基于滤波器方法的非线性系统的故障检测与诊断
出处：按学科分类—自然科学总论 北京出版社《现代科技综述大辞典上》第124页（3137字）
随着系统规模的不断扩大和复杂性的增加，人们迫切需要提高系统的可靠性和安全性，而故障检测与诊断技术则是实现这一目标的有力手段，具有重大的应用价值。
由于实际系统严格地说均是非线性系统，由此导致了研究基于滤波器方法的非线性系统的FDD技术，它是FDD领域的前沿课题之一。
1971年美国的俾尔德(R．V．Beard)首先提出了用解析冗余(软件冗余)代替硬件冗余的新思想，是现代FDD技术的开端。
随着现代控制理论、信息论及计算机科学的发展，已提出了众多有效的FDD方法，并已在宇航、核电站及众多的工业过程中得到应用。美国的威尔斯基(A．S．Willsky)等于1974年提出了一种广义似然比方法，用于检测和估计动态系统中的阶跃型故障，随后布埃诺(R．Bueno，1976)、泰利(J．L．Tylee，1981)和马迪韦尔(A．Madiwale，1983)等又对其进行了发展和应用。1976年基恩(T．T．Chien)等给出了一种修正的序列概率比方法，可用于动态系统故障的检测。1979年，德国的弗里德伦德(B．Friedland)应用非线性滤波器，给出了一种极大似然估计方法，用于检测并估计单输入单输出系统的突变型故障，并于1981年将其推广到了多输入多输出系统，将系统参数用马尔柯夫链进行表达。
印度的图格纳特(T．K．Tugnait)于1981年提出了一种检测和诊断系统结构变动的方法，为减少计算量，他采用了多种近似滤波器。1984年，芬兰的哈尔梅(A．Halme)等提出了一种基于自适应滤波器的故障检测方法，可以检测出传感器和驱动回路的缓变偏差型故障。
基于滤波器方法的非线性系统的FDD方法具有广泛的适用性，这首先是由于这种方法是基于模型的非线性系统的FDD的主导方法，而观测器方法可看成滤波器方法的特例。其次，即使线性系统的参数估计问题通常也要转化为非线性系统的状态估计问题进行处理。
此外，系统中通常存在随机干扰，因此可处理随机干扰的滤波器方法自然显得更加重要。
由于非线性系统的最优滤波器通常是无穷维的而不可实现，因此在非线性系统的FDD方法中基本上采用的是次优的近似滤波器。
采用滤波器方法进行非线性系统的FDD有两种主要策略，一种是由滤波器对非线性系统的状态进行重构，并由此得到残差序列，然后通过对残差序列进行处理，采用统计决策方法得到系统的故障信息。但这一策略通常只适合于进行故障的检测，不适合于确定故障的部位及估计出故障的大小(诊断)。另一种策略是将滤波器用于非线性系统的参数估计，在线得到系统的参数序列，通过对参数序列进行统计分析，不仅可以检测出故障，而且还可达到对故障进行诊断的目的。
1979年吉村正(T．Yoshimura)等采用扩展卡尔曼滤波器(EKF)同时估计系统的参数及状态，并用序列概率比法监控系统的运行状态，当检测得知系统参数发生跳变故障时，立即修正相应的预报协方差阵，以此达到对时变参数的有效估计。
1984年，乌索罗(P．B．Usoro)等同样采用的EKF及序列概率比方法，成功地对某通风及空调系统的故障进行了检测。1984年，路易(J．Louis)等采用EKF及残差加权法得到了一种FDD方法，可用于检测核反应堆的故障。
1987年，希腊的普利泽(A．Pouliezos)等提出了一种基于离散型平方根滤波器的故障检测与诊断方法，实现了对机器人驱动系统参数的在线监控。1990年德国的弗兰克(P．M．Frank)采用逆非线性模型构成残差向量的办法，得到了一种故障检测方法，可用于检测机械臂故障。
德国的伊泽曼(R．Isermann)从1981年起就一直致力于研究基于参数估计的FDD方法，并已将其研究成果成功地应用到了诸如电机驱动水泵、液体及气体输送管道的故障检测与诊断。
中国的周东华(D．H．Zhou)等于1990年提出了一种次优渐消的扩展卡尔曼滤波器，并基于这种滤波器提出了一整套系统性的用于非线性时变随机系统的故障检测与诊断方法，达到了对被控系统的传感器、驱动回路及元器件故障的同时检测与诊断，不仅可以检测及诊断阶跃型突变故障，而且还可以检测及诊断缓变型偏差故障。
采用基于滤器方法的FDD技术的首要前提是需要建立被控系统的比较准确的数学模型，并且此数学模型的精度要高于控制系统所要求的模型精度。采用参数估计策略时，要求过程元器件参数同模型参数具有一一对应的关系，这样才能通过对模型参数的监控达到对被控过程元器件监控的目的。
另外由于在线辨识系统的参数和状态的要求较高，因此故障检测与诊断系统所要求的计算机与控制系统所要求的计算机相比，应具有更高的运算速度。
基于滤波器方法的非线性系统的FDD技术发展时间很短，与线性系统的FDD技术相比还很不成熟，仍有许多尚待解决的理论与技术问题，如，(1)实用有效的用于非线性系统状态及参数估计的滤波器，使其具有较低的计算复杂性，较强的关于系统噪声的鲁棒性，极强的对实变参数的跟踪能力，及对滤波初值的不敏感性。
(2)多变量非线性系统脉冲故障的检测与诊断方法；(3)无先验知识的被控过程结构变化的检测与诊断方法；(4)基于滤波器方法的FDD技术的最优阀值的选取；(5)与基于知识及利用人工神经网络的FDD方法的有机结合；(6)以FDD为中心的容错控制系统的研究，以及实时专家系统的建立。
可以相信，上述问题的解决不仅会使基于滤波器方法的FDD技术趋于完善并得到更广泛的应用，而且会大大促进现代控制理论的发展。
。【参考文献】：1 Will sky AS. Automatica ,1976,12:601～611
2 Chien T T, et al. IEEE Trans on AC,1976,21:750～757
3 Friedland B. IEEE Trans on AC,1979,24:932～937
4 Isermann R. Automatica,1984,20:387～404
5 叶银忠，等．信息与控制，1985，14：27～34
6 Frank P M. Reliability and Related Knowledge Based Approach 1987,1:35～98
7 Frank P M. Preprints of 11th IF AC World Congress 1990, 2:76～81
8 周东华，等．控制理论与应用，1991，8：1～10
9 Zhou D H，et al．Preprints of IFAC／IFIP／IMACs Symposium on Robot Control，1991，1：723～728
(浙江大学周东华博士撰)