基于通信协议的网络化系统故障检测

第1章 绪论 1.1 引言 近几十年，随着科学技术的不断提升，许多工程系统朝着复杂化和大规模化的方向发展，如机器人系统、电力系统和光伏系统等 [1]。这些大规模复杂系统在给人类生产生活带来便利的同时，也增加了由于某些元器件老化、形变和裂损等问题导致的系统故障风险。如果没有及时检测到系统中发生的故障，可能会给人民的生产生活带来重大影响，甚至造成无法估量的损失。例如， 1971年 6月 30日，苏联的“联盟”号飞船与“礼炮”空间站对接飞行 24天后，在返回地面时因连接轨道舱和返回舱的换气阀门漏气，导致 3名宇航员牺牲。 1992年 11月 24日，中国南方航空公司波音 737飞机在执行广州 -桂林航班任务时，由于飞机右发自动油门发生故障，导致左、右发动机推力不平衡，造成机上 141人全部遇难。 2018年 3月 12日，江西九江某石化企业循环氢压缩机因润滑油压力低继而发生停机，由于没有安装相关检测设备及时检测到机器故障，导致该企业柴油加氢装置原料缓冲罐发生爆炸，造成 2人死亡、1人受伤。这些例子说明及时发现故障的早期征兆，以便采取相应措施，避免、减缓、减少重大事故的发生十分必要。作为监测和测量各种物质成分和物理量的重要工具，仪器仪表在工业、航空和人民生活等众多领域得到了广泛应用，并且仪器仪表的测量输出信息可以作为判断系统异常的重要依据。比如万用表通过电流的导通情况判断电路是否发生短路故障，压力计通过一段时间内压力的下降情况判断燃气管道是否存在泄漏故障，有害气体报警器通过检测环境中有害气体的浓度判断化工厂是否发生阀门故障等。然而，传统的采用各类仪器仪表测量电流、振动、转速、温度等物理特性变化的检测方法，通常在设备发生损坏停机后才能发现故障，因此该方法存在一定的局限性。值得注意的是，每年都会发生许多由于系统出现异常和故障却未被及时检测与排除引起的事故。由此可见，系统故障的实时检测和诊断为系统的正常运行提供了有效保障，在保证系统可靠性方面起着至关重要的作用。 作为提高复杂动态系统的安全性并且降低系统运行风险的重要手段，故障检测技术获得了越来越多的关注。该技术首次引入工程机械系统，主要用于监测系统的运行状态，检测和处理设备的异常情况。迄今为止，故障检测技术已经在现代系统控制、信号处理和模式识别等领域广泛使用 [2-4]。随着故障检测技术的不断发展与完善，该技术理论已经形成了专业的结构体系，主要包括基于信号处理的方法、基于经验知识的方法和基于模型的方法。其中，近十年来应用昀为广泛的是基于模型的方法，该方法利用系统的数学模型和可获得的测量输出信息设计故障检测滤波器或观测器，达到检测系统故障的目的。到目前为止，基于模型的方法已经引起了国内外学者的关注并取得了大量优秀的研究成果。 随着网络通信技术和计算机技术的快速发展，以及故障检测技术与自动控制理论的结合，测量数据由有线传输变成了网络传输传递到仪器仪表。但是，由于网络技术的发展水平和通信设备的处理能力有限，通信网络的引入可能会导致时滞、传感器测量丢失、传感器数据漂移、信号量化和网络攻击等网络诱导现象，各种网络传输异常干扰着仪器仪表对设备工况的检测。因此，构建基于设备与通信网络的网络化系统并研究故障检测问题，能适当避免由于网络通信异常或网络诱导现象导致的检测不灵敏，有效检测出设备故障，保证系统稳定运行。网络化系统是以信息包的形式通过网络交换反馈信号和控制信号的一种系统。它的特点是，系统各模块组件通过通信网络进行连接，各模块之间的物理位置和布局没有约束，方便系统操作与维护。因此，网络化系统近年来已被广泛应用于多种实际领域中，如无人机、智能机器人和航空航天等不同领域。然而，随着网络化系统的快速发展，需要传输的信息越来越多，必然会占用更多的网络资源，造成网络拥堵和数据冲突等现象。为了避免此类现象的发生，实际通信网络一般采取引入通信协议来调节数据传输。