地磅傳感器的故障診斷技術(shù)是一門綜合學(xué)科，涉及到許多領(lǐng)域。故障診斷技術(shù)的出現(xiàn)為提高測控系統(tǒng)的可靠性提供了 可能。本文對地磅傳感器的故障診斷技術(shù)做了綜述和對比。最后，對地磅傳感器故障診斷技術(shù)進(jìn)行了展望。

現(xiàn)代測控系統(tǒng)經(jīng)過多年的發(fā)展朝向大規(guī)模、復(fù)雜化方向 發(fā)展，但是這種控制系統(tǒng)的故障一旦發(fā)生就很容易造成人員 傷亡和巨大的經(jīng)濟(jì)損失。因此如何保證現(xiàn)代控制系統(tǒng)的可 靠性和安全性非常重要。傳感器是任何控制系統(tǒng)不可缺少 的部件，它的好壞直接關(guān)系到設(shè)備的運(yùn)行狀態(tài)，甚至關(guān)系到 安全問題。但是傳感器也是最容易出故障的環(huán)節(jié)，據(jù)研究統(tǒng) 計在實(shí)際發(fā)生的故障中，約有70%-80%的故障是源自于傳 感器故障。因此研究傳感器故障是十分有必要的。傳感器 的故障診斷技術(shù)研究涉及到多個研究領(lǐng)域，出現(xiàn)了多種故障 診斷的方法。本文將對傳感器的故障診斷技術(shù)做簡單的分 析和對比。

一、傳感器故障診斷技術(shù)綜述

在傳感器故障診斷方法中，線性傳感器的故障診斷發(fā)展 較為成熟。從最簡單的檢測濾波器、廣義似然比、極大似然 比到基于觀測器/濾波器的方法、參數(shù)估計方法、系統(tǒng)辨識法 和一致空間法等。但是這些方法都是基于線性定常系統(tǒng)模 型的。實(shí)際應(yīng)用中許多測控系統(tǒng)都是非線性的，這就使得對 于這類系統(tǒng)的分析與控制比較難，對于它的故障診斷也存在 較大的難度。

實(shí)際測控系統(tǒng)的生產(chǎn)對象本身大多是非線性系統(tǒng)，這就 使基于線性系統(tǒng)故障診斷方法不能取得很好的效果。但是， 近年來，隨著非線性理論、先進(jìn)算法、信號處理和智能控制的 深入研究，非線性系統(tǒng)的故障診斷技術(shù)得到了迅速發(fā)展。它 主要是基于信號處理方法，基于知識的方法和基于分析模型 的診斷方法。如圖1所示。

現(xiàn)分別對這幾類方法進(jìn)行討論。

二、依賴解析模型的方法

基于分析模型的非線性系統(tǒng)故障診斷主要有兩種方法: 一是線性化方法，另一類是非線性模型的方法。線性化方法 進(jìn)行線性化的非線性系統(tǒng)在一個工作點(diǎn)或幾個操作點(diǎn)，用一 個線性的模型集來表示系統(tǒng)，將擾動、誤差和噪聲當(dāng)做未知 量輸入，對未知輸入設(shè)計為矩陣解耦的方法，以此來構(gòu)造殘 差進(jìn)行故障診斷的方法。這種方法的優(yōu)點(diǎn)是不受誤差等擾 動的影響。而非線性模型的方法則是利用自適應(yīng)非線性觀 測器、濾波器等方法來設(shè)計診斷算法。因為這些方法基本都 是針對某一特定的非線性系統(tǒng)的，因此算法的通用性不強(qiáng)， 算法并不是很完善。

線性化方法

1.近似化方法

早期故障診斷方法是基于近似線性化技術(shù)，如平均法、 擬線性化方法、線性化族方法、擴(kuò)展線性化方法和近似輸入/ 輸出線性化方法。對于非本質(zhì)不甚嚴(yán)重的非線性對象，我們 可以用公式來近似輸入/輸出線性化。

2.精確線性化

在過去的二十年中，微分幾何的精確線性化為非線性系 統(tǒng)的分析和綜合提供了支持。線性故障診斷方法可應(yīng)用于 線性模型。對于具有不同條件的非線性對象，多模型方法可 以處理多個操作點(diǎn)，使整個模型可以用來近似的非線性模型 的切換干擾，可能會導(dǎo)致誤報。

3.觀測器方法

最早的研究是建立一個全階觀測器，觀測器增益矩陣可 以在線調(diào)整的結(jié)構(gòu)殘差序列未知的隨時間變化的參數(shù)或緩 慢變化的漂移故障的殘差序列的影響進(jìn)行補(bǔ)償。文獻(xiàn)中 提到了用降階觀測器的設(shè)計來替代全階觀測器，但它只適用 于突變的故障。Bastin等人提出了一種簡單的自適應(yīng)觀測 器的設(shè)計可應(yīng)用于非線性系統(tǒng)，他們認(rèn)為處理一些非線性系 統(tǒng)的特性可以作為未知參數(shù)，通過對未知參數(shù)的在線辨識非 線性觀測器，未知干擾設(shè)計、參數(shù)時變和不精確的模型可以 通過參數(shù)辨識的體現(xiàn)。

