自适应容错（精选四篇）
自适应容错 篇1
关键词：铁路信号,监控,自适应容错
0 引言
铁路是国家的重要基础设施之一,由于它每时每刻都承担着大量的运输任务,同时随着近年来列车速度的不断提高,因此行车的安全性就显得尤为重要。铁路信号系统是保证行车安全的基础设施,是提高运输效率和质量的关键[1]。铁路信号系统的监控功能只有满足安全性、准确性,才能保证机车在运行过程中各种调度指挥和行车控制的正确性。容错技术原本是计算机专业中的一个术语,所谓具有容错技术的系统,就是具有冗余能力的控制系统,即在系统运行过程中,某些部件发生故障的情况下,该系统仍能按原定性能指标安全地完成系统任务[2],或者在性能指标略有降低的情况完成系统任务。现代的大型复杂系统通常是容错性能很强的系统。容错技术的特点可以为提高铁路信号监控系统的可靠性、可维护性和有效性开辟了一条新的途径,成为当前铁路系统研究的一个重点。本文针对如何在铁路信号监控系统中应用容错技术,使其能更为安全准确提供服务展开研究。
1 相关理论知识
1.1 容错
王仲生[3]认为容错就是容许错误,就是指当设备的一个或多个关键部分发生故障时,系统能够自动地进行检测与诊断,并采取相应措施保证设备维持规定功能。这个定义更关注于系统设备发生故障之后如何保持系统任务的完成,该定义多用于控制系统中的容错定义。艾维泽斯[4]认为容错是在系统内部出现错误的情况下,仍然能够提供外部环境所需要的服务。这个定义侧重于系统功能(服务),衡量指标是能否正常提供服务,这个定义具有较大的适应性。
以上描述反应出容错可以认为是这样一种技术:由计算机组成的系统能够容忍包括软件、硬件故障,并在发生故障时仍可以在指定条件下提供用户所需要的服务。
1.2 容错分类
以上提到的每一种容错技术都有一个共同特征,都是以冗余为基础来实现系统的容错。就类似于数据库领域中的数据库恢复概念,只有数据库进行了备份,存在冗余数据,才可能进行数据库恢复。根据冗余对象的不同,容错技术可以分为三类:硬件容错、软件容错和数据容错[5]。
硬件容错指利用冗余的硬件来解决由于某个硬件发生故障后所导致的问题,利用该冗余硬件替代故障硬件,随后系统能够完成预定功能。硬件容错由于硬件技术发展,硬件的体积越来越小而越受欢迎。软件容错指在复杂软件系统中利用冗余软件模块来替代故障软件模块,从而解决由于某个模块失效而导致的问题,并使得软件系统仍能够完成预定任务,只是有的时候会出现性能指标有所下降的情况。数据容错指在存储数据时通过附加冗余数据以达到容错或修复的目的。在分布式系统中,可以将数据冗余存储在多个节点上,如同分布式数据库中的数据备份多次,这样任何一个节点失效都不会导致数据不可用,从而提高系统的可用性和安全性。
1.3 自适应容错
实现容错的基本手段是冗余技术,目前采用的主要技术RB(Recovery Block)、DRB(Distributed Recovery Block)、NSCP(N-Self-Checking Programming)。在系统中往往添加多种容错技术,并提供多种容错策略,可以保证系统的可靠性、提高系统的可用性和安全性。在保证系统可靠性前提下,灵活地选择备用冗余、选择容错策略,这就是所谓的自适应容错。自适应容错具有高效、通用、可配置等特点。
分布式系统具有规模大,复杂度高的特点,例如:铁路机车信号监控系统。为了保证软件系统正确运行,提高系统的可用性和安全性,系统中采用软件容错是必不可少的。本文提出了基于软构件的分布式系统自适应容错模型,并通过验证描述该模型的有效性和可行性。
2 分布式系统自适应容错模型
分布式系统自适应容错模型可以分为三层,如图1所示。最外层是应用系统层,即用户使用的应用系统;中间层是运行支撑平台,包括自适应容错模块;最底层是网络层。以下分层进行介绍所提供的功能。
2.1 应用系统层