近十年来，轮询( round-robin，RR)协议、随机通信协议( stochastic communication protocol，SCP)、尝试一次加权丢弃( weighted try-once-discard，WTOD)协议和基于事件的通信协议(即事件触发机制) [5-8]受到了广泛关注。这些通信协议具有各自的特点，在网络化系统中发挥着重要的作用。但是，由于通信协议的引入，网络化系统变得更加复杂，传统的故障检测方法可能不再适用于通信协议作用下网络化系统的分析与设计。因此，开发受通信协议约束的网络化系统故障检测方法仍然值得探索和研究。 众所周知，非线性是工程领域中一类常见的现象，在系统建模分析中可以将非线性系统线性化，从而得到近似的线性系统模型。然而，在复杂动态系统中，被控对象或被控过程的非线性现象是普遍存在且十分复杂的，通过线性化得到的近似模型不能准确刻画原系统。因此，在系统建模中，非线性不能被完全消除，它是影响系统性能的重要因素之一。非线性的存在提升了系统复杂度，同时也给系统研究带来了挑战。所以，开发适用于受非线性扰动影响的网络化系统的故障检测方法显得尤为重要。此外，值得注意的是多种网络诱导现象可能同时发生，将这些现象建模并综合分析网络化系统的故障检测问题仍是一个具有挑战的课题。鉴于以上分析，本书以网络化系统为研究对象，分别研究具有传感器测量丢失、传感器数据漂移、信号量化和网络攻击等网络诱导现象的网络化系统在不同通信协议约束下的故障检测问题，提出有效的故障检测方法，进一步将研究结果应用于检测网络化直流电机系统中的故障。 1.2 网络诱导现象的研究现状 随着网络技术的快速发展，愈来愈多的传统工业控制系统通过网络进行各个设备之间的交流和控制，即网络化系统。通信网络的引入便于系统中所有设备之间的数字化交流，使得一个区域内不同位置的用户能够实现协同运行及资源共享 [9]。近二十年来，国内外涌现了大量关于网络化系统的研究成果。然而，在网络环境中，信号通过有限带宽的通信信道进行传输，因此时常会发生诸如时滞、传感器测量丢失、传感器数据漂移、信号量化及网络攻击等现象 [10-13]。 1)时滞 时滞是时间滞后的简称，系统变量的测量、远距离传输等过程都可能产生时滞现象。时滞的存在可能会影响系统的性能，甚至使系统失稳，给系统分析与综合带来挑战 [14]。例如，在故障检测过程中，由于时滞的影响，滤波器不能及时获取到系统的测量输出信息，从而导致故障检测方法精度降低。因此，弱化时滞对系统的影响十分必要。针对时滞现象，广大学者进行了详细的研究 [15-19]。其中，文献 [16]将时滞区间划分为多个子区间，结合倒凸组合不等式推导出了保证系统稳定的充分条件。文献 [17]构造了具有多重积分项并且充分利用时滞信息的 Lyapunov泛函，减少了提出的稳定性判据的保守性。文献 [19]利用时滞分割方法，弱化了时滞给系统分析和综合带来的影响。此外，由于时变时滞和分布式时滞有可能同时发生，基于这种情况，文献 [20]既考虑了时变时滞，又考虑了区间分布式时滞，给出了更具有一般性的确保系统稳定的控制器设计方案。文献[21]～[23]均研究了具有混合时滞的复杂系统状态估计问题，提出了相应的估计方案。 2)传感器测量丢失 网络化系统的每个传感器节点都具有无线通信、传输信号和处理数据的能力。但是，由于传感器节点的计算水平和网络带宽有限，常常会导致通信约束存在。也就是说，在获得系统测量输出的过程中，可能会由于多种原因造成传感器测量丢失，如跟踪目标的高机动性、测量失败、传感器故障、网络拥堵或数据冲突等。在系统运行过程中，如果发生过多的测量丢失，会导致系统性能降低，甚至失稳 [24]。因此，已经有许多科研工作者致力于研究具有传感器测量丢失现象的网络化系统的相关问题[25-27]。在现有的大多数研究成果中，常常通过引入一个伯努利随机变量描述传感器测量丢失现象，即假设所有传感器的测量丢失具有相同的概率分布 [28-30]。