故障診斷技術的回顧與展望第1頁，課件共70頁，創(chuàng)作于2023年2月故障包括兩層含義：一是系統(tǒng)偏離正常功能。其形成原因主要是因為系統(tǒng)的工作條件（含零部件）不正常而產(chǎn)生的。通過參數(shù)調節(jié)，或修復零部件，又可恢復正常功能二是功能失效。是指系統(tǒng)連續(xù)偏離正常功能，且其程度不斷加劇，使設備基本功能不能保證1.IntroductionHunanUniversityofTechnology

第2頁，課件共70頁，創(chuàng)作于2023年2月診斷技術可以說幾乎是與機器的發(fā)明同時產(chǎn)生的本世紀60年代，起源于工業(yè)發(fā)達的歐美國家和亞洲的日本70年代中期進入蓬勃發(fā)展的階段進入80年代以后，已經(jīng)形成了集眾多現(xiàn)代科學技術于一體的，一門既注重理論研究，又注重實際應用的新興交叉學科1.IntroductionHunanUniversityofTechnology

第3頁，課件共70頁，創(chuàng)作于2023年2月2.1BasicconceptsoffaultdiagnosisTechnique2.2FaultsClassification2.3Basictasksoffaultdiagnosis2.4Performanceindices2.5ClassificationoffaultdiagnosismethodsHunanUniversityofTechnology

2.SomeProblemsofFDTechnique故障診斷技術的回顧與展望第4頁，課件共70頁，創(chuàng)作于2023年2月故障(fault)：系統(tǒng)至少一個特性或參數(shù)出現(xiàn)較大偏差，超出了可接受的范圍。此時系統(tǒng)的性能明顯低于其正常水平，所以已難以完成其預期的功能失靈(malfunction)：在系統(tǒng)完成特定的任務時，出現(xiàn)了間斷性的不規(guī)則現(xiàn)象失效(failure，又稱嚴重故障)：是指系統(tǒng)連續(xù)偏離正常功能（由于故障），且其程度不斷加劇，使系統(tǒng)持續(xù)喪失了完成給定任務的能力殘差(residual)：故障指示器，由測量值與模型計算值的差得到征兆(symptom)：由故障引起的系統(tǒng)可觀測的特性與其正常的特性相比所出現(xiàn)的異常變化2.1BasicConceptsofFaultDiagnosisTechniqueHunanUniversityofTechnology

2.SomeProblemsofFDTechnique第5頁，課件共70頁，創(chuàng)作于2023年2月監(jiān)視(monitoring)：通過記錄信息、識別與指示系統(tǒng)行為的異?，F(xiàn)象，連續(xù)與實時地確定某一物理系統(tǒng)的運行狀態(tài)。監(jiān)控(supervision)：對物理系統(tǒng)進行監(jiān)視，并且當他發(fā)生故障時采取適當?shù)拇胧?，以維持其運行。誤報(falsealarm)：系統(tǒng)沒有發(fā)生故障而報警?！罢`報率”是衡量故障診斷系統(tǒng)性能的基本指標之一漏報(missingalarm)：系統(tǒng)發(fā)生了故障而沒有報警?！奥﹫舐省笔呛饬抗收显\斷系統(tǒng)性能的又一個基本指標HunanUniversityofTechnology

2.1BasicConceptsofFaultDiagnosisTechnique第6頁，課件共70頁，創(chuàng)作于2023年2月

冗余（redundancy）：指系統(tǒng)里重復配置的一些部件（自動備援），即當某一部件（設備）發(fā)生損壞時,冗余配置的部件可以自動作為后備式部件替代故障部件（設備）的工作，由此減少系統(tǒng)的故障時間

數(shù)據(jù)冗余（dateredundancy）：在一個數(shù)據(jù)集合中重復的數(shù)據(jù)，簡單說就是多余的數(shù)據(jù)。如果數(shù)據(jù)丟失、出錯、故障等可以用冗余恢復數(shù)據(jù)

硬件冗余（hardwareredundancy）：用同樣的硬件重構過程的元部件。特點是可靠性高、故障分離直接，但成本過高解析冗余(analyticalredundancy)：與硬件冗余相對應，指通過用解析方式表示的系統(tǒng)數(shù)學模型來產(chǎn)生冗余信號HunanUniversityofTechnology

