一、網(wǎng)絡(luò)控制系統(tǒng)

近年來，網(wǎng)絡(luò)控制系統(tǒng)（NCS）己成為學(xué)術(shù)界和工業(yè)界的研究熱點之一。將網(wǎng)絡(luò)集成到控制系統(tǒng)中取代傳統(tǒng)的計算機(jī)控制系統(tǒng)中的點對點連線具有很多優(yōu)點，如：布線成本的降低，電纜重量的減少，安裝過程的簡化以及可靠性的提高等。網(wǎng)絡(luò)控制系統(tǒng)（NCS）便于實現(xiàn)系統(tǒng)的診斷和維護(hù)，同時也可提高系統(tǒng)的柔性。但是，在反饋控制回路中加入通信網(wǎng)絡(luò)的同時，也增加了控制系統(tǒng)分析和設(shè)計的復(fù)雜性。因此，網(wǎng)絡(luò)控制系統(tǒng)必須解決的關(guān)鍵問題之一，就是在網(wǎng)絡(luò)帶寬有限的情況下如何保證控制系統(tǒng)的實時性與穩(wěn)定性。

（一）網(wǎng)絡(luò)控制系統(tǒng)的概述

圖1.1網(wǎng)絡(luò)控制系統(tǒng)結(jié)構(gòu)圖

網(wǎng)絡(luò)控制系統(tǒng)涵蓋了兩方面的內(nèi)容：系統(tǒng)節(jié)點的分布化和控制回路的網(wǎng)絡(luò)化。而通過網(wǎng)絡(luò)形成控制回路是NCS最大的一個特點。網(wǎng)絡(luò)控制系統(tǒng)結(jié)構(gòu)圖，見圖1.1。

（二）典型的網(wǎng)絡(luò)控制系統(tǒng)

目前應(yīng)用于控制領(lǐng)域中的網(wǎng)絡(luò)控制系統(tǒng)有現(xiàn)場總線控制系統(tǒng)(FieldbusSystem)、工業(yè)以太網(wǎng)(IndustrialEthernet)控制系統(tǒng)以及無線網(wǎng)控制系統(tǒng)(WirelessNCS)等。典型網(wǎng)絡(luò)控制系統(tǒng)結(jié)構(gòu)圖見圖1.2。分類：1.現(xiàn)場總線控制系統(tǒng)；2.工業(yè)以太網(wǎng)(IE)控制系統(tǒng)；3.無線局域網(wǎng)控制系統(tǒng)。

圖1.2典型網(wǎng)絡(luò)控制系統(tǒng)的結(jié)構(gòu)圖

（三）網(wǎng)絡(luò)控制系統(tǒng)的基本問題

一般控制系統(tǒng)的研究內(nèi)容，如控制算法、可靠性、實時性、互操作性、安全性等仍然屬于網(wǎng)絡(luò)控制系統(tǒng)的研究內(nèi)容，但由于網(wǎng)絡(luò)技術(shù)的應(yīng)用，呈現(xiàn)出新特性，便產(chǎn)生了新問題，以下是網(wǎng)絡(luò)控制系統(tǒng)的主要研究內(nèi)容：1.控制時延；2.網(wǎng)絡(luò)控制系統(tǒng)體系結(jié)構(gòu)；3.網(wǎng)絡(luò)控制系統(tǒng)通信協(xié)議與企業(yè)信息集成；4.抖動；5.網(wǎng)絡(luò)控制系統(tǒng)的穩(wěn)定性；6.網(wǎng)絡(luò)控制系統(tǒng)的控制算法與調(diào)度優(yōu)化方法；7.網(wǎng)絡(luò)控制系統(tǒng)的互操作性；8.網(wǎng)絡(luò)控制系統(tǒng)容錯控制；9.數(shù)據(jù)包丟失；10.數(shù)據(jù)包的時序錯亂；11.結(jié)點驅(qū)動方式；12.網(wǎng)絡(luò)安全改進(jìn)。

隨著控制系統(tǒng)向大型化和網(wǎng)絡(luò)化發(fā)展，網(wǎng)絡(luò)控制系統(tǒng)的故障診斷己成為一個新的研究課題。在工程實現(xiàn)中，NCS對安全性和可靠性要求很高，如果某些微小故障不能及時排出將造成巨大的災(zāi)難和損失。

二、網(wǎng)絡(luò)控制系統(tǒng)的故障診斷技術(shù)

