一种分子量分布控制中传感器故障诊断与容错控制方法技术

本发明专利技术提出了一种分子量分布控制中传感器故障诊断与容错控制方法，步骤为：通过质量光谱仪或激光测试技术在线获得化工反应过程分子量的分布，得到输出概率密度函数，用B样条神经网络逼近输出概率密度函数；建立系统的状态空间模型，经扫描辨识法变换后得到状态空间模型的参数，设计学习故障诊断观测器；利用学习故障诊断观测器实时监控传感器是否有故障发生，当有故障发生，及时估计出故障信息；利用估计的故障信息对系统的输出权值进行补偿；将设计好的控制信号输入系统，使系统输出分子量分布跟踪期望分子量的分布。本发明专利技术可为系统运行过程中的可靠性和安全性提供保障，为相关企业人员的生命安全和财产安全保驾护航。

A Sensor Fault Diagnosis and Fault Tolerant Control Method in Molecular Weight Distribution Control

The invention proposes a fault diagnosis and fault tolerant control method for sensors in molecular weight distribution control. The steps are as follows: obtaining the molecular weight distribution of chemical reaction process online by mass spectrometer or laser testing technology, obtaining the output probability density function, approaching the output probability density function by B-spline neural network, establishing the state space model of the system, and transforming it by scanning identification method. The parameters of the state space model are obtained, and the learning fault diagnosis observer is designed. The learning fault diagnosis observer is used to monitor whether the sensor has a fault and estimate the fault information in time when the fault occurs. The estimated fault information is used to compensate the output weights of the system. The designed control signal is input into the system to make the system output molecular weight distribution tracking period. Distribution of expected molecular weight. The invention can provide guarantee for the reliability and safety of the system in the process of operation, and escort the safety of life and property of the personnel of relevant enterprises.