2.1BasicConceptsofFaultDiagnosisTechnique第7頁，課件共70頁，創(chuàng)作于2023年2月2.1BasicConceptsofFaultDiagnosisTechniqueHunanUniversityofTechnology

Fig.2.1Schematicdescriptionofthehardwareredundancyscheme如果過程元部件的輸出不同于其硬件冗余的輸出，則過程元部件被檢測出有故障發(fā)生冗余信號的產(chǎn)生往往是成功實現(xiàn)故障診斷的一個關鍵第8頁，課件共70頁，創(chuàng)作于2023年2月2.2FaultClassification

☆按照發(fā)生部位的不同可分為過程（元部件）故障(process/componentfaults)

傳感器故障(sensorfaults)

執(zhí)行器故障(actuatorfaults)

☆按照時間特性的不同可分為突變故障(abruptfaults)

緩變故障(incipientfaults)

間隙故障(intermittentfaults)

☆按照發(fā)生形式的不同可分為加性故障(additivefaults)

乘性故障(multiplicativefaults)HunanUniversityofTechnology

2.SomeProblemsofFDTechnique第9頁，課件共70頁，創(chuàng)作于2023年2月

☆按照發(fā)生部位的不同劃分

過程故障（processfaults）：被控對象中的某些元部件甚至是子系統(tǒng)發(fā)生異常

傳感器故障（sensorfaults）：控制回路中用于檢測被測量的傳感器發(fā)生卡死、恒增益變化或恒偏差而不能準確獲取被測量信息，具體表現(xiàn)為對象變量的測量值與其實際值之間的差別

執(zhí)行器故障（actuatorfaults）：控制回路中用于執(zhí)行控制命令的執(zhí)行器發(fā)生卡死、恒增益變化或恒偏差而不能正確執(zhí)行控制命令，具體表現(xiàn)為執(zhí)行器的輸入命令和它的實際輸出之間的差別HunanUniversityofTechnology

2.2FaultClassification第10頁，課件共70頁，創(chuàng)作于2023年2月

☆按照時間特性的不同劃分突變故障(abruptfaults)：參數(shù)值突然出現(xiàn)很大偏差，事先不可監(jiān)測和預測的故障緩變故障(incipientfaults)：又稱為軟故障，指參數(shù)隨時間的推移和環(huán)境的變化而緩慢變化的故障間隙故障(intermittent

faults)：由于老化、容差不足或接觸不良引起的時隱時現(xiàn)的故障HunanUniversityofTechnology

2.2FaultClassification第11頁，課件共70頁，創(chuàng)作于2023年2月

☆按照發(fā)生形式的不同劃分加性故障(additivefault)：作用在系統(tǒng)上的未知輸入，在系統(tǒng)正常運行時為零。它的出現(xiàn)會導致系統(tǒng)輸出發(fā)生獨立于已知輸入的改變乘性故障(multiplicativefault)：系統(tǒng)的某些參數(shù)的變化。它們能引起系統(tǒng)輸出的變化，這些變化同時也受已知輸入的影響HunanUniversityofTechnology

2.2FaultClassification第12頁，課件共70頁，創(chuàng)作于2023年2月2.3BasicTasksofFaultDiagnosis

故障診斷是一門綜合性技術，其研究涉及到多門學科，如控制理論（經(jīng)典、現(xiàn)代、魯棒、自適應）、可靠性理論、數(shù)理統(tǒng)計、模糊集理論、信息處理、模式識別人工智能等學科理論HunanUniversityofTechnology

2.SomeProblemsofFDTechnique第13頁，課件共70頁，創(chuàng)作于2023年2月2.3BasicTasksofFaultDiagnosis

故障建模（faultmodeling）故障檢測（faultdetection）故障分離（faultisolation）故障識別（identification）故障診斷（diagnosis）HunanUniversityofTechnology

故障檢測與分離（識別）－－FDI故障檢測與診斷－－FDD故障的評價與決策－－FED,FaultEvaluationandDecision第14頁，課件共70頁，創(chuàng)作于2023年2月Fig.2.2Thebasictasksofthesupervisionsystem

