基于神經(jīng)網(wǎng)絡(luò)和冗余技術(shù)的傳感器檢測(cè)系統(tǒng)

雷云濤

（天津職業(yè)技術(shù)師范大學(xué)，天津 300222）

基于神經(jīng)網(wǎng)絡(luò)和冗余技術(shù)的傳感器檢測(cè)系統(tǒng)

雷云濤

（天津職業(yè)技術(shù)師范大學(xué)，天津 300222）

將神經(jīng)網(wǎng)絡(luò)與傳感器硬件冗余技術(shù)相結(jié)合應(yīng)用于工業(yè)傳感器在線檢測(cè)系統(tǒng)，提出一種新的傳感器在線故障診斷與分離方法?；谏窠?jīng)網(wǎng)絡(luò)的傳感器檢測(cè)系統(tǒng)由3層BP神經(jīng)網(wǎng)絡(luò)構(gòu)成融合單元，3個(gè)傳感器對(duì)同一物理量檢測(cè)數(shù)據(jù)信息融合，預(yù)測(cè)單元根據(jù)傳感器當(dāng)前時(shí)刻和前一時(shí)刻的輸出值預(yù)測(cè)下一時(shí)刻的輸出值，多種算法支持的決策單元得出最為合理的信號(hào)輸出，并給出了信號(hào)重構(gòu)技術(shù)算法。特別適用于檢測(cè)過(guò)程控制系統(tǒng)中的關(guān)鍵參數(shù)，解決因各種工業(yè)傳感器性能變差、損壞以及短時(shí)更換等引起的問(wèn)題，實(shí)現(xiàn)控制系統(tǒng)的持續(xù)運(yùn)行。實(shí)際應(yīng)用表明，該系統(tǒng)的工程化設(shè)計(jì)有效地提高了整個(gè)自動(dòng)控制系統(tǒng)的穩(wěn)定性和可靠性。

傳感器；硬件冗余；神經(jīng)網(wǎng)絡(luò)；故障診斷

現(xiàn)代自動(dòng)化生產(chǎn)過(guò)程中，需要采用各種傳感器來(lái)監(jiān)視和控制生產(chǎn)過(guò)程中的各個(gè)參數(shù)，保證設(shè)備正常運(yùn)行于最佳狀態(tài)。若傳感器發(fā)生故障而沒(méi)有及時(shí)進(jìn)行處理，會(huì)給生產(chǎn)造成極其嚴(yán)重的后果。此外，傳感器壽命是有限的，在正常工作情況下也需要定期更換。在一些特殊場(chǎng)合，更換傳感器時(shí)系統(tǒng)還必須保持運(yùn)行。

目前，故障診斷方法分為基于解析數(shù)學(xué)模型的方法和不依賴(lài)于數(shù)學(xué)模型的方法[1]?；谀Ｐ偷膫鞲衅鞴收显\斷系統(tǒng)要求建立一套準(zhǔn)確的傳感器數(shù)學(xué)模型[2]，這在實(shí)際工程中實(shí)現(xiàn)起來(lái)較為困難。因此傳感器故障診斷方法大多基于分析冗余技術(shù)[3]、神經(jīng)網(wǎng)絡(luò)等，為此，本文采用BP神經(jīng)網(wǎng)絡(luò)，以傳感器當(dāng)前時(shí)刻的輸出作為網(wǎng)絡(luò)的輸入信號(hào)，計(jì)算出相應(yīng)傳感器下一時(shí)刻的預(yù)測(cè)值，既提高了系統(tǒng)監(jiān)控精度，又解決了更換和維修時(shí)系統(tǒng)的穩(wěn)定性問(wèn)題。

本文采用硬件冗余技術(shù)與神經(jīng)網(wǎng)絡(luò)進(jìn)行配合的方法，既有傳統(tǒng)設(shè)計(jì)中硬件冗余的特點(diǎn)，又可保證信號(hào)輸出的穩(wěn)定性和準(zhǔn)確性。