分布式系统属于复杂系统,通过软件复用,在应用系统开发中可以充分地利用已有的开发成果,消除包括分析、设计、编码、测试等在内的许多重复劳动,提高软件开发的效率。可复用构件是指具有相对独立的功能和可复用价值的构件。可复用构件整体开发步骤简述如下:
(1)构件需求分析。在应用领域中找出可通用的部分作为构件,并统一构件接口形式,以保证正确装配和互操作。(2)构件设计。构件的接口定义了构件与外界的关系,可以实现与其它构件交互功能。构件功能按照传统方式进行设计与实现。(3)构件测试。重点对于构件接口进行测试,以保证构件的质量和健壮性,满足复用需求。(4)构件组装。构件组装是构件通过它们的软件接口连接起来构造应用的过程。基于可复用构件的开发通过构件组装得到最终应用系统,构件组装可以看作是用构件实例将软件构架具体化的过程。
基于可复用构件组装得到最终应用系统,应用系统符合业务需求。应用系统运行期间时刻保持可用安全和有效,当出现异常时可以自主恢复及重配置。
2.2 运行支撑平台
模型中的运行支撑平台可以为分布式系统提供服务及通信机制。本文中自适应容错能力是通过在运行支撑平台中增加容错管理模块,该模块的主要功能是故障检测并能依据当前的系统状态以及失效构件,在决策库中查询决策信息,以保证执行何种决策(或行为)才能使得系统完成预定任务。这里多数决策是启用备用构件,例如:决策库中存在一个决策“P1:当构件A发生故障时,则启动备用构件A′完成相应功能,并对构件A进行重新配置与启动”。
运行支撑平台提供有效地管理构件、服务、以及命名服务、质量服务等服务。该服务是构件运行的关键,同时对通信框架也做出相应规约,保证系统通信可用、安全并有效。
2.3 网络层
网络层将各处的计算机通过通讯线路连接在一起,可以使得运行在网络上的终端共享所以资源。分布式系统建立在网络之上的软件系统,一组独立的计算机展现给用户的是一个统一的整体,就好像是一个系统似的。分布式系统拥有多种通用的物理和逻辑资源,可以动态的分配任务,分散的物理和逻辑资源通过计算机网络实现信息交换。因此,网络层是分布式系统的基础。
3 自适应容错技术在铁路信号监控中的应用
3.1 实例介绍
铁路信号监控系统(RSM)是可以供自适应容错技术应用的分布式系统,以下通过实例描述自适应容错技术可以使系统运行时具有较高的可靠性、可用性和安全性。铁路信号监控系统包含以下4个主要组成部分:
(1)行车信息采集构件(Carriageway Information Collection,简称CIC)。
(2)行车信息处理构件(Information Process Model,简称IPM)。
(3)监控界面(Monitor GUI)。
(4)制动系统构件(Braking System Module,简称BSM)。
铁路信号监控业务流程大致如下描述,作为系统的外部接口完成与列车运行信息的采集工作的行车信息采集构件CIC,将行车信息发送给行车信息处理构件IPM,IPM首先对列车信息进行一定的处理,然后生成的决策信息发送给Monitor GUI。监控人员通过Monitor GUI来发送“执行”或“忽略”的指令,同时将结果返回给IPM。对于被忽略的信息,IPM不做任何处理动作;对于被要求执行的信息,IPM则会启动制动系统构件BSM执行,完成一次监控处理流程。
3.2 场景描述及实例运行
由于篇幅有限,本文仅给出一个假设:在系统运行过程中行车信息采集构件CIC失效的情况下,系统如何利用自适应容错技术来使得系统继续运行并完成预定任务。铁路信号监控系统中行车信息处理构件IPM处于监听CIC发送消息的状态下,在规定的时间段内,未收到任何消息,可以认定CIC构件失效,需要启动备用CIC构件完成行车信息采集功能。
在上面例子中备用CIC构件启动不仅要求系统运行期动态替换,而且要求替换后运行正确有效。系统在这个情况中分几步来解决问题如图2所示,现解释如下:
(1)行车信息处理构件IPM监听来自行车信息采集构件CIC的信息,在有效时间内未收到消息,可以认定该CIC构件失效。
(2)行车信息处理构件IPM将构件失效问题通知容错管理模块,让其在决策库中寻找解决策略,策略制定为“p11:当构件CIC发生异常时,则启动构件backupCIC替换构件CIC”,执行该行为。
(3)启动backupCIC,备用CIC构件重新提交行车信息发送给行车信息处理构件IPM。
(4)行车信息处理构件IPM将信息反馈给监控界面Monitor。
4 结束语
分布式系统应用领域越来越广,系统可靠性也已经成为衡量系统开发质量优劣的一个很重要的标准。为了提高分布式系统的可靠性、可用性和安全性,基于构件的自适应软件容错技术被广泛应用。
本文提出的基于软构件的具有自适应容错技术分布式系统模型是可以提高系统的可靠性,在构件失效的情况下,通过容错技术可以完成预定任务,实验证明该模型具有可行性和有效性。下一步工作主要考虑以下问题,如何在模型中体现容错决策优化,容错决策如何具有自学习能力,自学习算法优化等问题。
参考文献
[1]王鹏.关于我国铁路信号监控系统的发展研究[J].中小企业管理与科技,2011(5):288.
[2]周东华,Ding X.容错控制理论及其应用[J].自动化学报,2000,26(6):788-797.
[3]王仲生.智能容错技术及应用[M].北京:国防工业出版社,2002:8-14.
[4]Avizienis A.The Method of N-Version Approach to Fault-Tole-rant Software,IEEE Transtraction on Software Engineering,1985,7(2):1491-1501.
自适应容错 篇2
飞机操纵面损伤的自适应容错控制设计
针对飞控系统实时控制和高可靠性的`要求,提出一种飞控系统多操纵面损伤的在线容错控制算法.首先建立包含各种常见故障的操纵面参数仿真模型和故障注入仿真机制,其次由于故障的随机性,设计多个并行的在线观测器,对应于每个观测器模型建立一个基于特征结构配置的控制器.最后根据多个观测器和相应的控制器可完成系统在线故障隔离与重构.应用某型飞机横侧向控制系统进行仿真,得到了预期的效果.此方法设计简单合理,适于工程应用.
作 者：刘小雄 章卫国 李广文 LIU Xiao-xiong ZHANG Wei-guo LI Guang-wen 作者单位：西北工业大学,自动化学院,陕西,西安,710072刊 名：测控技术 ISTIC PKU英文刊名：MEASUREMENT & CONTROL TECHNOLOGY年，卷(期)：26(8)分类号：V249关键词：飞行控制系统 故障隔离与重构 特征结构配置
数据有增加 图表自适应 篇3
如需利用柱形图展示员工的工作业绩，当员工人数增加或减少时，柱形图的个数实现自动进行相应的变化，即增加或减少（图1）。在一般操作中，实例中柱形图的数值系列的数据源是由手动选取的B2：B9，水平（分类）轴标签的数据源也是手动选取的A2：A9，这些数据源都是固定不变的。要想实现上述效果，需要将这两个数据源更改为可变的表达式。
用Excel 2013打开数据表，点击“公式→定义名称”，在弹出窗口的名称处输入“分类轴”，引用位置处输入“=OFFSET（$A$2，，，COUNTA（$A：$A）-1，1）”；以同样的方式再定义一个名称为“数值轴”的名称，引用位置处输入“=OFFSET（$B$2，，，COUNTA（$A：$A）-1，1）”（图2）。
数据源名称定义完成后，就该修改柱形图的两个数据源了。
右击柱形图，选择“选择数据”，在弹出的窗口中点击“图例项（系列）”下的“编辑”按钮，在弹出的窗口系列值处输入“Sheet1！数值轴”（ Sheet1这要根据数据表的名称而定）；点击“水平（分类）轴标签”下的“编辑”按钮，在弹出的窗口中输入“=Sheet1！分类轴”（图3）。
