wǎng)絡(luò)；利用雙機(jī)式三機(jī)容錯(cuò)分布式設(shè)計(jì)，避免單機(jī)故障造成大量信息丟失。 決策管理級(jí) （ 1）組成：遙控遙診計(jì)算機(jī)，現(xiàn)場 可靠性分析管理機(jī)，數(shù)據(jù)庫管理機(jī)，大容量存儲(chǔ)器，信息處理網(wǎng)絡(luò)，模擬顯示驅(qū)動(dòng)機(jī)及模擬盤等。 （ 2）功能：利用監(jiān)控機(jī)傳來的數(shù)據(jù)建立歷史數(shù)據(jù)檔案庫；對(duì)現(xiàn)場各設(shè)備進(jìn)行分析、診斷，并將結(jié)果返送監(jiān)控機(jī)；顯示各設(shè)備的異常情況；對(duì)復(fù)雜機(jī)電設(shè)備的服役環(huán)境進(jìn)行分析；利用遠(yuǎn)程網(wǎng)或信息高速公路接受遠(yuǎn)程信息，進(jìn)行遙控、遙診。 （ 3）可靠性保障：利用網(wǎng)絡(luò)管理（ MGT）監(jiān)視網(wǎng)絡(luò)運(yùn)行情況；各機(jī)具有互為冗余功能，同時(shí)運(yùn)行，互為備份；存貯器冗余，定期將數(shù)據(jù)轉(zhuǎn)存，保障數(shù)據(jù)的完整性。 此外，從有關(guān)文獻(xiàn)中發(fā)現(xiàn)，根據(jù)本文所述系統(tǒng)平臺(tái)原理結(jié)構(gòu)，還有一種更 優(yōu)的實(shí)現(xiàn)方案，即采用傳輸計(jì)算機(jī)（ Transputer）來實(shí)現(xiàn)。其基本原理將在介紹狀態(tài)監(jiān)測(cè)技術(shù)時(shí)給出，此處就不再贅述。 4 狀態(tài)監(jiān)測(cè)體系、技術(shù)與方法 狀態(tài)監(jiān)測(cè)任務(wù)的要素與組成 在針對(duì)設(shè)備及過程的研究中有兩個(gè)重要的研究目標(biāo)：一個(gè)是開發(fā)能夠良好運(yùn)行的或有能力制造各種各樣產(chǎn)品的、集成的自調(diào)節(jié)系統(tǒng)，它很少受操作員的監(jiān)督和輔助；另一個(gè)是提高運(yùn)行過程的可靠性、安全性和提高產(chǎn)品質(zhì)量，減少維護(hù)維修費(fèi)用。為了實(shí)現(xiàn)這兩個(gè)目標(biāo)，狀態(tài)監(jiān)測(cè)顯然是重要的技術(shù)需求之一。 關(guān)于監(jiān)測(cè)（ Monitoring），有幾個(gè)意義有關(guān)聯(lián)且 易混的詞，如監(jiān)視（ Surveillance， Supervision）、診斷法（ Diagnostics）、診斷（ Diagnosis）和檢測(cè)（ Detection）。本書中，狀態(tài)監(jiān)測(cè)指的是辨識(shí)基于機(jī)械設(shè)備及過程特征估計(jì)的狀態(tài)特性改變量的活動(dòng)。狀態(tài)監(jiān)測(cè)的意義是指確定狀態(tài)和檢測(cè)故障，而診斷則隱含分析與定位故障。 如圖 6 所示，狀態(tài)監(jiān)測(cè)的任務(wù)主要由三部分組成：信號(hào)拾取、信號(hào)處理和監(jiān)測(cè)決策?？捎玫膫鞲衅餍盘?hào)包括力、變形、加速度、溫度、壓力、聲發(fā)射、電流或電壓、光學(xué)信號(hào)等，與傳感器有關(guān)的主要指標(biāo)包括成本、可靠性、有 效性和信噪比。 圖 6 設(shè)備與過程的監(jiān)測(cè) 傳感器 傳感器 計(jì)算機(jī)系統(tǒng) 傳感器 信號(hào) 傳感器 設(shè) 備 及 過 程 信 號(hào) 處 理 監(jiān) 測(cè) 決 策 輸出 所估 計(jì)的 過程 狀態(tài) 11 可認(rèn)為信號(hào)處理和監(jiān)測(cè)決策是一個(gè)集成的整體，稱之為監(jiān)測(cè)方法。目前已開發(fā)了大量的監(jiān)測(cè)方法，最簡單的方法就是辨識(shí)兩類過程狀態(tài)（正常和異常狀態(tài)）的方法。如使用一個(gè)傳感器信號(hào)，可按如下條件描述： 如果 xty? ，那么狀態(tài)正常，否則狀態(tài)異常。 （ 1） 式中 y — 傳感器信號(hào)； tx — 閾值。 不管過程工作狀態(tài)和噪聲分布如何改變，如果信號(hào)對(duì)正常和異常狀態(tài)給出了明確的表征，則這一簡單的描述將是最優(yōu)的判決策略規(guī)則。然而在許多應(yīng)用中， 這一簡單的判決策略不能令人滿意。因此，有必要研究更有效的監(jiān)測(cè)方法。 監(jiān)測(cè)方法可以分為兩大類：基于模型的方法和基于特征的方法。對(duì)許多設(shè)備及過程而言，傳感器信號(hào)被認(rèn)為是動(dòng)態(tài)系統(tǒng)的輸出，并以時(shí)間序列的形式表現(xiàn)出來。相應(yīng)地，過程監(jiān)測(cè)是以系統(tǒng)模型化和模型估計(jì)為基礎(chǔ)的。