现代控制系统尤其是计算机控制系统正朝着大规模、复杂化的方向发展，这类系统一旦发生故障而又得不到及时处理，就可能造成人员和财产的巨大损失。因此对故障的处理是必要而急迫的。处理故障有两种基本策略，第一种策略就是采用上节介绍的硬件冗余技术，把故障的影响掩盖起来，以提高系统的可靠性和平均无故障间隔时间，但随着故障的增多，最后故障的影响总是不能全部掩盖起来。另一种策略就是发现故障后，及时查找在何处、发生了什么故障――即进行故障诊断，并进行处理。故障诊断技术的出现，为提高复杂系统的可靠性开辟了一条新的途径。下面将故障诊断技术有关内容做以简要介绍。
1. 故障类型、故障诊断的任务及研究内容
⑴ 故障类型
实际系统可能发生的故障是多种多样的，可以从下面几个方面对故障进行分类。
① 从故障发生的部位看，分为传感器故障、执行器故障和受控对象故障；
② 根据故障性质，分为突变故障和缓变故障；
③ 从建模角度出发，可分为乘性故障和加性故障；
④从故障间的相互关系，分为单故障和多故障、独立故障和局部故障。
⑵ 故障诊断的任务
故障诊断的任务是当系统发生故障时，系统中的全部或部分的参量就表现出与正常状态不同的特性，这种差异就包含着丰富的故障信息，对系统故障的特征进行描述，并利用它去检测和隔离系统的故障。
⑶ 故障诊断的内容
从故障诊断的任务即可知故障诊断主要包括以下几个方面的内容。
① 故障的特征提取
通过测量用定量和定性的信息处理技术获取反映系统故障的特征描述。
② 故障的分离与估计
根据获得的故障特征确定系统是否出现故障以及故障的程度。
③ 故障的评价和决策
根据故障分离与估计的结论对故障的危害及严重程度作出评价，近而决策出是否停止任务的进程以及是否需要维修更换故障元部件。
2. 故障诊断方法
故障诊断的方法可以分为基于硬件余度法、解析模型的方法、基于信号处理的方法和基于知识的方法三大类。
硬件余度法采用两套或多套同类型的传感器提供余度信息。通常采用三个传感器输出同一物理量,当其中的一个传感器输出物理量与其他两个相差较大时,则认为传感器发生故障。当要求能检测和识别两个同时发生故障的同类传感器时,必须采用四余度,以此类推更多的硬件余度。
基于解析模型的方法是最早发展起来的，此方法需要建立被诊断对象的较为精确的数学模型。当难以建立诊断对象的解析数学模型时，目前常使用基于信号处理的方法，因为这种方法回避了抽取对象数学模型的难点，而直接利用信号模型，如相关函数、高阶统计量、频谱和自回归滑动平均过程，以及现在热门的小波分析技术。这种方法对于线性系统和非线性系统都是适用的。但是，避开对象数学模型，是这种方法的优点，也是它的缺点。
基于知识的方法和基于信号处理的方法类似，也不需要系统的定量的数学模型，但它克服了后者的缺点，引入了诊断对象的许多信息，特别是可以充分的利用专家诊断知识等，所以是一种很有前途的方法，尤其是在非线性系统领域。基于知识的方法还可以分为基于症状的方法和基于定性模型的方法。基于症状的方法包括专家系统方法、模糊推理方法、模式识别方法和神经网络方法等智能方法；基于定性模型的方法包括定性观测器、定性仿真和知识观测器等。 |