實(shí)際設(shè)計(jì)中，依據(jù)經(jīng)濟(jì)性原則采用了以下方法。

（1）對(duì)于模擬傳感器，同時(shí)安裝3個(gè)傳感器進(jìn)行檢測(cè)；對(duì)于現(xiàn)場(chǎng)總線傳感器，采用現(xiàn)場(chǎng)總線網(wǎng)絡(luò)連接3個(gè)傳感器，并結(jié)合網(wǎng)絡(luò)信號(hào)進(jìn)行檢測(cè)。

（2）在系統(tǒng)穩(wěn)定運(yùn)行時(shí)，采用神經(jīng)網(wǎng)絡(luò)算法對(duì)傳感器信號(hào)進(jìn)行融合，然后進(jìn)行傳感器的故障分離，最后通過(guò)信號(hào)重構(gòu)技術(shù)實(shí)現(xiàn)信號(hào)的穩(wěn)定輸出。

本文的研究工作能夠?qū)崿F(xiàn)傳感器出現(xiàn)故障時(shí)故障信號(hào)的在線分離，以便于在較短時(shí)間內(nèi)完成傳感器在線更換工作。

1 基于神經(jīng)網(wǎng)絡(luò)的傳感器檢測(cè)系統(tǒng)

系統(tǒng)采用3個(gè)傳感器同時(shí)進(jìn)行檢測(cè)，基于神經(jīng)網(wǎng)絡(luò)的傳感器檢測(cè)系統(tǒng)構(gòu)成如圖1所示。融合單元采用3層BP網(wǎng)絡(luò)，對(duì)傳感器輸出數(shù)據(jù)進(jìn)行融合；預(yù)測(cè)單元采用預(yù)測(cè)能力較強(qiáng)的遞推網(wǎng)絡(luò)，為決策單元提供傳感器故障診斷的標(biāo)準(zhǔn)；決策單元根據(jù)系統(tǒng)當(dāng)前狀態(tài)作出決策，并為控制器或監(jiān)控器提供輸入信號(hào)。

圖1 基于神經(jīng)網(wǎng)絡(luò)的傳感器檢測(cè)系統(tǒng)結(jié)構(gòu)Fig.1Structure of sensor detection system based on neural network

1.1 融合單元

實(shí)際應(yīng)用中，系統(tǒng)內(nèi)部各參數(shù)之間存在一些耦合信息，這些信息通過(guò)神經(jīng)網(wǎng)絡(luò)，能實(shí)現(xiàn)多個(gè)傳感器對(duì)同一物理量檢測(cè)數(shù)據(jù)的信息融合，獲得比其中任一傳感器所檢測(cè)到的數(shù)據(jù)都精確的數(shù)據(jù)[4]。

設(shè)系統(tǒng)中某一物理量輸出的標(biāo)定值為y，對(duì)應(yīng)3個(gè)傳感器檢測(cè)該物理量的輸出值為y1、y2和y3，則y可以用一個(gè)三次擬合方程來(lái)描述，即

式中，β0，β1，…，β10為待定常數(shù)。

當(dāng)3個(gè)傳感器正常工作時(shí)，只要確定了這些待定常數(shù)，由式（1）就可以擬合出輸出值y。為了確定這些待定常數(shù)，設(shè)計(jì)中采用了3層BP神經(jīng)網(wǎng)絡(luò)。在系統(tǒng)投入使用前，使用足夠的樣本對(duì)此網(wǎng)絡(luò)進(jìn)行訓(xùn)練，就可以逼近任一非線性函數(shù)。3層BP神經(jīng)網(wǎng)絡(luò)具有高速并行處理能力，結(jié)構(gòu)如圖2所示。當(dāng)3個(gè)傳感器中任何一個(gè)出現(xiàn)故障時(shí)，應(yīng)該由決策單元根據(jù)分析描述的方法進(jìn)行處理。

圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2Structure of BP neural network