（一）故障診斷的基本概念與基本方法

1.基本概念

所謂故障診斷,就是利用被診斷系統(tǒng)的各種狀態(tài)信息和已有的各種知識,進(jìn)行信息的綜合處理,最終得到關(guān)于系統(tǒng)運(yùn)行和故障狀況綜合評價的過程。其基本目標(biāo)是確定診斷對象有無故障,若有,則進(jìn)一步確定故障的性質(zhì)、原因、類型,以及發(fā)生的部位等。

2.基本方法

從不同的角度出發(fā)有多種故障診斷分類方法，概括的講可以分為兩大類：基于數(shù)學(xué)模型的方法和基于人工智能的方法。如圖2.1所示。

圖2.1故障診斷方法分類示意圖

（二）故障診斷方法的研究

1.基于數(shù)學(xué)模型的方法

⑴基于直接測量系統(tǒng)輸入輸出及信號處理的方法

該診斷方法是直接測量被診斷對象有關(guān)的輸出量，如果輸出超出正常變化范圍，則可以認(rèn)為對象已經(jīng)或?qū)⒁l(fā)生故障。這種方法簡單，但容易出現(xiàn)故障的誤判和漏判。另一種較為可行的方法是用一定的數(shù)學(xué)手段描述輸出在幅值、相位、頻率及相關(guān)性上與故障源之間的聯(lián)系，通過分析與處理這些量，來判斷故障的位置。常用的方法有譜分析法、概率密度法、相關(guān)分析法等。

⑵基于狀態(tài)估計的方法

被診斷過程的狀態(tài)，通過估計出系統(tǒng)的狀態(tài)并結(jié)合適當(dāng)模型則可進(jìn)行故障診斷。首先重構(gòu)被診斷過程的狀態(tài)，并構(gòu)成殘差序列，殘差序列中包含各種故障信息。基于這個序列，通過構(gòu)造適當(dāng)?shù)哪Ｐ筒⒉捎媒y(tǒng)計檢驗法，才能把故障從中檢測出來并做進(jìn)一步的分離、估計和決策。狀態(tài)估計的方法通常是狀態(tài)觀測器及濾波器。采用這個方法的前提條件是：①過程數(shù)學(xué)模型知識（結(jié)構(gòu)及參數(shù)）；②噪聲的統(tǒng)計特征；③系統(tǒng)可觀測或部分可觀測；④方程解析應(yīng)有一定精度；⑤在許多場合下將模型線性化并假設(shè)干擾為白噪聲。

⑶基于過程參數(shù)估計的方法

此方法與基于狀態(tài)估計的診斷方法不同，它不需要計算殘差序列，而是根據(jù)參數(shù)變化的統(tǒng)計特性來檢測故障的發(fā)生，而后進(jìn)行故障分離、估計和分類。由于可以建立故障與過程參數(shù)的精確聯(lián)系，因此這種方法比基于狀態(tài)估計的方法更有利于分離故障。最小二乘法簡單實用，是參數(shù)估計的首選方案。采用此方法的前提條件是：①需建立精確的數(shù)學(xué)模型；②需要有效的參數(shù)估計方法；③被控過程的充分激勵；④選擇適當(dāng)?shù)倪^程參數(shù)；⑤必要的統(tǒng)計決策方法。

基于數(shù)學(xué)模型的故障診斷方法，其優(yōu)點是能深入系統(tǒng)本質(zhì)的動態(tài)性質(zhì)和實現(xiàn)實時診斷，缺點是當(dāng)系統(tǒng)模型未知、不確定或具有非線性時，這種方法不易實現(xiàn)。