自适应容错 篇4
在控制理论指导下的自动控制技术已广泛用于国民经济的各个领域,并取得了巨大成就。基于传统控制理论的控制系统分析与设计,其前提是传感器、执行器以及信号传输通道均处于正常工作状态,控制系统所处的环境条件也应在正常范围之内[1,2,3,4]。一旦组成控制系统的某一环节特性发生变化、器件发生故障或者失效,或是控制系统所处的环境条件超出了正常范围,都会使控制系统的品质下降,严重时甚至造成灾难性的后果。现代控制系统朝着大规模、复杂化的方向发展,使控制系统发生故障的概率增加,而系统性能降低或出现故障,造成的经济损失和可能产生的危害(资源浪费、设备损坏、人员伤亡和环境污染等)也随之增大。因此,保障控制系统的高性能、可靠性与安全性,具有十分重要的意义。
2 控制系统安全策略的发展
控制系统安全问题在自动控制技术开始应用时,就受到人们的密切关注。早期控制系统安全保护措施主要是自动安全联锁、声光报警等,即当系统达到安全极限时,通过自动安全联锁装置,或通过警灯、警铃发出报警信号,或强行切断电源或气源,使整个工艺装置或某些设备停车[5]。
现代大型生产过程的运行速度越来越快,系统出现故障时,操作人员往往还没有反应过来,事故可能已经发生了;大型生产过程控制系统中设备之间关联程度越来越高,设备安全联锁装置在故障时强行使一些设备停车,可能会引起大面积停工停产,造成很大的经济损失。为了有效防止事故发生,业界采用能适应不同生产条件或异常状况的控制方案——选择性控制(selective control)[4,5],实现控制系统的安全保护。选择性控制是将由生产过程的限制条件所构成的逻辑关系叠加到正常自动控制系统上的一种控制方案,当生产过程趋向极限条件时,通过选择器(selector),启动备用控制系统取代正常工况下的控制系统,实现对非正常状况下生产过程的自动控制。待工况脱离极限条件回到正常后,又通过选择器,使适用于正常工况的控制系统自动投入运行。选择性控制在实际应用中取得了较为理想的效果,因而得到广泛的应用。由于选择性控制一般以参数的安全临界点(或附加一定量的安全裕度)作为系统切换的边界条件,当参数变化速度很快时,这样的切换原则有很大风险。其次,为了使控制系统的结构简单,一般备用控制系统与备用控制策略少,只是对出现的问题或可能引起的危害进行简单处理,缺乏针对性与灵活性。
自适应控制[6]、故障诊断与容错控制理论和技术[7,8,9,10]的出现,为保证系统的控制品质和提高系统的安全性与可靠性开辟了一条有效的新途径。如何将自适应控制、容错控制与常规控制有机结合,设计高性能、高可靠性的新型控制系统,在理论和实际工程应用两方面都具有重要意义。生物免疫系统监测、响应、学习、记忆、自适应和动态稳定的机理,为高性能、高可靠性控制系统设计提供了有益的借鉴。
3 生物免疫原理及其工程应用
3.1 生物免疫原理[11,12,13,14]
生物免疫(Biological Immunity)是生物机体识别和排除抗原性异物的一种保护性功能。生物免疫系统(Biological Immune System)能够成功保护生物自身免受外来病原体的侵害,以保护生物的安全,并与其他系统一起共同维护生物体各种机能正常和动态稳定性。
生物免疫系统由先天性免疫(Innate Immunity)和适应(获得)性免疫系统(Adaptive Immunity)组成。先天免疫(又称非特异性免疫)是生物种群通过进化、自然选择逐渐建立、并通过遗传获得的一种天然防御功能。适应性免疫是由免疫系统针对病原体抗原的免疫刺激诱导之后,发展而成的,是后天获得的,故又称为获得性免疫。在新的病原体(抗原Antigen,Ag)首次侵入机体时,机体会产生“初次响应”试图消除该病原体。在成功消除该病原体后,免疫系统可形成专门针对该病原体的抗体(Antibody,Ab),并由记忆细胞记住该病原体的特征。当该病原体再次入侵时,记忆细胞能更快地做出反应,免疫系统会产生“再次响应”,以比第一次更快的速率识别并杀灭它。