2.3BasicTasksofFaultDiagnosis

HunanUniversityofTechnology

第15頁，課件共70頁，創(chuàng)作于2023年2月◆

檢測性能指標（DetectionPerformanceIndex）

﹡早期檢測的靈敏度

﹡故障檢測的及時性

﹡故障的誤報率和漏報率◆

診斷性能指標（DiagnosisPerformanceIndex）

﹡故障分離能力

﹡故障辨識的準確性◆綜合性能指標（ComprehensivePerformanceIndex）

﹡魯棒性

﹡自適應能力

﹡安全性﹡可靠性2.4PerformanceIndices

HunanUniversityofTechnology

2.SomeProblemsofFDTechnique第16頁，課件共70頁，創(chuàng)作于2023年2月2.SomeProblemsofFDTechniqueHunanUniversityofTechnology

2.5ClassificationofFaultDiagnosisMethods

診斷方法的研究在于：尋找征兆與故障之間的有效對應關系最簡單的故障檢測方法就是所謂界限判別法也即判別兩類過程狀態(tài)(正常和異常狀態(tài))

如使用一個傳感器信號x，可按如下條件描述：

如果x＜Hth，那么狀態(tài)正常，否則狀態(tài)異常第17頁，課件共70頁，創(chuàng)作于2023年2月2.5ClassificationofFaultDiagnosisMethods

HunanUniversityofTechnology

國際故障診斷權威，德國的P.M.Frank教授認為故障診斷方法可以分為

※

基于模型的方法(model-based)

※

基于知識的方法(knowledge-based)

※

基于信號處理的方法(Signal-processing-based)第18頁，課件共70頁，創(chuàng)作于2023年2月基于知識的方法基于解析模型的方法基于數(shù)據(jù)驅動的方法故障診斷方法基于癥狀的方法基于定性模型的方法專家系統(tǒng)方法模式識別方法神經(jīng)網(wǎng)絡方法模糊推理模式模式識別方法神經(jīng)網(wǎng)絡方法模糊推理模式最小二乘法濾波器方法參數(shù)估計方法基于觀測器方法等價空間方法信號處理方法機器學習信息融合/粗糙集譜分析小波變換主元分析法Fisher判別分析法偏最小二乘方法神經(jīng)網(wǎng)絡有向圖故障樹支持向量機多元統(tǒng)計分析相關分析/子空間法第19頁，課件共70頁，創(chuàng)作于2023年2月3.1TheGeneralProcedureofModel-basedFD3.2ModelingofFaults3.3Observer-basedApproach3.4ParitySpaceApproach3.5ParameterEstimationApproachHunanUniversityofTechnology

3BasicPrinciplesModel-basedFaultDiagnosis故障診斷技術的回顧與展望第20頁，課件共70頁，創(chuàng)作于2023年2月基本思想校驗由相同的過程輸入信號驅動的過程解析模型的輸出與實際系統(tǒng)的測量輸出之間的一致或不一致性3.1TheGeneralProcedureofModel-basedFDHunanUniversityofTechnology

3BasicPrinciplesModel-basedFaultDiagnosis第21頁，課件共70頁，創(chuàng)作于2023年2月

HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFDFig.3.1Schematicdescriptionofthemodel-basedfaultdiagnosisscheme第22頁，課件共70頁，創(chuàng)作于2023年2月通常所采用的過程解析模型有兩種不同的策略

◆模擬名義的或無故障的特性模型

(Nominalmodel/Fault-freemodel)

◆對于某個特定的預知故障建立其故障特性模型

(Faultymodel)HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFD第23頁，課件共70頁，創(chuàng)作于2023年2月

FD任務分兩步完成殘差（征兆）生成(Residual/SymptomGeneration)殘差（征兆）評價(Residual/SymptomEvaluation)HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFD

基于解析模型的殘差生成方法主要有三種基于觀測器方法(Observer-based)

等價空間方法(ParitySpace)

（或奇偶方程、奇偶關系、奇偶空間）方法參數(shù)估計方法(ParameterEstimation)第24頁，課件共70頁，創(chuàng)作于2023年2月