2.基于人工智能的方法

⑴基于專家系統(tǒng)（ES）的方法

基于專家系統(tǒng)的診斷方法是故障診斷領(lǐng)域中最為引人注目的發(fā)展方向之一，也是研究最多，應(yīng)用最廣的一類智能診斷技術(shù)。它大致經(jīng)歷了兩個發(fā)展階段：基于淺知識（領(lǐng)域?qū)＜业慕?jīng)驗知識）的故障診斷系統(tǒng)和基于深知識（診斷對象的模型知識）的故障診斷系統(tǒng)。①基于淺知識的診斷方法。淺知識是指領(lǐng)域?qū)＜业慕?jīng)驗知識。此診斷系統(tǒng)通過演繹推理或產(chǎn)生式推理來獲取診斷結(jié)果，其目的是尋找一個故障集合使之能對一個給定的征兆（包括存在的和缺席的）集合產(chǎn)生的原因做出最佳解釋。此方法具有知識表達(dá)直觀、形式統(tǒng)一、模塊性強(qiáng)、推理速度快等優(yōu)點，但也具有較大的局限性，如知識集不完備，對沒有考慮到的問題系統(tǒng)容易陷入困境；對診斷結(jié)果的解釋能力弱等。②基于深知識的診斷方法。深知識則是指診斷對象的結(jié)構(gòu)、性能和功能的知識。此診斷系統(tǒng)要求對象的每一個環(huán)節(jié)具有明確的輸入輸出表達(dá)關(guān)系，診斷時首先通過診斷對象實際輸出與期望輸出之間的不一致，生成引起這種不一致的原因集合，然后根據(jù)診斷對象領(lǐng)域中的第一定律知識（具有明確科學(xué)依據(jù)的知識）及其他內(nèi)部特定的約束關(guān)系，采用一定的算法，找出可能的故障源。這種方法具有知識獲取方便、維護(hù)簡單、完備性強(qiáng)等優(yōu)點，但搜索空間大，推理速度慢。近年來發(fā)展了基于經(jīng)驗知識和模型知識相結(jié)合的故障診斷方法。③基于淺知識和深知識的混合診斷方法。對于復(fù)雜設(shè)備系統(tǒng)而言，無論單獨使用淺知識還是深知識，都難以很好地完成診斷任務(wù)，只有將兩者結(jié)合起來，才能使診斷系統(tǒng)的性能得到優(yōu)化。因此，為了使故障智能診斷系統(tǒng)具備與人類專家能力相近的知識，研制者在建造智能診斷系統(tǒng)時，越來越強(qiáng)調(diào)不僅要重視領(lǐng)域?qū)＜业慕?jīng)驗知識，更要注重診斷對象的結(jié)構(gòu)、功能、原理等知識，研究的重點是淺知識與深知識的集成表示方法和使用方法。事實上，一個高水平的領(lǐng)域?qū)＜以谶M(jìn)行診斷問題求解時，總是先將他具有的深知識和淺知識結(jié)合起來，完成診斷任務(wù)。一般優(yōu)先使用淺知識，找到診斷問題的解或者是近似解，必要時用深知識獲得診斷問題的精確解。

專家系統(tǒng)方法一直是基于知識的故障診斷中的研究重點，經(jīng)多年發(fā)展已比較成熟。它不需要一個人類問題求解的精確匹配，而能夠通過計算機(jī)提供一個復(fù)制問題求解的合理模型。圖2.2是一個基于知識的專家系統(tǒng)的工作模型，由知識庫、全局?jǐn)?shù)據(jù)庫、推理機(jī)、知識獲取機(jī)制、解釋機(jī)制和用戶界面六個部分組成。分為專家系統(tǒng)運(yùn)行和知識庫管理兩個功能模塊。專家系統(tǒng)運(yùn)行模塊用來實現(xiàn)基于知識的故障診斷和故障碼的速查。知識庫管理模塊用來實現(xiàn)推理規(guī)則和故障碼的錄入、存儲、校驗以及知識庫的轉(zhuǎn)換。

圖2.2基于知識的專家系統(tǒng)工作模型

⑵基于案例的診斷方法

此方法能通過修訂相似問題的成功結(jié)果來求解新問題。它能通過將獲得新知識作為案例來進(jìn)行學(xué)習(xí)，不需要詳細(xì)地診斷對象模型。在這種推理方法中，主要包括：案例表達(dá)和索引、案例的檢索、案例的修訂、從失敗中學(xué)習(xí)等。此方法的原理是，對于所診斷的對象，根據(jù)其特征從案例庫中檢索出與該對象的診斷問題最相似匹配的案例，然后對該案例的診斷結(jié)果進(jìn)行修訂作為該對象的診斷結(jié)果。此方法適用于領(lǐng)域定理難以表示成規(guī)則形式，而易表示成案例形式并且已經(jīng)積累了豐富的案例的領(lǐng)域。它的局限性是：傳統(tǒng)的方法難以表示案例之間的聯(lián)系；對于大型案例庫進(jìn)行檢索非常費(fèi)時，并且難以決定應(yīng)選擇那些癥狀及它們的權(quán)重；此方法難以處理案例修訂時的一致性檢索，難以對診斷結(jié)果加以解釋。

⑶基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的方法

神經(jīng)網(wǎng)絡(luò)在故障診斷領(lǐng)域的應(yīng)用研究主要集中在兩個方面：一是從模式識別的角度，應(yīng)用神經(jīng)網(wǎng)絡(luò)作為分類器進(jìn)行故障診斷；二是將神經(jīng)網(wǎng)絡(luò)與其他診斷方法相結(jié)合而形成的復(fù)合故障診斷方法。