根據(jù) Willems 的定義，一個(gè)動(dòng)態(tài)系統(tǒng)可以用由三個(gè)元素組成的集合 {T， W， B}來表示，其中 T 表示與系統(tǒng)相關(guān)的時(shí)間事件集； W 表示信號(hào)感興趣變量的賦值空間，它是通過系統(tǒng)與環(huán)境的相互作用而得到的；行為 B 表示映射 T→ W。動(dòng)態(tài)系統(tǒng)可能是非線性的和時(shí)變的，而線性時(shí)不 變系統(tǒng)則更易于理解，研究也更成熟 ]。 一個(gè)線性時(shí)不變系統(tǒng)可以用許多模型來描述，如狀態(tài)空間模型、輸入輸出傳遞函數(shù)模型、自回歸模型（ AR）、自回歸滑動(dòng)平均模型（ ARMA）等。有兩類方法可用來對(duì)模型進(jìn)行參數(shù)估計(jì)：精確模型方法和近似模型方法。 Willems 對(duì)這些方法進(jìn)行了系統(tǒng)的研究。在各類模型中，動(dòng)態(tài)數(shù)據(jù)系統(tǒng)方法（ DDS）對(duì)很多設(shè)備及過程的監(jiān)測(cè)非常有效，根據(jù) DDS 方法的理論，過程可以由 ARMA 模型來近似： 111111 ?????? ??????? ntnttntntt aaayyy ???? ?? （ 2） 式中 ),0(~ 2at NIDa ?— 白噪聲； i? 、 i? — 參數(shù)陣； n— 由系統(tǒng)程序來確定的模型階次。 與其它模型技術(shù)相比較， DDS 方法能更好地對(duì)過程進(jìn)行描述。且基于 ARMA 模型，可以獲得更精確的譜估計(jì)。 當(dāng)找到一個(gè)模型后，監(jiān)測(cè)可通過檢測(cè)模型參數(shù)的改變（如阻尼比、固有頻率等）來執(zhí)行，或檢測(cè)系統(tǒng)期望響應(yīng)的改變（如預(yù)測(cè)誤差）來執(zhí)行?；谀Ｐ偷谋O(jiān)測(cè)方法是故障檢測(cè)的方法之一，使用模型的方法對(duì)過程進(jìn)行監(jiān)測(cè)在許多文獻(xiàn)中都有報(bào)道。在一項(xiàng)有趣的研 究中，動(dòng)態(tài)模型（ AR Model）與狀態(tài)圖、 Boolean 方程被一起用來對(duì)機(jī)床的狀態(tài)進(jìn)行監(jiān)測(cè)。 盡管如此，基于模型的方法有兩個(gè)明顯的局限。首先，許多設(shè)備及過程是非線性的時(shí)變系統(tǒng)。一個(gè)典型的例子是機(jī)械制造中的切削過程，它的非線性是由結(jié)構(gòu)振動(dòng)和切削力之間的相互作用引起的。即使采用自適應(yīng)的方案，以基于模型的方法對(duì)過程結(jié)構(gòu)的改變量進(jìn)行監(jiān)測(cè)，仍難見成效。其次，傳感器的信號(hào)依賴于過程的工作條件，常常很難辨識(shí)一個(gè)傳感器信號(hào)的改變量是由過程工作條件改變引起的還是由過程本身的衰變引起的。 基于特征的監(jiān)測(cè)方法是使用傳感器信號(hào)的 適當(dāng)特征來辨識(shí)設(shè)備過程狀態(tài)的。給定一個(gè)傳感器信號(hào) { ?，， 21?tyt }，傳感器信號(hào)的特征（也稱作監(jiān)測(cè)指數(shù)，亦即后敘的模式特征向量）可以表達(dá)為 )P(yx t? （ 3） 式中 P( ) — 模型階次算子。 這些特征可能是傳感器信號(hào)的時(shí)域或頻域特征，如均值、方差、偏斜度、峭度、特定頻帶功率等。一種特殊情況是 tt y)P(yx ?? ，即監(jiān)測(cè)指數(shù)是傳感器 信號(hào)本身。推薦使用的是歸一化指數(shù)，即監(jiān)測(cè)指數(shù)獨(dú)立于物理單位。通常，算子 P( )可能是隨時(shí)間變化的（與時(shí)間相關(guān)）、 12 非線性的、甚至是非解析的形式。因此，監(jiān)測(cè)指數(shù)可以是連續(xù)數(shù)值（如傳感器信號(hào)的平均值），或離散的事件（如邏輯符號(hào)“ on”和“ off”）。過程的工作狀態(tài)（即工作條件，如切削速度等）也可以用作監(jiān)測(cè)指數(shù)。 顯然，選擇適當(dāng)?shù)谋O(jiān)測(cè)指數(shù)是非常關(guān)鍵的。在理想情況下，監(jiān)測(cè)指數(shù)應(yīng)能：（ a）對(duì)過程健康狀況靈敏；（ b）對(duì)過程工作條件不靈敏；（ c）實(shí)現(xiàn)成本經(jīng)濟(jì)。實(shí)際上，監(jiān)測(cè)指數(shù)是以分析研究、計(jì)算機(jī)過程仿真和系統(tǒng)試驗(yàn)為基礎(chǔ)的。 在許多應(yīng)用中，監(jiān)測(cè)指數(shù)的選擇需要一定的技巧，監(jiān)測(cè)指數(shù)的適當(dāng)選擇常常包含著各