FDIA系統(tǒng)設計的關鍵抑制信號中不感興趣部分而加強其中反映故障的部分，以區(qū)分故障與模型不確定性和未知輸入的影響基于模型FDIA系統(tǒng)設計的目標使FDIA系統(tǒng)對故障具有盡可能大的靈敏度，而同時對不感興趣信號的影響具有盡可能大的魯棒性HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFD第25頁，課件共70頁，創(chuàng)作于2023年2月

FD系統(tǒng)的設計應包括如下任務◆設計一個殘差生成器，對故障具有高的靈敏度而對模型不確定具有強的魯棒性◆通過選擇殘差評價函數(shù)定義征兆，以保證所檢測的關于故障的信息不被丟失◆進一步分析殘差或開發(fā)征兆，獲得更多的關于故障的知識，以便指導決策或實施容錯控制HunanUniversityofTechnology

3.1TheGeneralProcedureofModel-basedFD第26頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.2ModelingofFault3BasicPrinciplesModel-basedFaultDiagnosis在基于模型故障診斷中使用開環(huán)系統(tǒng)模型，雖然我們認為這個系統(tǒng)是在控制回路中Fig.3.2故障診斷與控制回路

第27頁，課件共70頁，創(chuàng)作于2023年2月3.2ModelingofFaultHunanUniversityofTechnology

Fig.3.3Strctureofastandardcontrolloopwithfault第28頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.2ModelingofFaultHunanUniversityofTechnology

3.2ModelingofFault這一開環(huán)系統(tǒng)分為執(zhí)行器、系統(tǒng)動態(tài)和傳感器三個部分。按照發(fā)生形式的不同主要研究過程元部件故障(processfaults)、傳感器故障(sensorfaults)以及執(zhí)行器故障(actuatorfaults)Fig.3.4開環(huán)系統(tǒng)模型系統(tǒng)動態(tài)可用狀態(tài)空間模型描述

第29頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.2ModelingofFault當(過程）元部件發(fā)生故障時Fig.3.5元部件有故障時系統(tǒng)動態(tài)圖

（過程）元部件故障可以視為系統(tǒng)中一些條件的改變而使動態(tài)關系變?yōu)闊o效的情形，如在三容器中一個水容器出現(xiàn)漏洞。在一些情形下，故障可以表達為系統(tǒng)中參數(shù)的變化第30頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.2ModelingofFault當傳感器發(fā)生故障時一般說來，系統(tǒng)的實際輸出yR(t)是不能直接得到的，通常用傳感器獲得系統(tǒng)測量輸出。通過正確選擇向量fs，可以描述所有的傳感器故障情形。如當傳感器被“固定在零值上”時，測量向量y(t)=0，故障向量Fig.3.6傳感器有故障時系統(tǒng)動態(tài)圖

第31頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.2ModelingofFault當執(zhí)行器發(fā)生故障時事實上，系統(tǒng)的實際執(zhí)行通常也是不能直接獲得的。對于一個受控系統(tǒng)來說，uR是已知執(zhí)行器控制命令u(t)的執(zhí)行器響應。與傳感器故障情況類似，不同的執(zhí)行器故障情況可以由一個合適的故障函數(shù)fa(t)來表示Fig.3.7執(zhí)行器有故障時系統(tǒng)動態(tài)圖

第32頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.2ModelingofFault考慮系統(tǒng)所有可能的傳感器故障、元部件故障和執(zhí)行器故障，系統(tǒng)模型可描述為：通常寫成如下狀態(tài)空間描述的一般形式：輸入－輸出描述形式為：第33頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.2ModelingofFault如果把建模不確定性考慮進去，那么用于殘差生成器完整的狀態(tài)空間模型就變成：其輸入-輸出一致性模型變?yōu)椋旱?4頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.3Observer-basedApproach3BasicPrinciplesModel-basedFaultDiagnosisFig.3.8基于觀測器方法的殘差生成器原理

第35頁，課件共70頁，創(chuàng)作于2023年2月3.3Observer-basedApproachHunanUniversityofTechnology

HunanUniversityofTechnology

(1)

(2)

第36頁，課件共70頁，創(chuàng)作于2023年2月3.3Observer-basedApproachHunanUniversityofTechnology

.