在该思想的基础上，文献 [31]引入了一个对角矩阵来刻画系统的传感器测量丢失现象，对角矩阵的每个元素为互不相关的伯努利随机变量，说明每个传感器拥有独立的丢失概率。然而，由于测量信息可能会发生部分丢失，仅使用伯努利随机变量刻画该现象可能不够准确。在这种情况下，文献 [32]、[33]考虑了随机发生测量丢失现象，利用一组 [0， 1]区间上服从指定概率分布的随机变量描述每个传感器的测量丢失情况。值得注意的是，上述结果均假设传感器测量丢失的发生概率是确定的。但是，由于系统受到外部环境的影响，丢失概率可能是不确定的，甚至是未知的。基于这种情况，研究不确定发生概率的测量丢失现象具有一定的现实意义。文献 [34]～[36]讨论了具有传感器测量丢失现象的系统故障检测和滤波问题，假设传感器测量丢失的发生概率是不确定的，分别给出了故障检测方法和滤波算法。 3)传感器数据漂移 传感器数据漂移一般是指传感器发送的数据与接收端收到的数据存在不一致的现象，事实上，传感器数据漂移也是降低系统性能的重要因素之一。在工程实际中，传感器数据漂移可能发生在传感器采集信号的过程中，特别是在严重的噪声干扰下，数据的结构或语义可能会发生变化，从而影响系统性能。近十年，关于传感器数据漂移现象的相关问题已经取得了丰硕的研究成果 [37-40]。其中，文献 [37]考虑了基于多面体不确定性的传感器数据漂移，给出了测量输出的表达式，进而分析了网络化系统的控制问题。该文献利用一个矩阵刻画传感器数据漂移现象，假设数据漂移矩阵中的每个元素都位于已知上、下界的区间内，这种描述方式没有充分考虑到元素的概率分布问题。因此，文献 [38]假设每个传感器的数据漂移现象受一个随机变量控制，该随机变量服从指定的概率分布，即传感器数据漂移现象是由一组相互独立的随机变量和各自的概率分布函数来描述的。文献 [40]通过引入数据漂移矩阵的上界和下界，将表示传感器数据漂移的不确定矩阵转化为有界矩阵，便于后续的分析与处理。 4)信号量化 由于网络带宽受限，当数据经网络信道传送时，需要对数据采取量化处理，而经量化后的数据会与原始数据产生量化误差，对分析系统的稳定性和其他指标出现不同程度的影响 [41]。因此，研究网络化系统的故障检测问题时，量化带来的影响不容忽视[42-45]。文献[46]提出了一种用满足扇形有界条件的不确定性处理对数量化误差的方法，采用经典鲁棒控制理论进行后续处理。文献 [47]针对具有量化的不确定线性系统，将量化误差刻画为随机噪声，设计了相应的故障检测滤波器，给出了滤波器参数矩阵的具体表达式。基于文献 [46]提出的处理量化误差的方法，针对具有输出量化的模糊半马尔可夫跳跃系统，文献 [48]采用区间 2型(interval type-2，IT2)模糊方法构造了 IT2模糊半马尔可夫模态相关滤波器，通过将设计的系统模型与滤波器相结合，得到一个能够有效估计故障信号的检测系统。与此同时，针对一类具有时滞的半马尔可夫跳跃系统，为了节约传感器与故障检测滤波器之间的网络资源，文献[49]同时引入了量化方法与事件触发机制，并利用线性矩阵不等式技术和 Lyapunov方法解决了事件触发机制下系统的故障检测问题。 5)网络攻击 通信网络的广泛使用在给人们带来方便的同时，也给信息安全带来了挑战。网络的开放性令人们在使用网络时容易受到威胁，导致系统的稳定性受到影响。因此，关于网络化系统的网络安全问题引起了人们的研究兴趣 [50-52]。一般来说，影响系统行为的网络攻击主要分为重放攻击 [53，54]、拒绝服务攻击 [55]和欺骗攻击 [56-59]。其中，欺骗攻击会将欺骗信息注入系统的测量数据中，为了更符合实际，可以考虑攻击具有随机性质。目前，已有学者针对具有随机欺骗攻击现象的网络化系统，研究了其相关问题 [60-65]。例如，文献 [64]针对具有欺骗攻击的非线性时变网