4.濾波器法

相比于觀測器法，濾波器法的計算量要大的多，但它是 要求不高的模型，采用擴(kuò)展卡爾曼濾波算法可直接估計，殘 余結(jié)構(gòu)，但魯棒性的模型失配，和初始值是已知的，噪聲的統(tǒng) 計特性是已知的，彼此不相關(guān)。如果噪聲的統(tǒng)計特性是未知 的，將產(chǎn)生殘差，該算法漸變型故障不敏感。

三、不依賴模型的方法

目前的控制系統(tǒng)越來越復(fù)雜，由于現(xiàn)實(shí)中對控制系統(tǒng)要 建立精準(zhǔn)的解析數(shù)學(xué)模型難度較大，并且在存在建模誤差 時，將會出現(xiàn)誤報、漏報現(xiàn)象。因此具有不需要對象精確模 型且具有良好適應(yīng)性的不依賴于模型的故障診斷方法越來 越受人們的重視。

1.專家系統(tǒng)法

專家診斷法經(jīng)歷了二代的發(fā)展，第一代專家故障診斷方 法是基于淺知識的，而第二代則是基于深知識的。不論是哪 一代專家故障診斷方法，均是通過對傳感器知識的系統(tǒng)提 取，在計算機(jī)里整理成故障規(guī)則庫，然后總結(jié)現(xiàn)場專家的個 人的經(jīng)驗進(jìn)行推斷，進(jìn)行故障診斷。

2.模糊推理的診斷方法

模糊診斷不需要診斷對象的精確數(shù)學(xué)模型，而是利用隸 屬函數(shù)和模糊規(guī)則進(jìn)行模糊診斷。在故障診斷中，故障征兆 具有模糊性，如果存在多個故障點(diǎn)，則故障與征兆之間的關(guān) 系是模糊的，利用模糊語言集合表示能更準(zhǔn)確地反映故障與 征兆的關(guān)系。

3.神經(jīng)網(wǎng)絡(luò)法

神經(jīng)網(wǎng)絡(luò)具有非線性、自學(xué)習(xí)、高容錯性和并行處理能 力，因此在非線性故障診斷中具有很強(qiáng)的優(yōu)勢。在模擬電路 的故障診斷時應(yīng)用人工神經(jīng)網(wǎng)絡(luò)，其作用是類似于模式識別 法中的分類器。但是要構(gòu)建一個完整的模式識別系統(tǒng)，神經(jīng) 網(wǎng)絡(luò)訓(xùn)練所需的數(shù)據(jù)準(zhǔn)備是必不可少的一個環(huán)節(jié)。從電路 板上所采集的原始數(shù)據(jù)大多都是粗糙的，沒有體現(xiàn)出良好的 故障特征，因此在構(gòu)建一個神經(jīng)網(wǎng)絡(luò)前需要對數(shù)據(jù)進(jìn)行預(yù)處 理，以便提取的向量能很好表征故障的特征。

4.小波分析

小波分析主要用于分析和處理非平穩(wěn)信號。小波分析 方法與神經(jīng)網(wǎng)絡(luò)方法相似，對系統(tǒng)的要求不高。它不僅克服 了傳統(tǒng)硬件冗余和分析冗余的缺點(diǎn)，而且結(jié)合了這兩種方法 的優(yōu)點(diǎn)。小波分析是將信號疊加成一系列小波函數(shù)。它基 于局部化函數(shù)所形成的小波基，具有許多特殊的性質(zhì)和優(yōu) 點(diǎn)。小波分析具有良好的時域和頻域局部化特性。用小波 分析方法分析信號時，分析中所用窗口的大小不變，但窗口 的形狀可以改變，即可以改變時間窗口和頻率。小波分析是 一種時域局部化分析方法，它在低頻和低時間分辨率下具有 較高的頻率分辨率，在高頻部分具有較低的頻率分辨率和高 的時間分辨率。

從診斷的角度來看，任何類型的診斷信息是模糊的和不 確定的。任何一種診斷對象，只有一個方面的信息來反映其 狀態(tài)是不完整的。每種方法都有其自身的特點(diǎn)，適用于不同 的故障類型。對于更復(fù)雜的系統(tǒng)，各種診斷方法經(jīng)常被綜合 起來用來建立一個診斷系統(tǒng)。從發(fā)展趨勢來看，開發(fā)一種更 加智能化的方法，對各種診斷方法的綜合應(yīng)用更為重要。