摘    要： 針對在智能診斷中最底層現場控制器的診斷功能和處理方法加以闡述，提出一種基于現場控制器的模糊智能診斷方法，并指出處理及設計中的基本原則。在實際應用中證明其可行性及有效性。
關鍵詞： 工藝過程故障診斷；現場控制器；多任務系統；模糊智能診斷；PLC；選煤生產

　　以PLC為代表的現場控制器功能日趨完善，除了完成對設備、工藝過程的監控任務，還可以對現場的各種故障快速發現、及時解決[1]。統計表明實際中80%以上的故障為一般性故障，在解決常見、多發故障的處理上，現場診斷功能可發揮如下作用：(1)精確定位故障，避免診斷的盲目性；(2)立即采取措施，避免造成嚴重后果；(3)使系統有一定的容錯能力，在出現某些故障的情況下，改變控制策略，避免停車等事故，確保系統繼續安全可靠的運行。
1 控制器的診斷功能擴展
　　根據故障危害程度等特征，將故障分為安全性故障、工藝過程性故障、耐用性故障等不同等級[2-3]。在組織故障處理功能時，故障的等級應予以考慮。(1)安全性故障：可能產生嚴重后果的故障，主要包括設備損壞、危及人身安全要求控制系統立即處理并報警。(2)工藝過程性故障：能夠對控制過程、產品質量產生嚴重影響，但不易立即發現處理的故障，一段時間后如故障仍不排除則后果擴大。(3)耐用性輕度故障：除上述2種故障外，不直接影響生產和質量的輕度故障。
　　現場控制器如高端PLC、DCS系統，其操作系統均采用搶先式多任務處理機制，控制器故障診斷處理可依照故障的等級，采用不同的任務等級。圖1以Quantum PLC為例，給出故障診斷及處理功能在PLC中的合理結構安排。操作系統為用戶程序提供不同優先級的處理功能，在每個級別上都按照采樣輸入、處理程序、執行輸出的過程進行，高優先級的任務中斷低優先級任務。

　　安全性故障：在正常的掃描任務中判斷處理，由于PLC的CPU速度很高，PLC程序掃描周期一般只有幾毫秒，所以對于絕大部分故障的處理速度是滿足要求的，并可使程序簡化。對于后果嚴重、響應速度要求極高的故障，必須安排在I/O或定時中斷中處理。
　　工藝過程性故障：在不影響CPU掃描工作正常進行的情況下，在正常的掃描任務中判斷處理，對于算法復雜度較高或時間響應要求偏低的診斷過程，應安排在背景任務中。對于需要復雜的修正及自學習過程，該過程不宜安排在控制器中。
　　  耐用性故障：應安排在背景任務中或上位機中進行。
　　  安全性故障易于發現處理，通常通過簡單判斷進行停機等處理。而工藝過程性故障，一方面十分隱蔽，難于發現，另一方面卻對生產過程、產品質量影響嚴重。以往，控制器無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運行情況、工藝參數的變化才能避免事故，這對于要求自動化程度較高的場合更是一種挑戰。在現場控制系統設計時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題根本途徑。
2  基于控制器的模糊智能診斷
　　模糊邏輯系統應用于現場診斷具有許多優點：現場信號(如信號的幅值、變化率、頻率特征等)均為實型變量，可以通過測量或提取處理為模糊邏輯系統的輸入。由于生產實際中，故障診斷領域存在的大量經驗性專家知識具有模糊性和不完全性，無法建立準確的數學模型，因此模糊邏輯系統能夠充分有效地利用自然語言和知識信息，模糊規則基本格式“If…then…”型，非常適合于描述專家經驗知識[3]。

　　診斷系統通過設置的多源傳感器采集特征信號并分析處理，模糊化變換成故障征兆模糊向量A；推理機根據當前的設備征兆信息A，運用知識庫中的模糊知識，按照一定的模糊推理策略進行推理，若匹配成功則將該結論作為中間結果繼續進行，直到問題解決。若推理過程中有多條模糊規則匹配可用，則按照沖突消解策略從中選出1條最優規則執行，從而實現基于知識的推理求解過程。
    　模糊關系矩陣表達故障原因和各種征兆之間的因果關系，矩陣中的每個元素rij的大小表明了它們之間的互相關聯的密切程度。模糊診斷矩陣的確定是模糊診斷中十分重要的環節，需要參考大量故障診斷經驗的總結和實驗測試及統計分析的結果。
    　建立模糊診斷系統的其他階段，包括輸入信息的模糊化、模糊推理機制和解模糊單元的設計都有較強的自由度，某個環節的設計不當都將影響故障診斷的精確性。對于特定的問題，可以通過經驗積累并不斷修正來確定最佳的模糊邏輯系統。修正過程可以是人工的，也可采用自學習過程進行。
3 模糊智能診斷在控制器中的實現[4]
    　現以選煤的流程生產實際為例，對基于現場控制器的故障診斷進行研究。整個生產過程中，兩段的密度控制是保證產品質量的關鍵，該部分工藝過程如圖3所示。以往現場控制系統的設計過程中沒有考慮針對工藝過程性故障的診斷、處理，出現故障后很長時間才能發現。

   　 現取生產中常見的5項故障：b₁系統缺介質、b₂介質系統煤泥多、b₃一段泵堵塞、b₄二段泵堵塞、b₅系統介質量多(液位設定不當)。相關的故障征兆：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。根據以往故障診斷經驗，建立診斷矩陣，并可在應用中進行修正，如表1所示。

  　  采用梯形圖或功能塊難于實現，矩陣及多維數組的計算，診斷功能在Quantum PLC的開發環境Concept軟件中采用高級語言環境STL(Statement Language)開發，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
　　在隸屬度函數的選取中，高斯型等超越函數運算量較大，占用控制器時間多。而簡單代數型隸屬度函數，如三角函數和梯形函數，在滿足要求的前提下，更利于計算處理，本文采用后者對各現場的輸入量進行模糊化。圖4為一段桶位的隸屬度函數，Csetv_L1為一段液位設定值。

　　  圖5所示窗口(1)給出在系統運行過程中，通過采樣實時數據，采用加權平均算子進行診斷，對診斷結果變量進行在線監測的相關數據。窗口(2)給出相同的征兆時，采用主因素型算子的診斷結果。此時，Symptom[ ]=[0，0.74，0，0.24，0.04，0.01，0.075，0，0]，實時過程量值略。

　　該系統現場Quantum控制器的邏輯結算時間大于0.1 ms，完成車間90個設備控制及15個閉環調節等工作。在加入診斷功能前，控制系統掃描任務周期為8.9 ms，診斷功能直接安排在主程序中，觸發診斷功能后，控制系統掃描周期為10.4 ms，Watchdog為30 ms，完全滿足安全性要求。通過診斷結論可將原模糊診斷矩陣中的參數加以人工或自動修正，如將征兆“一段液位低”對“缺介質”的值從原0.95進一步向1靠近，具體的修正在上位機中完成。
　　本文將模糊智能故障診斷方法應用于控制器中,提高了生產系統的可靠性。設計控制系統時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;同時降低了故障診斷系統的開發費用，易于推廣應用，有利于故障診斷系統、控制系統與信息系統的集成。但應用中應注意控制功能與故障監控診斷的兼顧和平衡。基于控制器的診斷能夠準確定位故障,為上級或遠程診斷中心提供可靠的依據,避免人工描述不準確性。
參考文獻
[1] 胡友民.基于PLC高可靠性工業過程遠程監控系統[J]. 華中科技大學學報,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] 張曾科.模糊數學在自動化技術中的應用[M].北京:清華大學出版社,1997.