摘    要： 針對(duì)在智能診斷中最底層現(xiàn)場(chǎng)控制器的診斷功能和處理方法加以闡述，提出一種基于現(xiàn)場(chǎng)控制器的模糊智能診斷方法，并指出處理及設(shè)計(jì)中的基本原則。在實(shí)際應(yīng)用中證明其可行性及有效性。
關(guān)鍵詞： 工藝過(guò)程故障診斷；現(xiàn)場(chǎng)控制器；多任務(wù)系統(tǒng)；模糊智能診斷；PLC；選煤生產(chǎn)

　　以PLC為代表的現(xiàn)場(chǎng)控制器功能日趨完善，除了完成對(duì)設(shè)備、工藝過(guò)程的監(jiān)控任務(wù)，還可以對(duì)現(xiàn)場(chǎng)的各種故障快速發(fā)現(xiàn)、及時(shí)解決[1]。統(tǒng)計(jì)表明實(shí)際中80%以上的故障為一般性故障，在解決常見(jiàn)、多發(fā)故障的處理上，現(xiàn)場(chǎng)診斷功能可發(fā)揮如下作用：(1)精確定位故障，避免診斷的盲目性；(2)立即采取措施，避免造成嚴(yán)重后果；(3)使系統(tǒng)有一定的容錯(cuò)能力，在出現(xiàn)某些故障的情況下，改變控制策略，避免停車(chē)等事故，確保系統(tǒng)繼續(xù)安全可靠的運(yùn)行。
1 控制器的診斷功能擴(kuò)展
　　根據(jù)故障危害程度等特征，將故障分為安全性故障、工藝過(guò)程性故障、耐用性故障等不同等級(jí)[2-3]。在組織故障處理功能時(shí)，故障的等級(jí)應(yīng)予以考慮。(1)安全性故障：可能產(chǎn)生嚴(yán)重后果的故障，主要包括設(shè)備損壞、危及人身安全要求控制系統(tǒng)立即處理并報(bào)警。(2)工藝過(guò)程性故障：能夠?qū)刂七^(guò)程、產(chǎn)品質(zhì)量產(chǎn)生嚴(yán)重影響，但不易立即發(fā)現(xiàn)處理的故障，一段時(shí)間后如故障仍不排除則后果擴(kuò)大。(3)耐用性輕度故障：除上述2種故障外，不直接影響生產(chǎn)和質(zhì)量的輕度故障。
　　現(xiàn)場(chǎng)控制器如高端PLC、DCS系統(tǒng)，其操作系統(tǒng)均采用搶先式多任務(wù)處理機(jī)制，控制器故障診斷處理可依照故障的等級(jí)，采用不同的任務(wù)等級(jí)。圖1以Quantum PLC為例，給出故障診斷及處理功能在PLC中的合理結(jié)構(gòu)安排。操作系統(tǒng)為用戶程序提供不同優(yōu)先級(jí)的處理功能，在每個(gè)級(jí)別上都按照采樣輸入、處理程序、執(zhí)行輸出的過(guò)程進(jìn)行，高優(yōu)先級(jí)的任務(wù)中斷低優(yōu)先級(jí)任務(wù)。

　　安全性故障：在正常的掃描任務(wù)中判斷處理，由于PLC的CPU速度很高，PLC程序掃描周期一般只有幾毫秒，所以對(duì)于絕大部分故障的處理速度是滿足要求的，并可使程序簡(jiǎn)化。對(duì)于后果嚴(yán)重、響應(yīng)速度要求極高的故障，必須安排在I/O或定時(shí)中斷中處理。
　　工藝過(guò)程性故障：在不影響CPU掃描工作正常進(jìn)行的情況下，在正常的掃描任務(wù)中判斷處理，對(duì)于算法復(fù)雜度較高或時(shí)間響應(yīng)要求偏低的診斷過(guò)程，應(yīng)安排在背景任務(wù)中。對(duì)于需要復(fù)雜的修正及自學(xué)習(xí)過(guò)程，該過(guò)程不宜安排在控制器中。
　　  耐用性故障：應(yīng)安排在背景任務(wù)中或上位機(jī)中進(jìn)行。
　　  安全性故障易于發(fā)現(xiàn)處理，通常通過(guò)簡(jiǎn)單判斷進(jìn)行停機(jī)等處理。而工藝過(guò)程性故障，一方面十分隱蔽，難于發(fā)現(xiàn)，另一方面卻對(duì)生產(chǎn)過(guò)程、產(chǎn)品質(zhì)量影響嚴(yán)重。以往，控制器無(wú)法為操作人員提供可靠的診斷，操作人員只有密切注視系統(tǒng)運(yùn)行情況、工藝參數(shù)的變化才能避免事故，這對(duì)于要求自動(dòng)化程度較高的場(chǎng)合更是一種挑戰(zhàn)。在現(xiàn)場(chǎng)控制系統(tǒng)設(shè)計(jì)時(shí)充分考慮可能的故障，并在控制器中做好診斷處理工作是解決這一問(wèn)題根本途徑。
2  基于控制器的模糊智能診斷
　　模糊邏輯系統(tǒng)應(yīng)用于現(xiàn)場(chǎng)診斷具有許多優(yōu)點(diǎn)：現(xiàn)場(chǎng)信號(hào)(如信號(hào)的幅值、變化率、頻率特征等)均為實(shí)型變量，可以通過(guò)測(cè)量或提取處理為模糊邏輯系統(tǒng)的輸入。由于生產(chǎn)實(shí)際中，故障診斷領(lǐng)域存在的大量經(jīng)驗(yàn)性專家知識(shí)具有模糊性和不完全性，無(wú)法建立準(zhǔn)確的數(shù)學(xué)模型，因此模糊邏輯系統(tǒng)能夠充分有效地利用自然語(yǔ)言和知識(shí)信息，模糊規(guī)則基本格式“If…then…”型，非常適合于描述專家經(jīng)驗(yàn)知識(shí)[3]。

