【CAC2018专题论坛】围绕热点，共享未来——系统故障诊断与健康管理论坛成功召开

2018 年 12 月 7 日 中国自动化学会

12月1日-2日，2018中国自动化大会专题论坛之“系统故障诊断与健康管理”在西安曲江国际会议中心成功召开。本次论坛围绕国际控制理论与工程界持续关注的“故障诊断”与“健康管理”两大热点问题，邀请了近年来活跃在本领域且成果丰硕的国内知名专家、学者，共同探讨容错控制、故障诊断、数据驱动的健康监测与故障预报和寿命预测等最新研究进展及成果。论坛由山东科技大学副校长周东华教授和火箭军工程大学胡昌华教授共同担任主席。

专题论坛现场

Control of nonlinear systems via fault-tolerant adaptive PD/PI/PID: stability and performance

重庆大学宋永端教授

介绍了其研究团队近年来在非线性系统控制方面取得的研究进展和成果。报告在简介传统PID控制的特征和基本结构的基础上，重点针对非线性多输入多输出系统，介绍了具有鲁棒性、自适应性和容错功能的PD/PI/PID控制方法。

高超声速飞行器的故障诊断与自愈合控制技术

南京航空航天大学姜斌教授

高超声速飞行器具有飞行环境多变、控制精度要求高、跟踪要求快速和大范围高速机动的特点，其飞行器构型和参数变化范围大，对故障补偿能力要求高。执行器是性能关键系统中重要的元部件，一旦发生故障，系统的结构将会发生不确定的变化，设计的控制信号将无法对系统产生有效的影响，从而造成系统性能的损失，甚至出现失控的情况。因此，高超声速飞行器的自愈合控制面临着大量亟待解决的难题。针对高超声速飞行器执行器故障及结构损伤故障，姜教授研究团队考虑飞行过程中受到的干扰，研究了干扰下的故障诊断与自愈合控制方法与技术，基于仿真平台开展了高超声速飞行器纵向系统的故障诊断与自愈合控制技术应用研究。

重大装备故障预示与健康管理技术与应用

西安交通大学徐光华教授

基于重大装备系统健康维护复杂度和非线性的特点，分析了重大装备故障预示与健康管理技术（PHM）的发展方向。徐教授以动力装备为对象，简介了PHM技术的组成与构架，重点介绍了高质量数据获取、早期故障预示、复杂故障诊断和主动健康管理的关键技术，同时介绍了动力装备的PHM平台及其运维服务系统企业应用，并对未来PHM技术发展进行了展望。

信息物理系统的安全状态估计

东北大学杨光红教授

信息物理系统（CPS）整合了计算、通信、控制过程，是信息系统与物理系统紧密融合的一体化大型复杂系统。随着嵌入式网络控制技术的发展，网络攻击已经成为威胁CPS安全性的主要因素之一。由于CPS计算和存储资源的限制，稀疏传感器攻击下的状态估计作为一个NP-难问题目前受到了广泛的关注。杨光红教授研究团队结合自适应机制和切换技术，提出了一个新的安全状态观测器设计方法。通过监测一个预先给定的性能指标，被设计的自适应切换机制能够自动地识别被篡改的测量数据，同时关闭被攻击通道以保证系统的稳定运行。由于观测器不需要实时地遍历搜索攻击空间，所以比较现有的安全状态估计结果，该方法能够充分提高状态估计的计算效率，同时占用更少的计算机存储资源。

故障诊断与容错控制的一个新框架

山东科技大学周克敏教授

讨论了现有基于模型的故障诊断与容错控制方法的局限性，并由此提出一个基于ν-间隙度量来处理故障诊断与容错控制的新框架。报告讨论了如何在此框架下对故障进行分类和分级，并提出了如何进行精细容错控制的一般性控制结构。

非线性输出频率响应函数及其在工程系统状态监测和故障诊断中的应用

英国谢菲尔德大学郎自强教授

首先介绍了非线性输出频率响应函数（NOFRFs）的基本概念，NOFRFs的重要性质，以及通过数据驱动计算NOFRFs的方法。然后介绍了模型传感器的概念，以及将NOFRFs与模型传感器相结合实现工程系统状态监测和故障诊断的基本思想。进而通过一系列实验室和工程实验结果，展示了应用NOFRFs和相关理论方法实现工程系统状态监测和故障诊断的有效性和工业应用前景。NOFRFs和相关理论方法为揭示复杂系统的动态特性提供了一个行之有效的新工具，在工程系统状态监测和故障诊断领域有很好的应用潜力。报告以此为结论，为相关领域中从事学术和工程应用研究的学者和工程师提供了重要的借鉴和参考。

人工智能专项应急项目介绍

杭州电子科技大学文成林教授

重点介绍了其研究团队去年申请获批的人工智能专项应急项目。该项目旨在将专家系统与深度学习技术相结合，建立起由人工智能驱动的智能决策理论与方法。文教授首先介绍了人工智能理论及技术的研究现状，以及在我国汽车制造领域应用的重大需求及重要意义。然后，从项目的立项依据、科学问题、创新之处、研究内容、研究方案、技术路线等方面展开论述，最后分享了自己申请重点项目的经验与体会。

基于数据的冶金流程的故障诊断

东北大学张颖伟教授

介绍了其研究团队在基于数据的冶金流程故障诊断方面的研究成果。通过对冶金流程大数据包括物理化学变量数据和图像声音视频统一建立数据池，把炉内外监测图像的面积、运动速度、位置、有效像素比、方向分布比，声音的频率位置、高低频比率、时长，视频的重要度、高斯熵等以及物理化学变量协同建模，充分发挥大数据的优势，提高异常工况检测的实时性、早期异常工况检测的灵敏性和降低异常工况的误报率和漏报率，进而对相应异常工况进行调控。

大规模流程工业过程分布式建模与故障诊断

浙江大学葛志强教授

面向大规模流程工业过程的监测与故障诊断目前受到了学术界和工业界的广泛关注和重视。在此背景下，报告围绕大规模厂级流程工业过程的故障检测、诊断以及关键性能指标的监测等典型应用场景，在介绍目前该方向研究现状的基础上，结合其课题组近年来在该方向的研究与应用实践成果，探讨了基于数据驱动的分布式建模理论与故障诊断应用框架。最后，葛教授对该方面的研究工作进行了总结并探讨了后续可能的研究方向。

专家报告结束之后，来自东南大学、兰州交通大学、国防科技大学、浙江大学、西安交通大学、西安理工大学、西安科技大学等高校的多位研究者宣读了研究论文。