【技术实现步骤摘要】
一种分子量分布控制中传感器故障诊断与容错控制方法
本专利技术涉及传感器故障诊断与容错控制的
，尤其涉及一种分子量分布控制中传感器故障诊断与容错控制方法。
技术介绍
化工过程控制中系统分子量分布控制是典型的随机分布控制系统的应用，并在其相关的领域饱受重视。随机分布系统的概念由造纸工业生产过程中提出，后来延伸到磨矿、锅炉燃烧、化工反应等领域，由于其应用十分广泛，所以在其相关领域饱受相关专家和学者们的重视。由于生产环境所限相关行业大多采用机械化和智能化生产线，其中需要大量传感器执行器等部件，而在这样的生产环境下长时间、不间断工作难免发生故障，如果不能及时诊断出故障并进行容错控制将造成严重的后果。随机分布系统的控制对象是整个系统的输出概率密度函数，其输入、噪声和故障类型并不一定服从高斯分布，其随机变量是非高斯型的，是一类非高斯随机分布系统。随机分布系统所受的扰动多为非高斯的，其分布难以描述，影响故障诊断的性能。而传统的故障诊断方法主要是基于模型设计观测器或滤波器进行故障诊断。现有的故障诊断与容错控制方法只针对非高斯随机分布系统的执行器进行故障诊断与容错控制并未考虑传感器发生故障时对传感器进行故障诊断以及容错控制。
技术实现思路
针对现有的非高斯随机分布系统只针对执行器进行故障诊断与容错控制，未考虑传感器发生故障的现状的技术问题，本专利技术提出一种分子量分布控制中传感器故障诊断与容错控制方法，解决了非高斯随机分布控制系统的传感器故障诊断问题，解决了非高斯随机分布控制系统传感器发生故障时的容错控制问题。为了达到上述目的，本专利技术的技术方案是这样实现的：一种分子量分布控制中传感器故障诊断与容错控制方法，其步骤如下：步骤100：通过质量光谱仪或激光测试技术在线获得化工反应过程分子量的分布，得到输出概率密度函数，用B样条神经网络逼近输出概率密度函数；步骤200：根据逼近的输出概率密度函数建立系统的状态空间模型，经扫描辨识法变换后得到状态空间模型的参数，设计学习故障诊断观测器；步骤300：将设计好的学习故障诊断观测器在计算机上实现，实时监控传感器是否有故障发生，当有故障发生，学习故障诊断观测器及时估计出故障信息；步骤400：当系统有故障发生故障诊断观测器准确估计出故障信息，利用估计的故障信息对系统的输出权值进行补偿；步骤500：将设计好的控制信号输入系统使系统输出分子量分布跟踪期望分子量的分布。所述步骤100中输出概率密度函数为给出：其中，φi(y)表示第i个B样条基函数，n表示B样条基函数的个数，y表示系统的输出，t表示时间，u(t)为控制输入，ωi(t)为第i个B样条基函数的权值；由于输出概率密度函数γ(y,u(t))在其定义区间[a,b]的积分等于1，采用B样条神经网络用线性B样条基函数神经网络逼近其输出概率密度函数为：γ(y,u(t))＝C(y)V(t)+T(y)；其中，线性径向基函数和参数φ1(y),φ2(y),φ3(y)均为系统输出y的线性B样条基函数；V(t)＝[ω1(t),ω1(t),…ω3(t)]T为输出权值向量，ωi(t)为第i个B样条基函数的权值，i＝1,2,3。所述步骤200中根据逼近的概率密度函数建立系统的状态空间模型为：利用系统的输出权值引入一个新的状态变量则系统的状态空间模型变为：其中，x(t)为原系统的状态变量，u(t)为控制输入，f(t)为故障向量，V(t)为权值向量，表示状态变量x(t)的一阶导数，As表示和状态变量同维度的单位矩阵，xs(t)表示与输出权值有关的状态变量，表示状态变量xs(t)的一阶导数，A、B、D和G分别为参数矩阵；新状态系统的状态空间模型为：其中，新系统的状态变量为参数矩阵分别为Ip表示P维单位矩阵；设计学习故障诊断观测器如下：其中，表示新系统状态变量观测值的一阶导数，表示新系统状态变量的观测值，表示观测器增益矩阵，ε(t)表示观测值与实际值得残差，表示观测权值，表示观测概率密度函数，Z(t)表示与故障同维度的向量，Z(t-τ)表示向量Z(t)的τ时刻前的值，ε(t-τ)表示τ时刻前的残差，K1、K2和W表示观测系统参数，表示故障观测值的导数。所述步骤400中利用估计的故障信息对系统的输出权值进行补偿为：其中，Vc(t)为补偿后的输出权值。所述步骤500中期望分子量的概率密度函数表示为γ(y,u(t))＝C(y)Vg+T(y)，Vg为期望权值；设计如下切换函数和控制律实现故障后的分子量分布跟踪期望分布：设计切换函数如下：其中，H和K均表示切换函数的参数，S(t)表示切换函数，表示权值误差向量；当检测到系统故障发生后将系统的控制律调整为：其中，K3,M为满足系统稳定条件的参数，为故障观测值的导数，α表示满足稳定条件的参数；通过计算机求解以下线性矩阵不等式：0＜(6+3σ)K1TK1≤I；P2(A1+MK3)+(A1+MK3)TP2+Q2≤0；解得满足条件的故障诊断观测器参数以及满足跟踪给定分布的控制输入条件的参数，实现容错控制以及跟踪期望分子量分布的目的；其中，R1,Q1,Q2,P1,P2为适维正定对称矩阵，σ,γ1为小的正常数，A1＝DAD-1，I为一维单位矩阵；∑表示1×2的矩阵。本专利技术的有益效：所设计的故障诊断观测器对非高斯随机分布系统传感器进行故障诊断，设计的容错控制方案在系统发生传感器故障后可以有效的进行补偿，使系统输出的概率密度函数跟踪期望输出。本专利技术可用于化工反应、造纸、磨矿、锅炉燃烧等输出可用概率密度函数描述的随机过程的传感器故障诊断与容错控制，由于其涉及大多是高温高压、有毒等生产环境，本专利技术可为系统运行过程中的可靠性和安全性提供保障，为相关企业人员的生命安全和财产安全保驾护航。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的流程图；图2为聚合过程分子量分布闭环控制示意图。图3为本专利技术的故障与故障估计图；图4为本专利技术系统期望输出概率密度函数(PDF)图；图5为本专利技术系统无容错控制输出概率密度函数(PDF)图；图6为本专利技术系统有容错控制输出概率密度函数(PDF)图；图7为本专利技术系统有容错控制时期望概率密度函数与实际输出概率密度函数二维效果图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，一种化工过程中分子量分布控制传感器故障诊断与容错的方法，其步骤如下：步骤100：通过质量光谱仪或激光测试技术在线获得化工反应过程分子量分布的概率密度函数，用B样条神经网络逼近其概率密度函数。逼近原理如下，概率密度函数由下式给出：其中，φi(y)表示第i个B样条基函数，n表示B样条基函数的个数，y表示系统的输出，t表示时间，u(t)为控制输入，ωi(t)为第i个B样条基函数的权值。由于输出概率密度函数γ(y本文档来自技高网...