　　診斷系統(tǒng)通過(guò)設(shè)置的多源傳感器采集特征信號(hào)并分析處理，模糊化變換成故障征兆模糊向量A；推理機(jī)根據(jù)當(dāng)前的設(shè)備征兆信息A，運(yùn)用知識(shí)庫(kù)中的模糊知識(shí)，按照一定的模糊推理策略進(jìn)行推理，若匹配成功則將該結(jié)論作為中間結(jié)果繼續(xù)進(jìn)行，直到問(wèn)題解決。若推理過(guò)程中有多條模糊規(guī)則匹配可用，則按照沖突消解策略從中選出1條最優(yōu)規(guī)則執(zhí)行，從而實(shí)現(xiàn)基于知識(shí)的推理求解過(guò)程。
    　模糊關(guān)系矩陣表達(dá)故障原因和各種征兆之間的因果關(guān)系，矩陣中的每個(gè)元素rij的大小表明了它們之間的互相關(guān)聯(lián)的密切程度。模糊診斷矩陣的確定是模糊診斷中十分重要的環(huán)節(jié)，需要參考大量故障診斷經(jīng)驗(yàn)的總結(jié)和實(shí)驗(yàn)測(cè)試及統(tǒng)計(jì)分析的結(jié)果。
    　建立模糊診斷系統(tǒng)的其他階段，包括輸入信息的模糊化、模糊推理機(jī)制和解模糊單元的設(shè)計(jì)都有較強(qiáng)的自由度，某個(gè)環(huán)節(jié)的設(shè)計(jì)不當(dāng)都將影響故障診斷的精確性。對(duì)于特定的問(wèn)題，可以通過(guò)經(jīng)驗(yàn)積累并不斷修正來(lái)確定最佳的模糊邏輯系統(tǒng)。修正過(guò)程可以是人工的，也可采用自學(xué)習(xí)過(guò)程進(jìn)行。
3 模糊智能診斷在控制器中的實(shí)現(xiàn)[4]
    　現(xiàn)以選煤的流程生產(chǎn)實(shí)際為例，對(duì)基于現(xiàn)場(chǎng)控制器的故障診斷進(jìn)行研究。整個(gè)生產(chǎn)過(guò)程中，兩段的密度控制是保證產(chǎn)品質(zhì)量的關(guān)鍵，該部分工藝過(guò)程如圖3所示。以往現(xiàn)場(chǎng)控制系統(tǒng)的設(shè)計(jì)過(guò)程中沒(méi)有考慮針對(duì)工藝過(guò)程性故障的診斷、處理，出現(xiàn)故障后很長(zhǎng)時(shí)間才能發(fā)現(xiàn)。

   　 現(xiàn)取生產(chǎn)中常見(jiàn)的5項(xiàng)故障：b₁系統(tǒng)缺介質(zhì)、b₂介質(zhì)系統(tǒng)煤泥多、b₃一段泵堵塞、b₄二段泵堵塞、b₅系統(tǒng)介質(zhì)量多(液位設(shè)定不當(dāng))。相關(guān)的故障征兆：a₁一段液位高、a₂一段液位低、a₃一段密度高、a₄一段密度低、a₅一段泵電流低、a₆二段液位高、a₇二段密度低、a₈二段泵電流低、a9一段/稀介分流大。根據(jù)以往故障診斷經(jīng)驗(yàn)，建立診斷矩陣，并可在應(yīng)用中進(jìn)行修正，如表1所示。

