首钢京唐钢铁联合有限责任公司钢轧作业部 刘顺东 陈明潇

现代化的生产制造产线能够实现高度自动化，最重要的一点是大量先进传感器的应用，能够采集生产现场各种所需设备和工艺信息数据，为自动控制系统提供可靠的数据来源，而自动控制系统的稳定性受到系统中传感器可靠性的影响和制约很大。因此，能够快速发现和判断出自动化控制系统中的传感器故障具有非常现实的实际意义。利用各种传感器对生产过程中采集的各种工艺参数进行监控和实时调整，使现场机械设备工作在稳定可靠的状态或最佳的状态，生产制造出的产品达到最佳的品质。因此传感器在自动化系统中的应用占据着极其重要的地位，现场传感器数据检测是否准确，将直接影响到自动化控制系统的控制精度和功能的实现。一旦传感器数据出现错误或异常，将直接造成自动控制功能的失败，严重会造成生产线的设备损坏或停产故障。

本文采用多传感器数据融合技术对系统中的传感器进行状态监测、识别，及时发现传感器自身故障，利用容错控制策略，来提高自动控制系统的可靠性和稳定性。

1 传感器重要组成和故障介绍

传感器按照检测原理来划分，主要由以下几部分组成：将被测量进行准确感知的敏感元件、由于接收敏感元件信号的转换元件、转换成标准信号输出的变换电路以及为上述部位提供动力的辅助电源，如图1所示：

由于传感器内部封装有电子元件，而且有些传感器安装现场环境非常恶劣，高温潮湿、震动大，传感器容易受到温度、环境等因素影响造成自身的信号产生不稳定；传感器长时间工作在上述恶劣的环境下，很容易出现异常问题，如老化、断线等，这样就会导致传感器检测输出信号出现不稳定状态，从而导致相应的传感器检测状态出现异常。这样检测状态出现异常的传感器将无法准确及时的对被监控设备状态信息进行检测，最后自动化控制系统将失去稳定可靠的数据来源而导致控制失败，造成控制功能异常，进而发生产线堆钢等现象，严重的会造成轧线设备的损坏。

一旦出现了部分传感器发生故障，为了避免传感器检测信号反馈异常造成的设备控制失败问题，故障传感器就要及时准确的被系统识别，通过自动化控制系统进行合理的保护，并能进行有效的诊断和隔离，采用容错控制技术，使有传感器或无传感器的设备能够稳定、安全、可靠地运行。

因此，对传感器状态监测与故障后，相应的自动控制系统如何实现安全稳定控制是非常重要的，这就涉及到两个重要方面，一是传感器状态异常异常后故障识别问题；二是在故障识别后的容错机制和相应的稳定控制方法，即容错控制。自动化控制系统只有做到了传感器状态信号异常信息及时有效的识别后，再依据识别后的异常信号采用相应的容错机制，就能够增加整个控制系统的容错性和稳定可靠性，降低损失，对自动化产线稳定生产起到安全性保障。

2 传感器状态监测与故障识别

传感器设备状态监测与故障诊断是确保传感器信号的准确性，通过对传感器运行状态的监测，来判断其是否正常，进一步预测诊断设备故障并排除故障；通过传感器自身状态的有效监测，自动控制监测系统能够识别和确定现场传感器自身的运行状态，采用各种判别方法如：测试、测量、监测等手段，结合传感器运行的历史状态和目前实际情况，考虑到传感器工作环境因素的影响，来有效的评估现场设备状态运行情况，综合判断出传感器状态是否正常或异常，并显示和记录状态，对异常状态进行报警，为传感器设备状态的故障分析、性能评估、合理使用提供有效的信息和基础数据。传感器状态监测技术的核心是利用先进的现场传感器技术，通过有效的监测手段，来对传感器检测输出数据进行处理，并把数据结果传送给数据库进行存储，提取特征信息，识别故障，给出科学、准确、经济的防治措施或维修方案。

传感器状态监测的目的是根据控制系统对设备状态进行实时检测判断，并结合已经掌握提炼的故障状态特征和设置参数、外在工艺条件，查询传感器设备本身的运行历史数据，来有效的预测、分析和判断设备可能存在的故障，以确定传感器数据是否准确可靠。轻微故障通过声光报警来提示故障的发生及其后果。维护人员可以根据告警信息，提前采取有效措施，进一步开发和排除故障，最终使设备恢复正常状态。严重的故障，会判断影响程度并结合多数据信号冗余切换控制来实现安全稳定控制。

状态监测与故障诊断系统主要分为三部分：现场数据的采集、传感器状态的监测和传感器自身故障诊断（如图2所示），上述三者之间的关系可以描述如下：“现场数据的采集是保证传感器状态正确监测和诊断的前提和基础，传感器状态的监测是现场数据采集功能的扩展和自动实现，也是传感器自身故障诊断的前提和基础；传感器自身故障诊断是传感器状态监测系统的核心，三者相辅相成，最终构成一个完整的状态监测与故障诊断系统。”