(3)

.

(4)

(5)

(6)

第37頁，課件共70頁，創(chuàng)作于2023年2月3.3Observer-basedApproachHunanUniversityofTechnology

第38頁，課件共70頁，創(chuàng)作于2023年2月3.3Observer-basedApproachHunanUniversityofTechnology

殘差生成器設計的主要目標即為設法達到使FD系統(tǒng)對故障更加靈敏，而同時對不感興趣信號的影響更加魯棒之間的最佳平衡第39頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3BasicPrinciplesModel-basedFaultDiagnosis3.4ParitySpaceApproach等價空間方法的基本思想是提供一個合適的被監(jiān)控系統(tǒng)的測量一致性(奇偶性)校驗第40頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3BasicPrinciplesModel-basedFaultDiagnosis對于硬件(直接)冗余，應多于傳感器最小數(shù)，也就是說，y(k)的維數(shù)應大于x(k)的維數(shù)首先考慮使用m個傳感器，n維向量的測量問題，其測量方程為：系統(tǒng)動態(tài)傳感器C殘差生成器V殘差r

Fig.3.9基于硬件（直接）冗余的殘差生成結構第41頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.4ParitySpaceApproach為了檢測分離故障的目的，向量y(k)可以組合成一組線性無關的等價等式來生成等價向量(殘差)：矩陣V必須滿足：由V的列所張成的空間稱為“等價空間”，也就是說，V的列構成了這個空間的基。如果第i個傳感器中發(fā)生了故障，意味著在方向上的殘差范數(shù)的增大。第42頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.4ParitySpaceApproach故障檢測決策函數(shù)（faultdetectiondecisionfunction）故障分離決策函數(shù)（faultisolationdecisionfunction）對于一個特定的r(k)，可以通過計算DFIi(k)的m個值來識別不正常工作的傳感器。如果DFIi(k)是這些值中的最大數(shù)，那么與之相對應的傳感器就是最有可能發(fā)生故障的傳感器第43頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.4ParitySpaceApproach從等價空間的觀點來看，V的列定義了m個不同的故障表征方向（Ii,i=1,2,…m），在指示有一個故障發(fā)生后，通過將等價向量方向與每一個故障表征方向相比較，可以進行故障分離。實際上，故障分離函數(shù)DFIi(k)是對一個殘差向量與故障表征方向之間相互關系的測量。為可靠分離故障，故障表征方向間的夾角應“盡可能地大”，也即，應“盡可能小”第44頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.4ParitySpaceApproach直接冗余/硬件冗余關系不存在為實現(xiàn)最優(yōu)的故障分離，vi應滿足第45頁，課件共70頁，創(chuàng)作于2023年2月Fig.3.10基于等價空間方法的殘差生成器原理

通過在一定時間間隔，即數(shù)據(jù)窗：內采集傳感器的輸出來構建冗余關系，即時間冗余(temporalredundancy)或連續(xù)冗余(serialredundancy)

HunanUniversityofTechnology

3.4ParitySpaceApproach第46頁，課件共70頁，創(chuàng)作于2023年2月考慮系統(tǒng)由線性離散狀態(tài)空間方程給出：HunanUniversityofTechnology

3.4ParitySpaceApproach第47頁，課件共70頁，創(chuàng)作于2023年2月引入如下符號表示第48頁，課件共70頁，創(chuàng)作于2023年2月3.4ParitySpaceApproachHunanUniversityofTechnology

第49頁，課件共70頁，創(chuàng)作于2023年2月或或3.4ParitySpaceApproachHunanUniversityofTechnology

第50頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

3.5ParameterEstimationApproach3BasicPrinciplesModel-basedFaultDiagnosisFig.3.11基于參數(shù)估計方法的殘差生成器原理

第51頁，課件共70頁，創(chuàng)作于2023年2月基于參數(shù)估計的檢測方法基本思想是用熟知的參數(shù)估計方法重復不斷地對實際過程的參數(shù)進行在線估計，將估計結果與無故障參考模型所獲得的參數(shù)進行比較－－任何實際差異即指示為故障。基于假設：故障是反映在物理系統(tǒng)參數(shù)中的，如磨擦，質量，膠粘性、抵抗性、感應系數(shù)、容量等。HunanUniversityofTechnology

