[發明專利]混合不確定下的主動故障診斷方法、裝置及存儲介質

有效

• 申請號: 202111180527.3
• 申請日: 2021-10-11
• 公開（公告）號: CN114003015B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 梁斌;邱豪豪;徐峰;王學謙
• 申請（專利權）人: 清華大學深圳國際研究生院
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 江耀純

本發明公開了一種混合不確定下的主動故障診斷方法、裝置及存儲介質。該均衡控制方法始于根據系統模型建立系統的中心動力學方程，以及不確定性因素的動力學方程，接著建立主動故障診斷優化問題，采用重新線性化技術以及分支定界方法求解主動故障診斷優化問題，獲得全局最優解并基于全局最優解，確定系統的工作模態。本發明能應對更加一般化的不確定性建模，不確定因素被建模為兩個隨機項之和，其中一項符合高斯分布，另一項符合集約束，該混合不確定下的故障診斷問題最終會轉化為QCQP問題，同時本發明可以應對多種故障模態及故障類型(執行器故障、系統故障及傳感器故障等)。

技術領域

本發明涉及故障診斷領域，更具體地，涉及一種混合不確定下的主動故障診斷方法、裝置及存儲介質。

背景技術

故障一直以來都是現代工業系統的一大威脅，近幾年由于各種工業系統越來越復雜，人們對工業系統的可靠性以及效率上的需求也在逐步增大，故障診斷技術也因此吸引了大量工業界以及學術界的目光。故障診斷技術是一種利用系統輸入輸出信息、系統模型以及相關先驗知識實現故障的檢測，并進一步實現故障部位的判斷的技術。由于實際的系統中總會存在各種各樣的不確定性(如系統參數擾動、觀測噪聲等)以及多種潛在故障類型及模態(如執行器故障、系統故障)，現在主流的基于模型的故障診斷技術均考慮多故障模態以及不確定性的影響。

基于模型的故障診斷方法一般可以分為被動故障診斷PFD(passive?faultdiagnosis)和主動故障診斷AFD(active?fault?diagnosis)。被動的方法只利用系統輸入輸出信息與系統模型的一致性原則，被動地實現故障診斷，而主動的方法則會利用各種方式設計輸入信號，并將其輸入進系統，激勵系統產生更多的信息，進而提高了故障診斷的整體性能。根據對模型不確定性的描述不同，主動故障診斷又可分為隨機方法、確定性方法以及混合方法。在隨機方法的框架下，擾動以及噪聲等不確定因素被描述為概率分布，往往都是高斯分布；在確定性框架下，不確定因素被描述為有邊界的集合(集約束)；而混合框架下會將概率分布以及集合的性質都引入到不確定因素的描述上。

無論是在隨機框架還是確定性框架下，都有比較成熟的主動故障診斷方法，但是在混合情況下，現有的主動故障診斷方法總有一些缺點和不足，這些方法都是把不確定性描述為按照一定概率密度函數分布在具有邊界的集合內，本質上仍脫離不了確定性的框架。而從系統建模角度來說，相較于單一的概率分布或者集約束的不確定性建模方式，混合框架下的不確定性建模更普遍且更具有實際意義。因為在實際系統中，一些由未知的系統行為產生的不確定性更適合用集約束的形式描述，而一些傳感器產生的測量噪聲更適合用高斯分布等形式描述。

現有技術中，主要存在以下缺點：

1.目前的大部分主動故障診斷方法，隨機框架或者確定性框架，只應對單一的不確定性建模方式，無法處理混合不確定性下故障診斷問題。而單一形式的不確定性因素的建模準確性不足，無法對實際的系統中的不確定因素進行更全面的刻畫。

2.現有的基于隨機框架的主動故障診斷方法其給出的誤診率往往是被動的，無法根據需求主動地滿足任意給定的誤診率上限。

3.現有的確定性框架下的主動故障診斷方法比較保守，其設計的輸入會對系統產生較大影響。

發明內容

為解決上述問題，本發明公開一種混合不確定下的主動故障診斷方法、裝置及存儲介質，能應對具有混合不確定性因素的系統。

本發明的第一方面，提供了一種混合不確定下的主動故障診斷方法，所述主動故障診斷方法包括：

步驟S100：根據系統模型建立系統的中心動力學方程，以及不確定性因素的動力學方程；

步驟S200：建立主動故障診斷優化問題，包括：