1.2 預(yù)測(cè)單元

傳感器故障檢測(cè)是實(shí)現(xiàn)傳感器冗余控制的基礎(chǔ)，只有將傳感器故障及時(shí)檢測(cè)出來(lái)，并進(jìn)行隔離，才能有效地實(shí)現(xiàn)冗余控制[5]。所謂傳感器故障檢測(cè)就是判斷傳感器的輸出值是否在正常的范圍內(nèi)，當(dāng)超出允許范圍時(shí)，則視為故障信號(hào)。要判定傳感器的輸出值是否在正常的運(yùn)行范圍內(nèi)，必須提供一個(gè)評(píng)判標(biāo)準(zhǔn)。比較有效的辦法是用傳感器當(dāng)前時(shí)刻和前一時(shí)刻的輸出值預(yù)測(cè)下一時(shí)刻的輸出值，并把這一輸出值作為下一時(shí)刻的評(píng)判標(biāo)準(zhǔn)。

1.3 決策單元

一般的模擬傳感器輸出4～20 mA電流信號(hào)。目前多采用雙冗余或者3個(gè)傳感器冗余的方法。選擇具有3個(gè)測(cè)量值的輸入選擇器，進(jìn)行選擇判斷，然后將決策結(jié)果送到控制調(diào)節(jié)器（一般是PID調(diào)節(jié)器）。

本文設(shè)計(jì)的選擇器，其算法支持多種方式，包括：取3個(gè)輸入值中的最高值、最低值或中間值，或者計(jì)算出的三者平均值?，F(xiàn)場(chǎng)總線傳感器不僅提供測(cè)量數(shù)值，還提供狀態(tài)信息，它有助于自動(dòng)判定測(cè)量值的好、差或不定。在控制調(diào)節(jié)器接收數(shù)據(jù)之前，需對(duì)信號(hào)不穩(wěn)定的數(shù)據(jù)進(jìn)行屏蔽。

設(shè)3個(gè)傳感器在某時(shí)刻的輸出值為y1（k）、y2（k）和y3（k），融合單元的輸出值為y123（k），前一時(shí)刻預(yù)測(cè)單元的輸出值為y（k-1），兩個(gè)傳感器之間的允許的最大誤差范圍為Δmax，則判斷公式[6]為

當(dāng)yn（k）=0（n=1，2，3）時(shí)，表示對(duì)應(yīng)傳感器的信號(hào)線斷路；當(dāng)yn（k）（n=1，2，3）大于量程值時(shí)，表示信號(hào)超量程；當(dāng)yn（k）（n=1，2，3）大于零，小于量程值時(shí)：

（1）若dm〈0（m=1，2，3，4），表示信號(hào)合理；

（2）若dm=0（m=1，2，3，4），表示信號(hào)不變化；

（3）若dm〉0（m=1，2，3，4），表示信號(hào)變化過(guò)快。

決策方法如下。

（1）首先判定信號(hào)是否合理，根據(jù)yn（k）和dm的值，區(qū)分?jǐn)嚅_(kāi)、超量程、不變化和過(guò)快變化4種情況。在系統(tǒng)不斷開(kāi)的情況下，若信號(hào)都不合理，則對(duì)預(yù)測(cè)值進(jìn)行重新估算。

（2）若出現(xiàn)3個(gè)合理值時(shí)，則丟棄一個(gè)與平均值偏差比較大的傳感器信息，余下兩個(gè)測(cè)量值按圖3所示的算法進(jìn)行處理。

（3）按照模式設(shè)置，進(jìn)行最大值、最小值、平均值計(jì)算。

（4）按照模式設(shè)置，可選擇信號(hào)質(zhì)量最好的信號(hào)，或者加權(quán)平均。

決策單元的模式設(shè)置見(jiàn)表1，算法流程如圖3所示。

表1 決策單元的模式設(shè)置Tab.1Mode setting of decision-making unit

圖3 決策單元算法流程Fig.3Flow chart of decision-making unit algorithm

例如第1個(gè)液位傳感器質(zhì)量輸入為90%（良好），第2個(gè)為30%，第3個(gè)為10%，若選擇模式為多選一模式，則檢測(cè)后只輸出90%的傳感器數(shù)據(jù)；若選擇模式為加權(quán)模式，則根據(jù)信號(hào)質(zhì)量，質(zhì)量高的數(shù)據(jù)就占有較大的權(quán)值。