如果将免疫系统看作一个进行信息处理的动态系统,其具有良好的学习、记忆、自组织特性以及多样适应性和动态稳定性。从信息处理的角度来看,生物免疫系统主要是通过特征编码、模式识别、匹配、学习、记忆等信息处理方式实现免疫功能。
3.2 人工免疫系统的工程应用[13,14,15,16,17,18]
免疫系统的许多性质,尤其是信息处理的特点,引起了学术界的广泛注意,众多学者开始将免疫系统的作用机理用于其它工程领域的研究,这些受免疫系统启发而建立的新型人工信息处理系统称为人工免疫系统(Artificial Immune System),并由此形成新兴独特的研究领域,吸引了各个领域的专业技术人员开展理论和应用研究,已取得了一系列理论与应用成果。人工免疫系统已经在计算机安全、优化计算、故障诊断、模式识别和控制器设计等方面得到应用,并且具有良好的发展前景。
控制系统的自适应性、动态稳定性是控制系统追求的重要目标。而免疫系统的自适应性、动态稳定性为控制系统的研究提供了极为重要的启示,并吸引控制领域的学者进行基于人工免疫原理(Artificial Immune Principles,AIP)的控制方法研究,为现代控制理论与技术的发展提供了新的研究方向。当前国际上主要有以Bersini为代表的自适应控制[19]、Krishnakumar为代表的智能控制[20,21,22,23]、Ootsuki为代表的顺序控制[24]、Takahashi为代表的反馈控制[25,26]以及Ishiguro的机器人行为控制[27,28,29,30,31,32,33]等。在国内,韦巍、任燚分别发表了关于人工免疫系统及其在控制领域中的应用的综述文章[34,35],丁永生等提出一种适用于高阶和低阶系统的通用控制器结构[36,37],谈英姿提出了一种免疫控制器的设计[38,39]。
4 基于人工免疫原理的系统异常检测与自适应容错控制
4.1 控制系统总体结构
如果将控制系统的正常(normal)状态定义为Self,异常(anomaly)定义为Non-self——抗原(antigens,Ag),并将针对各种异常的控制策略定义为抗体(antibody,Ab),将异常检测、识别、控制策略匹配、自适应学习、记忆、消除异常过程(控制指标的恢复、故障隔离、出现危险异常时的报警与处置过程等)看作免疫应答过程,就可将控制系统作为一个人工免疫系统看待,建立基于人工免疫原理的异常检测与自适应容错控制系统(Anomaly Detection and Adaptive Fault-tolerant Control System Based on Artificial Immune Principle,AD&AFTCS Based AIP)。现代控制系统具有信息冗余、运算能力冗余、先进的系统诊断和丰富灵活的控制策略,为实现控制系统的异常检测和自适应容错控制提供了充分的基础。基于AIP的自适应容错控制系统总体结构图如图1所示。
4.2 控制系统特征的编码向量、异常空间及其划分
控制系统在运行过程中,存在信号流、物料流、能量流,它们所包含的信息反映了控制系统运行状况。这些信息一般都有一定程度的冗余,通过对这些信息以及它们之间的关系进行分析,就可对控制系统及其相关环节、设备或仪表的功能与性能正常或异常做出判定,并选择与之适应的控制策略,以确保系统的安全和控制品质。