【技术保护点】
1.一种分子量分布控制中传感器故障诊断与容错控制方法，其特征在于，其步骤如下：步骤100：通过质量光谱仪或激光测试技术在线获得化工反应过程分子量的分布，得到输出概率密度函数，用B样条神经网络逼近输出概率密度函数；步骤200：根据逼近的输出概率密度函数建立系统的状态空间模型，经扫描辨识法变换后得到状态空间模型的参数，设计学习故障诊断观测器；步骤300：将设计好的学习故障诊断观测器在计算机上实现，实时监控传感器是否有故障发生，当有故障发生，学习故障诊断观测器及时估计出故障信息；步骤400：当系统有故障发生故障诊断观测器准确估计出故障信息，利用估计的故障信息对系统的输出权值进行补偿；步骤500：将设计好的控制信号输入系统使系统输出分子量分布跟踪期望分子量的分布。

【技术特征摘要】
1.一种分子量分布控制中传感器故障诊断与容错控制方法，其特征在于，其步骤如下：步骤100：通过质量光谱仪或激光测试技术在线获得化工反应过程分子量的分布，得到输出概率密度函数，用B样条神经网络逼近输出概率密度函数；步骤200：根据逼近的输出概率密度函数建立系统的状态空间模型，经扫描辨识法变换后得到状态空间模型的参数，设计学习故障诊断观测器；步骤300：将设计好的学习故障诊断观测器在计算机上实现，实时监控传感器是否有故障发生，当有故障发生，学习故障诊断观测器及时估计出故障信息；步骤400：当系统有故障发生故障诊断观测器准确估计出故障信息，利用估计的故障信息对系统的输出权值进行补偿；步骤500：将设计好的控制信号输入系统使系统输出分子量分布跟踪期望分子量的分布。2.根据权利要求1所述的分子量分布控制中传感器故障诊断与容错控制方法，其特征在于，所述步骤100中输出概率密度函数为给出：其中，φi(y)表示第i个B样条基函数，n表示B样条基函数的个数，y表示系统的输出，t表示时间，u(t)为控制输入，ωi(t)为第i个B样条基函数的权值；由于输出概率密度函数γ(y,u(t))在其定义区间[a,b]的积分等于1，采用B样条神经网络用线性B样条基函数神经网络逼近其输出概率密度函数为：γ(y,u(t))＝C(y)V(t)+T(y)；其中，线性径向基函数和参数φ1(y),φ2(y),φ3(y)均为系统输出y的线性B样条基函数；V(t)＝[ω1(t),ω1(t),…ω3(t)]T为输出权值向量，ωi(t)为第i个B样条基函数的权值，i＝1,2,3。3.根据权利要求2所述的分子量分布控制中传感器故障诊断与容错控制方法，其特征在于，所述步骤200中根据逼近的概率密度函数建立系统的状态空间模型为：利用系统的输出权值引入一个新的状态变量则系统的状态空间模型变为：其中，x(t)为原系统的状态变量，u(t)为控制输入，f(t)为故障向量，V(t)...

【专利技术属性】
技术研发人员：姚利娜，王豪，李立凡，梁占红，武亚威，顾照玉，
申请(专利权)人：郑州大学，
类型：发明
国别省市：河南,41