数据采集部分的任务包括：模拟量信号和开关量的采集、信号的预处理、滤波限幅以及单位转换等。

状态监测部分的任务是在前端数据采集的基础上，通过使用现场多个传感器数据资源，结合这些多传感器在空间和时间上的数据信息，将可以实现冗余或互补的传感器信息有效的结合起来，得到对主体的一致性解释或描述（即数据融合），并对现场传感器自身设备的状态进行有效区分和分类，最终就能够给出这些现场传感器设备状态的有效合理信息。这里具体内容部分包括以下：传感器数据信号的分析，如数值超限分析、历史数据统计分析、时序分析、自动触发声光报警、前端传感器原始数据的处理和后端故障诊断。根据对设备状态信息的状态合理有效的监测，可以判断出传感器故障诊断部分是否已经进入了正常工作状态，从而在故障诊断后采用相应的安全容错控制策略。

诊断过程包括三部分，即设备故障信号的采集、设备故障信号的特征提取、设备故障的模式分类。综上所述，基于多传感器数据融合的故障诊断技术主要是利用数据融合技术来提高故障诊断的准确率（如图3所示）[1]。

数据融合技术是在20世纪70年代提出的，多传感器数据融合技术首次应用于军事系统，由于现代机械功能多样，结构复杂，工作环境不稳定，采用单一传感器进行设备故障诊断的方法已经无法满足和适应现代化高度中生产线的需求，对关键位置传感器工作状态诊断的结果存在很大的不确定性，甚至可能会出现传感器状态的错误诊断、异常报警等。设备故障依据各自工作原理不同的特点，会出现相应的不同故障特点，如有些现场运行的设备出现故障时往往会伴随着较大的设备振动，而有些设备故障（如电机堵转等）会导致设备本身运行时的温度显著提升；在设备故障时，如果能够综合利用现场设备所安装的传感器数据信息，通过收集并整理这些多个传感器检测数据的反馈信息，这样就可以利用这些故障信息来综合、有针对性的对已出现的设备故障做出有效准确的判断。不同检测原理和不同安装方式传感器的出现，集成并采用了先进技术，使多个传感器数据之间的相互判断、比较成为可能，把这些传感器数据通过融合技术，充分利用各种不同检测原理的传感器数据信息，在设备状态出现异常数据时可以多方面对数据进行有效处理，这样就可以获得比应用单一传感器的控制系统更加全面、准确的设备状态信息，最终实现对设备异常状态信息的准确诊断。如图4所示，通过采集设备状态异常的多传感器数据将直接融合。在多传感器数据级融合的过程中，要多方面分析各个传感器数据信息，通过数据融合后为了保持数据的一致性，可以通过查找传感器初始数据之间是否存在相关性来判断。

另外容错控制方法和稳定控制技术是密不可分。

3 传感器的容错控制

容错控制是在1986年，由IEEE会议和美国国家科学基金委员(National ScienceFoundation,NFS)共同举办的会议被首次提出，其含义是：当某些执行元件出现故障或者失效时，通过施加一定的控制策略，使得控制系统能够继续按照原指标或降低指标的要求，执行规定任务。近年来相关学者对容错控制展开了广泛地研究，包括各类电机、电动汽车的驱动系统、航空航天设备等，容错控制的研究对于提高系统安全性、可靠性、稳定性等具有重要的意义[2]。

系统的容错控制技术一般以系统模型的建立为基础，系统模型越准确，现场传感器异常后容错控制就越有效。在一些无法准确建立数学模型的容错控制系统中，往往会考虑其他方法。

容错控制方法是将现场总结提炼出来的设备运行状态特征形成专家系统知识，输入到计算机系统，使计算机能够利用这些知识和经验解决具体问题。容错控制可以完全依据现场传感器工作状态及生产工艺情况，综合判断出是否可以正常生产控制还是立即停机处理，它是完全依据每条生产线根据专家知识和智慧制定出来安全可行的一套特定容错智能控制方案。智能容错方案能够很好地识别和适应设备运行随机产生的未知错误，使自动化控制系统能够实现安全有效的无扰动控制，具有良好的容错性，大大提高了整个自动化控制系统的运行稳定。

容错控制做为一门新兴的交叉学科，其学科意义就是要尽量保证动态系统在发生故障时仍然可以稳定运行，并具有可以接受的性能指标。因此，容错控制为提高复杂动态系统的可靠性开辟了一条新的途径。由于任何系统都不可避免地会发生故障，因此，容错控制也可以看作是保证系统安全运行的最后一道防线[3]。

4 结论

高度自动化的生产线中一些高精密的传感器设备一旦发生故障将带来巨大的人员和经济损失。因此，在工业控制系统中对传感器进行故障检测和诊断是保证传感器数据可靠的前提，即必须能够对传感器信号进行错误判断，根据错误判断的结果做出相应的容错控制设计，容错控制是传感器设备异常后稳定控制的保证；最后，传感器数据在发生故障的情况下能够有效及时准确的识别，通过制定的传感器异常下的容错控制策略来实现自动控制系统的安全稳定，进一步来提高自动化控制系统的可靠性和稳定性，最大限度地减少损失具有非常重要的现实意义。