3.5ParameterEstimationApproach第52頁，課件共70頁，創(chuàng)作于2023年2月

采用參數(shù)估計法實現(xiàn)FDI的基本步驟建立過程的物理關系模型；計算正常模型（無故障參考模型）的物理參數(shù)；確定模型系數(shù)與過程物理參數(shù)之間的關系；由可測量的輸入輸出信號，在線估計過程的模型系數(shù)；基于模型系數(shù)的標稱值，建立系統(tǒng)的故障模型，即給出故障與模型系數(shù)之間的聯(lián)系；并基于模型系數(shù)的變化及故障模型進行故障的決策，判斷是否發(fā)生了故障；進行故障診斷，確定故障的類型、位置和大小。HunanUniversityofTechnology

3.5ParameterEstimationApproach第53頁，課件共70頁，創(chuàng)作于2023年2月基于知識的方法基于癥狀的方法基于定性模型的方法專家系統(tǒng)方法模式識別方法神經(jīng)網(wǎng)絡方法模糊推理模式模式識別方法神經(jīng)網(wǎng)絡方法模糊推理模式有向圖故障樹4.knowledge-basedFaultDiagnosisHunanUniversityofTechnology

故障診斷技術的回顧與展望第54頁，課件共70頁，創(chuàng)作于2023年2月HunanUniversityofTechnology

5.Data-basedControl/DecisionMaking/FaultDiagnosis5.1Data-drivenControlTheory5.2Data-basedDecisionMaking5.3Data-drivenFaultDiagnosis故障診斷技術的回顧與展望第55頁，課件共70頁，創(chuàng)作于2023年2月一、數(shù)據(jù)驅動控制的定義HunanUniversityofTechnology

數(shù)據(jù)驅動控制(Data-drivenControl)最早來源于計算機科學領域,控制領域出現(xiàn)這個概念是近幾年的事情相關的少量研究,雖已存在但使用的名詞卻不盡相同

Data-basedcontrolModellesscontrolModel-freecontrolIFT(Iterativefeedbacktuning)VRFT(Virtualreferencefeedbacktuning)ILC(Iterativelearningcontrol)5.1Data-drivencontrolTheory5.Data-basedControl/DecisionMaking/FaultDiagnosis第56頁，課件共70頁，創(chuàng)作于2023年2月5.1Data-drivenControlTheoryHunanUniversityofTechnology

控制系統(tǒng)設計包括：受控對象和控制器設計兩部分受控對象有四種可能情況：有準確的機理模型有機理模型，但機理模型不準確、不確定性較大有機理模型，但機理模型太復雜、階數(shù)太高、非線性太強很難建立機理模型或無模型控制器的設計分為：基于機理模型設計基于數(shù)據(jù)模型或無模型設計第57頁，課件共70頁，創(chuàng)作于2023年2月5.1Data-drivenControlTheoryHunanUniversityofTechnology

控制系統(tǒng)設計有四種有意義的可能設計方案：模型是機理的，控制器也是機理的對建立了機理模型，但機理模型不準確、不確定性較大的系統(tǒng)，控制器設計既可以是基于機理模型，也可以考慮基于數(shù)據(jù)或無模型的方法進行設計模型是機理的，但機理模型太復雜、階數(shù)太高、非線性太強，很難分析和設計，實際應用中需要進行基于局部數(shù)據(jù)模型或無模型的控制器設計對象無模型或很難建立機理模型，需要應用數(shù)據(jù)模型或無模型控制方法第58頁，課件共70頁，創(chuàng)作于2023年2月5.1Data-drivenControlTheoryHunanUniversityofTechnology