人工神經(jīng)元網(wǎng)絡(luò)用于故障診斷主要有四種方式：①用神經(jīng)元網(wǎng)絡(luò)產(chǎn)生殘差；②用神經(jīng)元網(wǎng)絡(luò)評價殘差；③用神經(jīng)元網(wǎng)絡(luò)做進(jìn)一步診斷；④用神經(jīng)元網(wǎng)絡(luò)作自適應(yīng)誤差補(bǔ)償。把模糊數(shù)學(xué)與神經(jīng)網(wǎng)絡(luò)相結(jié)合，可以在神經(jīng)網(wǎng)絡(luò)框架下引入定性知識，能得到更好的診斷性能，具有巨大的應(yīng)用前景。聯(lián)合多個神經(jīng)網(wǎng)絡(luò)的診斷方法能提高故障診斷的可靠性。因為神經(jīng)網(wǎng)絡(luò)存在諸如：訓(xùn)練樣本獲取困難、網(wǎng)絡(luò)權(quán)值表達(dá)方式難以理解、忽視了領(lǐng)域?qū)＜业慕?jīng)驗知識等問題，所以通過與基于模型的方法、專家系統(tǒng)、信息融合等理論相結(jié)合，可以彌補(bǔ)其不足。

神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元廣泛互連而成的網(wǎng)絡(luò)。根據(jù)連接方式不同，可分為兩大類：沒有反饋的前向網(wǎng)絡(luò)和相互結(jié)合型網(wǎng)絡(luò)。ANN的工作過程有兩個階段組成。一個是學(xué)習(xí)期（自適應(yīng)期或設(shè)計期），此時各計算單元狀態(tài)不變，各連接權(quán)值可修改（通過學(xué)習(xí)樣本或其它方法）。另一個階段是工作期，此時各連接權(quán)值固定，計算單元的狀態(tài)變化，以求達(dá)到穩(wěn)定狀態(tài)。神經(jīng)網(wǎng)絡(luò)的優(yōu)點是，具有復(fù)雜多模式及進(jìn)行聯(lián)想、推理和記憶功能。目前有五種常用于故障診斷的神經(jīng)網(wǎng)絡(luò)模型種類，如圖2.6所示。文獻(xiàn)[10]對這五種模型作了詳細(xì)介紹。

圖2.65種常用于故障診斷的神經(jīng)網(wǎng)絡(luò)模型

⑷基于模糊數(shù)學(xué)的方法

此方法不需要建立精確的數(shù)學(xué)模型，適當(dāng)?shù)剡\(yùn)用隸屬函數(shù)和模糊規(guī)則，進(jìn)行模糊推理就可以實現(xiàn)模糊診斷的智能化。但對于復(fù)雜的診斷系統(tǒng)，要建立正確的模糊規(guī)則和隸屬函數(shù)是非常困難的，而且要花費(fèi)很長的時間。對于更大的模糊規(guī)則和隸屬函數(shù)集合而言，難以找出規(guī)則與規(guī)則之間的關(guān)系，也就是說規(guī)則有“組合爆炸”現(xiàn)象發(fā)生。另外由于系統(tǒng)的復(fù)雜性、耦合性，由時域、頻域特征空間至故障模式特征空間的映射關(guān)系往往存在著較強(qiáng)的非線性，這時隸屬函數(shù)形狀不規(guī)則，只能用規(guī)范的加以代替處理，從而使得非線性系統(tǒng)的診斷結(jié)果不夠理想。

⑸基于故障樹的方法

故障樹方法是由計算機(jī)依據(jù)故障與原因的先驗知識和故障率知識自動輔助生成故障樹，并自動生成故障樹的搜索過程。診斷過程從系統(tǒng)的某一個故障開始，沿著故障樹不斷提問而逐級構(gòu)成一個遞接故障樹，通過對此故障樹的啟發(fā)式搜索，最終查處故障的根本原因。

三、故障智能診斷發(fā)展的現(xiàn)狀

故障智能診斷系統(tǒng)的發(fā)展歷史雖然短暫，但在電路與數(shù)字電子設(shè)備、機(jī)電設(shè)備、軍事設(shè)備等方面已取得了令人矚目的成就。