2 信號(hào)重構(gòu)技術(shù)

很多學(xué)者對(duì)各種非線性傳感器進(jìn)行了研究，采用多種方法進(jìn)行信號(hào)處理、模型重建，以便獲得高精度、高穩(wěn)定的檢測(cè)信號(hào)[7]。在實(shí)際應(yīng)用中，其主要目的不是獲得高精度，而是為了當(dāng)傳感器出現(xiàn)問(wèn)題時(shí)在保持系統(tǒng)正常運(yùn)行狀態(tài)下進(jìn)行信號(hào)的重構(gòu)。信號(hào)重構(gòu)可以直接在單一的傳感器上進(jìn)行，也可在傳感器冗余的基礎(chǔ)上完成。

信號(hào)重構(gòu)技術(shù)要求每個(gè)模式都設(shè)定容許的重構(gòu)時(shí)間，具體實(shí)施方法按表2設(shè)定模式操作。

表2 信號(hào)重構(gòu)算法Tab.2Algorithm of the signal reconstruction

（1）直接替換數(shù)據(jù)法：僅由某個(gè)傳感器獲得現(xiàn)場(chǎng)相關(guān)信息，在系統(tǒng)處于穩(wěn)定狀態(tài)下，直接使用最后一個(gè)合理數(shù)據(jù)代替新的輸出。

（2）函數(shù)計(jì)算法：由某個(gè)傳感器獲得現(xiàn)場(chǎng)相關(guān)信息，利用已知的系統(tǒng)傳遞函數(shù)在規(guī)定的時(shí)間內(nèi)將計(jì)算值和真實(shí)值進(jìn)行比較。如果誤差在允許范圍內(nèi)，則使用函數(shù)計(jì)算值作為新的輸出。

若系統(tǒng)傳遞函數(shù)未知，但有其他相關(guān)傳感器，其檢測(cè)到的信息與目標(biāo)檢測(cè)信息具有固定的函數(shù)關(guān)系，則可利用這個(gè)函數(shù)關(guān)系按照上述方法進(jìn)行計(jì)算，獲取輸出值作為新的輸出。

（3）采用神經(jīng)網(wǎng)絡(luò)算法：采用傳感器融合技術(shù)，將融合單元的輸出作為合理數(shù)據(jù)直接代替新的輸出。但在進(jìn)行融合之前，需要判斷信號(hào)所屬的狀態(tài)（合理、斷開(kāi)、超量程或變化過(guò)快）。

程序設(shè)計(jì)采用線性函數(shù)（或一階傳遞函數(shù)）和BP神經(jīng)網(wǎng)絡(luò)。對(duì)于液位控制，溫度控制等具有慣性環(huán)節(jié)特性的情況，可采用一階傳遞函數(shù)，其它情況采用BP神經(jīng)網(wǎng)絡(luò)。

信號(hào)重構(gòu)技術(shù)的算法流程如圖4所示。

圖4 信號(hào)重構(gòu)技術(shù)算法流程Fig.4Flow chart of signal reconstruction

3 應(yīng)用測(cè)試

本設(shè)計(jì)實(shí)際應(yīng)用于某生化反應(yīng)溫度控制中并進(jìn)行了可靠性、穩(wěn)定性和準(zhǔn)確性測(cè)試。在規(guī)定的測(cè)試環(huán)境下采用3個(gè)傳感器對(duì)系統(tǒng)的輸出溫度進(jìn)行實(shí)時(shí)檢測(cè)，在200 s內(nèi)溫度由20℃升到50℃過(guò)程中，系統(tǒng)的實(shí)際輸出曲線如圖5所示。當(dāng)傳感器1和傳感器2出現(xiàn)故障，以及傳感器1和傳感器2同時(shí)出現(xiàn)故障時(shí)，融合單元輸出曲線如圖6所示。預(yù)測(cè)單元輸出曲線如圖7所示。