數(shù)據(jù)驅動包括：數(shù)據(jù)驅動思想和數(shù)據(jù)驅動控制數(shù)據(jù)驅動思想：指利用受控系統(tǒng)的在線和離線數(shù)據(jù)，實現(xiàn)系統(tǒng)的基于數(shù)據(jù)的控制、預報、評價、調度、監(jiān)控、診斷、決策和優(yōu)化等的各種期望功能數(shù)據(jù)驅動控制：指控制器設計不包含受控過程數(shù)學模型信息，僅利用受控系統(tǒng)的在線和離線數(shù)據(jù)以及經(jīng)過數(shù)據(jù)處理而得到的知識來設計控制器，并在一定的假設下，有收斂性、穩(wěn)定性保障和魯棒性結論的控制理論與方法第59頁，課件共70頁，創(chuàng)作于2023年2月5.1Data-drivenControlTheoryHunanUniversityofTechnology

值得注意的問題機理模型和數(shù)據(jù)模型的本質區(qū)別在于：系統(tǒng)時變性和不確定性在機理模型中是顯式表達的，而在數(shù)據(jù)模型中是非顯式和蘊含的理論上講，對受控對象的知識掌握越多，控制手段就應月豐富，控制效果就應該越好，因此，與建立機理模型一樣，建立好的基于數(shù)據(jù)的控制模型與設計好的控制器，都需要對受控系統(tǒng)的動力學特性和信息有比較深入的了解和利用基于模型的控制理論和方法，對離線數(shù)據(jù)是一次性使用，當模型建立后就棄之不用，但理想的數(shù)據(jù)驅動控制理論和方法則應在控制過程的始終都進行離線數(shù)據(jù)的不同層面、不同尺度上的利用數(shù)據(jù)驅動控制理論和方法不排斥已有的基于模型的控制理論和方法，兩者不能互相取代第60頁，課件共70頁，創(chuàng)作于2023年2月5.1Data-drivenControlTheoryHunanUniversityofTechnology

二、數(shù)據(jù)驅動控制理論與方法的存在背景從理論方面來看1）基于模型的控制理論和方法總是不可避免“未建模動態(tài)”和“魯棒性”這對矛盾問題2）數(shù)學模型的復雜性決定了控制器的復雜結構，高階的復雜的非線性系統(tǒng)模型勢必導致高階復雜的非線性控制器，控制器的簡化和降階問題、魯棒性問題稱為不可逾越的設計問題3）理論和實際之間距離越來越大，制約了控制理論的健康發(fā)展從應用角度來看

基于模型控制理論和方法在解決實際問題時已顯得蒼白無力、力不從心。信息量大、知識匱乏已經(jīng)成為很多過成功也、復雜系統(tǒng)管理和控制的共同瓶頸問題第61頁，課件共70頁，創(chuàng)作于2023年2月5.1Data-drivenControlTheoryHunanUniversityofTechnology

三、數(shù)據(jù)驅動控制方法

分為三類：

基于在線數(shù)據(jù)的數(shù)據(jù)驅動控制方法基于SPSA的無模型控制方法

（Simultaneouslyperturbationstochasticapproximation）

無模型自適應控制（Modelfreeadaptivecontrol，MFAC）去偽控制（Unfalsifiedcontrol，UC）

基于離線數(shù)據(jù)的數(shù)據(jù)驅動控制方法

PID控制方法迭代反饋整定方法（Iterativefeedbacktuning，IFT）虛擬參考反饋整定方法（Virtualreferencefeedbacktuning，VRFT）

基于在線和離線數(shù)據(jù)結合的數(shù)據(jù)驅動控制方法迭代學習控制方法（Iterativelearningcontrol，ILC）懶惰學習控制方法（Lazylearning，LL）第62頁，課件共70頁，創(chuàng)作于2023年2月5.1Data-drivenControlTheoryHunanUniversityofTechnology

四、數(shù)據(jù)驅動控制理論和方法可能發(fā)展趨勢和展望

數(shù)據(jù)驅動控制理論和方法的框架體系的建立面向控制任務的數(shù)據(jù)處理及其在驅動控制控制系統(tǒng)設計中的應用是一個具有標志性意義的研究方向

數(shù)據(jù)驅動控制的魯棒性定義和分析方法是數(shù)據(jù)驅動控制理論和方法的建立及發(fā)展必須要解決的重要問題之一基于閉環(huán)系統(tǒng)實測數(shù)據(jù)的系統(tǒng)運行效果評價、預報和穩(wěn)定檢驗方法也是有前途的研究