在20世紀(jì)80年代，故障智能診斷系統(tǒng)被認(rèn)為是診斷技術(shù)的重要發(fā)展方向，這是因為，一方面故障智能診斷具有傳統(tǒng)診斷方法無法比擬的優(yōu)點，另一方面，復(fù)雜的設(shè)備診斷在很大程度上需要依賴專家的經(jīng)驗知識。因此國內(nèi)外專家學(xué)者陸續(xù)開發(fā)了一大批基于知識的故障診斷系統(tǒng)，各種診斷方法和技術(shù)也在診斷系統(tǒng)中得到了應(yīng)用。但從已取得的研究成果來看，目前的故障智能診斷系統(tǒng)還存在許多尚需進(jìn)一步解決的問題。下面從診斷知識的角度給予分析：①知識庫龐大；②解決問題能力的局限性；③深、淺知識結(jié)合能力差；④自動獲取知識能力差；⑤容錯能力差；⑥對不確定性知識的處理能力差。

總之，故障智能診斷系統(tǒng)無論在理論上還是在系統(tǒng)開發(fā)方面都已取得了很大進(jìn)步，但真正投入使用并且功能完善的系統(tǒng)并不多，大多數(shù)研究成果仍然停留在實驗室階段。造成這種理論與實踐脫節(jié)有兩個方面的原因，一方面是由理論研究所限定的條件與實際應(yīng)用時的情況相差甚遠(yuǎn)，另一方面是由于對診斷對象缺乏深刻的認(rèn)識和研究，而且作為人工智能技術(shù)本身也有待進(jìn)一步發(fā)展和完善。

四、故障智能診斷系統(tǒng)的發(fā)展趨勢

隨著知識工程的發(fā)展以及數(shù)據(jù)庫、神經(jīng)網(wǎng)絡(luò)等技術(shù)的日新月異，必然引起故障智能診斷系統(tǒng)的在各個方面的不斷發(fā)展。其發(fā)展趨勢可概括為以下幾點：1多種知識表示方法的結(jié)合；2經(jīng)驗知識與原理知識的緊密結(jié)合；3診斷系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合

五、結(jié)論

本論文系統(tǒng)而深入的討論了ANN和ES。到目前為止，這兩種方法基本上還是分開研究的，不論哪種方法實現(xiàn)的系統(tǒng)都是有局限性的，兩種方法各有所長，傳統(tǒng)的ES擅長模擬人類的邏輯思維，而ANN方法擅長模擬人類的形象思維，兩種方法綜合在一起研究則是模擬智能必然的道路。

ANN和ES相結(jié)合的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，其可預(yù)見的優(yōu)點是：它不但具有高度并行及容錯性、實時性和自適應(yīng)性，還具有自組織、自學(xué)習(xí)、聯(lián)想記憶以及在工作中不斷創(chuàng)新等功能?？傊?，神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)具有很大的潛力。未來智能計算機(jī)可能就是這兩者有機(jī)的、最佳的結(jié)合，ES或知識工程將更進(jìn)一步沿著這條道路向縱深發(fā)展?？梢灶A(yù)言，ANN和ES的成功結(jié)合將推動故障診斷系統(tǒng)方法的研究進(jìn)入一個新的時期，也將為其在復(fù)雜電子裝備系統(tǒng)中的應(yīng)用提供新的領(lǐng)域。

參考文獻(xiàn)：

⑴譚民.控制系統(tǒng)故障檢測與診斷技術(shù)及其可靠性問題的研究.

⑵張結(jié)斌，文代剛，基于工Internet/Intranet分布式網(wǎng)絡(luò)控制系統(tǒng)的實現(xiàn)

⑶張識越，聞新，周露.國內(nèi)控制系統(tǒng)故障診斷技術(shù)的現(xiàn)狀與發(fā)展.火力指揮控制

⑷聞新.故障系統(tǒng)的智能容錯控制理論研究及應(yīng)用.哈爾濱工業(yè)大學(xué)博士學(xué)位論文

⑸焦李成.神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論

⑹楊士元.數(shù)學(xué)系統(tǒng)的故障診斷與可靠性設(shè)計.北京：清華大學(xué)出版社

⑺虞和濟(jì).故障診斷的基本知識.北京：冶金工業(yè)出版社

⑻關(guān)惠玲，王偉.模糊神經(jīng)網(wǎng)絡(luò)故障診斷專家系統(tǒng).鄭州工業(yè)大學(xué)學(xué)報

⑼吳今培，肖建華.故障診斷專家系統(tǒng)得一種新設(shè)計方案，振動、測試與診斷

⑽周華東等.故障檢測與診斷技術(shù).控制理論與應(yīng)用