数据驱动传感器故障误差补偿与容错控制方法研究

摘要

随着现代工业生产过程的日益大型与复杂化，人们对系统安全可靠性的要求也随之提高。当今的工业系统也因技术的迅速发展存储了大量的数据，这为提高系统的安全可靠性无疑提供了一定的数据冗余保障。鉴于此，考虑实际工业多为非线性系统，且传感器易发生故障问题，基于数据驱动技术，本文针对传感器已知确定性故障和未知不确定故障，分别提出了基于逆的误差补偿与基于故障检测可靠性评价的软冗余容错控制方法，并针对恒偏差、精度下降等常见的传感器故障进行了相应仿真及半实体实验研究。工作包括：
　　1）基于数据驱动非线性系统神经网络与 Wiener模型的建模方法研究
　　考虑工业系统中传感器发生故障时，已知确定性故障误差多为非线性静态特性，而工业对象又多表现为非线性动态特性，传统的机理建模方法难以表达且实施相应的补偿，本文针对这两种不同的非线性特性，结合神经网络与Wiener模型的各自优势，采用改进的LM-BP神经网络与 RBF神经网络进行静态非线性建模以补偿已知故障产生的误差，并以此为基础提出了 Wiener与神经网络（NN-Wiener）混合的建模方法，对系统过程进行动态非线性建模研究，为传感器未知故障容错奠定基础。
　　2）基于 LM-BP与RBF神经网络的传感器已知故障误差补偿研究
　　考虑到传感器已知故障误差的静态、确定性，且神经网络具有很好的静态非线性的逼近能力，文中提出了两种基于串、并联逆方法的故障误差补偿方案。该方案首先借助传感技术分别采集故障传感器与正常传感器的输出值，然后基于LM-BP与 RBF建模技术，分别建立故障传感器输出与正常传感器输出、故障传感器和其正常传感器差值之间的非线性映射关系，并将其以串或并联方式引入系统对传感器故障确定性误差予以补偿，建模结果显示两种方法均具有较好的拟合精度，半实体实验结果表明故障误差补偿具有工程可用性。
　　3）基于故障检测可靠性评价的传感器未知故障软冗余容错控制方法研究
　　考虑到未知故障误差的动态、不确定性，且针对传感器故障检测可靠性评价缺失引起的容错安全问题，提出了一种基于故障检测可靠性评价函数的NN-Wiener模型软冗余容错控制方法。该方案首先通过仿真和PCS液位控制实验平台获取对象的控制量及传感器数据，然后基于这些数据建立仿真与实验对象的动态NN-Wiener模型，并与故障检测模块及软冗余容错模块嵌入仿真与 PCS液位控制系统平台中，仿真和实验结果均表明 NN-Wiener预测模型与 SPRT算法的结合能够可靠及时检测PCS中传感器的各类故障，基于故障检测可靠性评价软硬结合反馈可平滑切换，并对传感器故障实现安全容错，这也揭示出文中所述方法的工程可用性。

目录

封面

声明

目录

中文摘要

英文摘要

插图索引

第1章 绪论

1.1 选题的背景及意义

1.2 传感器故障误差补偿与容错控制发展现状

1.3 非线性模型辨识发展现状

1.4 本文的主要内容及章节安排

1.5 本章小结

第2章 PCS液位传感器误差补偿与容错控制基础实验平台搭建

2.1 引言

2.2 传感器故障误差补偿与容错控制基础实验平台构建

2.3 半实体液位控制系统的OPC服务器与S7-300 PLC通信组态

2.4 液位半实体控制系统的软件组态及其Matlab实现

2.5 本章小结

第3章 数据驱动非线性系统神经网络与Wiener混合建模方法

3.1 引言

3.2 神经网络建模方法

3.3 嵌入神经网络的Wiener混合模型辨识算法

3.4 Wiener模型建模方法仿真研究

3.5 本章小结

第4章 传感器已知故障误差逆补偿方法研究

4.1 引言

4.2 传感器已知故障误差逆补偿方法

4.3 PCS超声波液位传感器已知故障误差逆补偿方法实验研究

4.4 本章小结

第5章 传感器未知故障容错策略研究

5.1 引言

5.2 传感器故障软冗余容错控制方案及工作原理

5.3 传感器未知故障软冗余容错控制仿真研究

5.4 PCS超声波液位传感器未知故障软冗余容错控制半实体实验研究

5.5 本章小结

结论与展望

结论

展望

参考文献

致谢

附录A 攻读学位期间发表的学术论文