圖5 系統(tǒng)實(shí)際輸出曲線Fig.5Output curve of actual system

圖6 融合單元輸出曲線Fig.6Output curve of fusion unit

圖7 預(yù)測(cè)單元輸出曲線Fig.7Output curve of predict unit

4 結(jié)語(yǔ)

本文采用神經(jīng)網(wǎng)絡(luò)技術(shù)、傳感器冗余技術(shù)和信號(hào)重構(gòu)技術(shù)完整的設(shè)計(jì)實(shí)踐了一套新穎實(shí)用的傳感器在線檢測(cè)與更換方法，應(yīng)用于鍋爐液位控制系統(tǒng)中收到了良好的效果。對(duì)于運(yùn)行中的自控系統(tǒng)傳感器的工作狀態(tài)和系統(tǒng)的關(guān)鍵性參數(shù)的檢測(cè)以及傳感器的在線更換有較好的實(shí)用價(jià)值。也可廣泛應(yīng)用于電力系統(tǒng)和自動(dòng)化設(shè)備的在線檢測(cè)與維護(hù)。

[1]Venkatasubramanian V，Rengaswamy R，Yin K，et al.A review of process fault detection and diagnosis：part III：process history based methods[J].Computers and Chemical Engineering，2003；27（3）：327-346.

[2]Lee S C.Sensor value validation based on systematic exploration of the sensor redundancy for fault diagnosis KBS [J].IEEE Transaction on System，Man and Cybernetics，1994，24（4）：594-605.

[3]Willsky A S.A survey of design methods for failure detection in dynamic systems[J].Automatica，1976，12（6）：601-611.

[4]王永驥，涂建.神經(jīng)元網(wǎng)絡(luò)控制[M].北京：機(jī)械工業(yè)出版社，1998.

[5]楊國(guó)勝，謝東亮，侯朝楨（Yang Guosheng，Xie Dongliang，Hou Chaozhen）.基于神經(jīng)網(wǎng)絡(luò)的傳感器冗余方法研究（Research on the redundant method for sensors based-on neural network）[J].傳感技術(shù)學(xué)報(bào)（Journal of Transduction Technology），2001，14（1）：33-38.

[6]崔克寧，謝東亮（Cui Kening，Xie Dongliang）.一種多傳感器冗余的神經(jīng)網(wǎng)絡(luò)算法研究（Research on algorithm of multi-sensor redundance based on neural network）[J].河南大學(xué)學(xué)報(bào)：自然科學(xué)版（Journal of Henan University：Natural Science），2001，31（1）：15-19.

[7]徐濤（Xu Tao）.基于小波包PCA的故障傳感器數(shù)據(jù)重構(gòu)方法（Data reconstruction method for faulty sensor based on wavelet package and PCA）[J].計(jì)算機(jī)工程與應(yīng)用（Computer Engineering and Applications），2008，44（14）：239-241.

Sensor Detecting System Based on Neural Networks and Redundancy

LEI Yun-tao
（Tianjin University of Technology and Education，Tianjin 300222，China）

Combining the hardware redundant technology and BP neural network，this paper presents a new method for constructing a sensor detecting system with abilities of sensor fault detection，fault isolation and redundancy.It introduce the structure of the sensor detecting system based in neural networks.The fusion unit constituted with 3-lays BP neural networks can complete the information fusion which the same physical quantity is detected by three sensors，the predict unit forecast the output value in the next time with the former value.The decision-making unit support many algorithm that can output the most reasonable signal output.It also gives the algorithm of the signal reconstruction.This method especially suits for the key parameter in PA system，which can solve the problem of short-term replacement in some case like as，the deterioration of the sensor，even damage，and it can't affect the normal production to continue the operation of control system.The results of experiment show that the method is correct and reliable in automatic control system.

sensor；hardware redundancy；neural network；fault diagnosis

TP206

A

1003-8930（2013）03-0158-04

雷云濤（1962—），男，本科，副教授，研究方向?yàn)橹悄軝z測(cè)、傳感器網(wǎng)絡(luò)和信息處理。Email：lyt_tj@163.com

2012-12-10；

2013-01-22