用控制系统特征编码向量(Y X)描述系统特征。其中Y=(y1,y2,…,yn)中的元素为直接变量,由传感器测量信号、控制器输出信号、执行器行程等直接信息组成,通过对这些信息分析,可以判定系统的控制指标和各种参数是否正常。X=(x1,x2,…,xm)为由直接变量通过相关分析、物料与能量平衡关系分析、变量之间应满足理化定律以及相关信号处理计算所得到反映系统特征的协变量,它们的取值表示变量之间的关系是否正常,在一定程度上反映控制系统中设备的工作情况,可以判定系统中的设备或仪表是否出现故障。
对于Y元素中的开关量元素,用数字量(0,1)表示;对于模拟量信号,可将其映射为量化信号(直接区间映射或/和模糊映射),定性表示其特征。对于协变量X中由直接变量通过逻辑分析得到的直接结论,用数字量(0,1)表示;对于由相关分析、能量与物料平衡分析与信号处理得到的模拟量,根据其性质映射为数字量(0,1)或量化信号表示。
系统特征编码向量(Y X)集合构成的空间定义为形态空间S。形态空间S可划分为SSelf(正常)和SNon-self(异常)两个子空间;按照危险(免疫)理论[41](Danger Theory),可将SNon-self划分为SDA(危险异常)和SNDA(非危险异常)两个子空间;进一步可将SNDA划分为SNDFA(非危险故障异常)和SNDNFA(非危险非故障异常)两个子空间,它们之间的关系可表示如下:
S=SSelf∪SNon-selfΦ=SSelf∩SNon-self
SNon-self=SDA∪SNDAΦ=SDA∩SNDA
SNDA=SNDFA∪SNDNFAΦ=SNDFA∩SNDNFA
对由系统直接变量Y和预处理得到的协变量X所构成的系统特征编码向量(Y X),通过免疫计算,进行控制系统正常与异常识别,即:
如果χSelf=1,系统正常,控制系统保持或恢复正常控制策略,AD&AFTCS不进行免疫处理;反之,χSelf=0,控制系统进行免疫响应。
4.3 系统异常及其控制策略匹配
类似于生物免疫系统,将控制系统免疫分为两类:固有免疫和适应性免疫。在系统建立时设计的滤波、抗干扰措施,以及对系统可预见异常情况预先设计的控制策略(存入控制策略库)类似于固有免疫。在系统运行过程通过自适应学习所获得的控制策略,随时补充进控制策略库,这一部分类似于适应性免疫。所有控制策略构成的集合定义为控制策略库(类似于生物免疫系统的抗体库)。为了保障系统的安全性和免疫应答中抗体匹配效率,与系统形态空间S对应,将与SNon-self子空间对应的控制策略库也划分为与SDA和与SNDA对应的二个子空间;进一步可将与SNDA对应的策略库划分为与SNDFA和与SNDNFA对应的二个子空间。各子空间由典型异常特征编码向量所对应的控制策略及其邻域所覆盖。每个典型特征编码向量所对应的控制策略及其邻域以典型异常特征编码向量(Y X)标识。
当控制系统异常检测结果为χSelf=0,按照系统异常编码特征向量(Y X)进行控制策略匹配搜索,并选择与当前特征异常编码向量的广义距离最小的典型特征向量(Y X)所标识的控制策略为当前的异常特征编码向量所对应的控制策略。匹配算法如下:
Step1:if χSelf=1,then Step6;
Step2:if 控制策略与(Y X)匹配,then Step6;
Step3:if (Y X)∈SDA,在SDA对应控制策略空间搜索与(Y X)匹配的控制策略投入运行;如果没有适应匹配的控制策略,则执行保守安全策略,确保系统安全,then Step6;
Step4:if (Y X)∈SNDFA,在SNDFA中进行故障诊断,在SNDFA对应控制策略空间依据故障类型选择容错控制策略,then Step6;
Step5:对应控制策略空间中,通过匹配计算,选择适应的典型控制策略空间投入运行;通过自适应学习,获得最优控制策略替代典型控制策略,并将其补充到策略库;
Step6:匹配搜索结束。