  　  采用梯形圖或功能塊難于實(shí)現(xiàn)，矩陣及多維數(shù)組的計(jì)算，診斷功能在Quantum PLC的開(kāi)發(fā)環(huán)境Concept軟件中采用高級(jí)語(yǔ)言環(huán)境STL(Statement Language)開(kāi)發(fā)，首先將診斷矩陣、征兆向量及故障向量做如下定義：
TYPE
　　  FuzzyR_Matrix： ARRAY [1..5，1..9] OF REAL；
　  　Sympton_Array： ARRAY [1..9] OF REAL；
　　  Conclude_Array： ARRAY [1..5] OF REAL；
END_TYPE
　　在隸屬度函數(shù)的選取中，高斯型等超越函數(shù)運(yùn)算量較大，占用控制器時(shí)間多。而簡(jiǎn)單代數(shù)型隸屬度函數(shù)，如三角函數(shù)和梯形函數(shù)，在滿足要求的前提下，更利于計(jì)算處理，本文采用后者對(duì)各現(xiàn)場(chǎng)的輸入量進(jìn)行模糊化。圖4為一段桶位的隸屬度函數(shù)，Csetv_L1為一段液位設(shè)定值。

　　  圖5所示窗口(1)給出在系統(tǒng)運(yùn)行過(guò)程中，通過(guò)采樣實(shí)時(shí)數(shù)據(jù)，采用加權(quán)平均算子進(jìn)行診斷，對(duì)診斷結(jié)果變量進(jìn)行在線監(jiān)測(cè)的相關(guān)數(shù)據(jù)。窗口(2)給出相同的征兆時(shí)，采用主因素型算子的診斷結(jié)果。此時(shí)，Symptom[ ]=[0，0.74，0，0.24，0.04，0.01，0.075，0，0]，實(shí)時(shí)過(guò)程量值略。

　　該系統(tǒng)現(xiàn)場(chǎng)Quantum控制器的邏輯結(jié)算時(shí)間大于0.1 ms，完成車(chē)間90個(gè)設(shè)備控制及15個(gè)閉環(huán)調(diào)節(jié)等工作。在加入診斷功能前，控制系統(tǒng)掃描任務(wù)周期為8.9 ms，診斷功能直接安排在主程序中，觸發(fā)診斷功能后，控制系統(tǒng)掃描周期為10.4 ms，Watchdog為30 ms，完全滿足安全性要求。通過(guò)診斷結(jié)論可將原模糊診斷矩陣中的參數(shù)加以人工或自動(dòng)修正，如將征兆“一段液位低”對(duì)“缺介質(zhì)”的值從原0.95進(jìn)一步向1靠近，具體的修正在上位機(jī)中完成。
　　本文將模糊智能故障診斷方法應(yīng)用于控制器中,提高了生產(chǎn)系統(tǒng)的可靠性。設(shè)計(jì)控制系統(tǒng)時(shí)充分考慮故障診斷及處理功能,是減少故障避免事故的重要措施;同時(shí)降低了故障診斷系統(tǒng)的開(kāi)發(fā)費(fèi)用，易于推廣應(yīng)用，有利于故障診斷系統(tǒng)、控制系統(tǒng)與信息系統(tǒng)的集成。但應(yīng)用中應(yīng)注意控制功能與故障監(jiān)控診斷的兼顧和平衡。基于控制器的診斷能夠準(zhǔn)確定位故障,為上級(jí)或遠(yuǎn)程診斷中心提供可靠的依據(jù),避免人工描述不準(zhǔn)確性。
參考文獻(xiàn)
[1] 胡友民.基于PLC高可靠性工業(yè)過(guò)程遠(yuǎn)程監(jiān)控系統(tǒng)[J]. 華中科技大學(xué)學(xué)報(bào),2002,30(4):13-15.
[2] BOUDAOUD A N. On-line diagnosis of a technological system: a fuzzy pattern recognition approach[C]. Proc.of IFAC World Congress, San Francisco, USA,1996,103-107.
[3] BALAKRSHNAN， KARTHIK. Intelligent diagnosis system[J]. Journal of Intelligent System 1998，8（3-4）:239-290.
[4] 張?jiān)?模糊數(shù)學(xué)在自動(dòng)化技術(shù)中的應(yīng)用[M].北京:清華大學(xué)出版社,1997.