为了保证控制策略库(空间)的完备性和保证系统的安全性,对SDA子空间中的异常编码向量,如果没有合适的匹配控制策略,则(不进行自适应学习)选用最保守的安全控制策略,以保障控制系统安全。从匹配算法可看出,为保证系统安全,危险异常的控制策略优先匹配,对危险异常的免疫响应最快,这和危险(免疫)理论[40,41,42,43]是一致的。
4.4 控制策略的自适应学习
在控制系统没有危险的情况下,如果系统出现异常,而控制策略库又没有控制策略与之完全(高亲和度)匹配时,可选择与之相对亲和度最高的控制策略进行近似匹配,同时激活自适应策略,通过学习得到新的控制策略,必将其补充进控制策略库的子空间,这里的自适应属于多模型自适应控制范畴[44,45]。
4.5 控制策略库的优化
(1)控制策略库建立及其离线(off-line)优化
工艺、设备技术人员和控制系统技术人员,根据系统运行效果的评价、数据分析以及相关的研究成果,不断补充、改定和优化控制策略库。
(2)控制策略库在线(on-line)优化
根据系统运行过程中,控制策略与异常匹配的统计数据,优化抗体库的结构,以提高匹配(搜索)效率。通过在线自适应学习,获得新的控制策略,补充算法库;并通过优化,剔除冗余控制策略,将算法库的规模控制在适当规模,以提高控制策略匹配效率。
4.6 基于人工免疫原理的自适应容错控制流程图
AD&AFTCS Based AIP总体流程图如图2所示。
4.7 应用实例
对图3所示的精馏控制系统,在系统正常情况下,当u1或u2单独变化时,温度T1,T2的变化趋势是正相关的,如图4中实线所示的温度趋势曲线。如果温度T1,T2的变化趋势出现了不相关或如图4中虚线所示负相关情况时,则可根据u1或u2的变化情况,判定为系统故障;当u2变化使QS增大并且u1与QL不变,而温度趋势如图4中所示虚线变化时,可初步判定是传感器T1T出现故障,现场实际情况与分析结果完全一致。这表明,在控制变量没有超限的情况下,可以通过控制变量的相关分析,诊断出控制系统环节出现故障,并及时调整控制策略。仿真和实际应用表明了这一方案的优越性。
作者将本文提出的控制系统的思想应用在文献[46]针对风机防喘振控制系统的设计中,同样取得了令人满意的效果。
5 结束语
自适应控制、容错控制技术、信号处理技术、人工智能技术、人工免疫技术及其理论研究和应用成果,为新控制系统的设计理念提供丰富的理论、技术支持。免疫系统所具有的自组织功能和自适应、动态稳定性与控制系统所追求的目标是完全一致的;而免疫系统的监测、学习与记忆、快速响应机理,为提高控制系统的品质和安全性提供了有益的启示。
基于免疫系统的工作机理,作者提出了基于人工免疫原理的系统异常检测与自适应容错控制的设计思想,将控制系统作为一个人工免疫系统看待。将反映系统状态的特征向量(Y X)作为系统异常特征编码,进行Self,Non-self识别;同时,进行异常状态的控制策略匹配和学习,从而达到保证系统控制品质和系统安全的目标。这样,在基于人工免疫原理的系统异常检测与自适应容错控制的框架之下,可将系统常规控制、异常控制与处理(品质降低、环境变化、环节或系统故障等的检测、自适应控制、故障诊断与容错控制、安全保护等)整合为一个系统整体进行设计——实现了新的综合,为现代控制系统提供了一个全新的设计理念。仿真实验和简单的工程应用结果,验证了本文提出的设计思想的可行性。
摘要：介绍生物免疫系统的工作机理和人工免疫系统的发展与应用。基于免疫原理,定义控制系统的异常为抗原,与之对应的控制策略定义为抗体,将系统异常检测与诊断、控制策略匹配、自适应学习与记忆定义为免疫响应,这样,可将控制系统看成一个人工免疫系统。提出基于人工免疫原理的系统异常检测与自适应容错控制,并给出了控制系统总体结构。定义了表示系统异常特征的编码向量、特征空间;提出编码向量空间的划分方法,控制策略匹配算法与控制系统总体流程图。仿真实验和简单的工程应用验证了控制系统的可行性。