论自我维护与免疫工程系统

  • 投稿晏耀
  • 更新时间2015-09-24
  • 阅读量537次
  • 评分4
  • 27
  • 0

张 一

(华北电力大学,河北 保定 071000)

摘 要:本文简要论述了目前较为先进的自我维护与免疫工程系统,并就其对未来的工业控制系统和智能机械的所展现出的更高适应性做出简要讨论.从探讨故障预测与健康管理系统启迪于生物的免疫系统开始,并简要介绍自我维护的基本原理以及免疫工程的基本构造.

教育期刊网 http://www.jyqkw.com
关键词 :自我维护;免疫工程;故障检测与健康管理

中图分类号:TP206 文献标识码:A 文章编号:1673-260X(2015)04-0049-02

1 自我维护与免疫工程简介

为了满足技术环境对动态性不断增强的需求,现代工程系统和制造工艺已经变得越来越复杂.与此同时,维持系统的稳定性也成为了目前具有较强难度和较高度挑战性的任务.因此,自我维护与免疫工程应运而生.该技术的萌芽产生于一些研究者们主张可以把自我维护与免疫工程中的故障检测与健康管理应用于系统生命周期管理中[1].因为明知设备故障而进行提前预防,其所耗费的成本远远小于事故发生后所产生的大量金钱和时间上的浪费,具有提高产品质量和业务整体可靠性和安全性等优点,自我维护与免疫工程得到了学术界的普遍认同和关注.

由于使用了传感器、仪表、控制器及计算设备等仪器和贝叶斯网络、神经网络、模糊逻辑、匹配矩阵和隐马尔科夫模型等智能算法,现代机器设备已经具有了可以取代原有“失败然后修复”的新模式:“预测然后避免”.显然,这种新模式具有更高的稳定性,也要求更多的技术进行维持.目前,越来越多的工作转向了自我维护与免疫工程.这种技术侧重于以下三点:早期健康检测、目前状况评估和剩余使用时间预测.

实际应用中,自我维护与免疫工程的发展基于知名的维护方法和诊断技术.现实常见的有:防护检修、以可靠性为中心的检修和状态维护.但是随着时代的发展和技术上的要求,三者已经很难单独完成工程建设的所有要求,故而在实践操作和科研研究中,又逐渐形成了自主计算、工程免疫系统、网络维护、弹性系统、稳健设计等技术.各种方法技术及其之间的关系如表1所示.

2 自我维护与免疫工程的基本概念和原理

任何一个自我维护与免疫工程系统都需要面对它们的“地基”:可靠性、稳健性和弹性.

可靠性是任何工业关键性能的指标,是一个系统在特定的时间特定的操作方式下无失误地执行其功能的系统概率.然而由于时间推移,曾经具有极高可靠性的机器仍然会面临磨损和可靠性降低的问题[2].故而,一种思想是通过强大的技术来设计一个可靠性的系统及如何来维持这样的可靠性.

稳健性是指设计出的系统具有能够达到预期效果的能力.如果系统被认为是稳健的,那么显然系统的灵敏度也会相应降低.灵敏度的降低从另一方面看也具有一项优点,即其能够在一定故障中依然保持稳定.如果一个系统被认为是稳健的,那么显然它是可靠的[3],稳健性设计和可靠为中心设计的目的都是为了能够使产品在最大程度上不受到干扰.

弹性是指系统可以抵抗任何侵害的能力.一个系统如果被称之为具有弹性,那么其代表着随着时间的推移和自主运算,一个出现故障的系统功能将逐渐恢复到一个平衡的状态,即它可适应极大的扰动和变化[4].稳健性和弹性在系统中是一个相互关联的平衡体[5,6]:当一个系统面临未知风险是表现极为稳健,研究者们通常可以认为这个系统是具有弹性的.

然而,随着通信技术前所未有的发展进步以及网络应用使用量的增多,管理系统的控制复杂性已经远远超过人力所能处理的范畴[7].为了试图解决这类矛盾,IBM公司已于2001年宣布他们将使用自主计算方法来解决这一阻碍信息科技产业发展的重要因素.IBM公司这一技术旨在通过设计和构建一种能够在一定程度上进行自我计算的系统,并且使人工干预降到最低.这种思想极其类似于人类的神经系统:并非通过人的意识而是通过其系统的非意识反应来调节其身体的血流量和血糖值等水平[8].当然,这种自主计算方法最重要的是需要一个能够掌控全局的控制器.这个控制器能够掌握整个整个系统的状态和动态,监察每一个组件的变量是否超越颠覆界限,并在出现问题时引发系统自主计算指令以调节和平衡其内部环境.

同样,由于受到人体免疫功能的启发,在信息领域中研究者们设计了一种名为人工免疫系统的自动化控制系统,其功能正如其名:保护系统免受外部攻击和内部故障之忧.人工免疫系统试图复制生物免疫系统的一些功能,实现生物系统般的处理能力,例如特征提取、模式识别、学习记忆和函数优化等[9,10].这种系统可以通过优越的自适应能力和大规模同时处理能力完成人们在工程领域的实际需要[11].然而,正如自然界的生物系统一样,这种人工免疫系统由于其庞杂的组件和错综复杂的组件关联,在理论上达到实现也是一项十分复杂的工作.

还有,一些研究者向如何提高系统在故障情况下的稳定性进行大量的研究,即容错控制系统.容错控制系统是一个闭环系统,通过在检测故障的基础上,在一定条件的故障下依然容纳系统正常运作而实现优越的稳定性,展现良好的系统工作性能而受到研究者的认可.近年来,高端工程系统对对故障检测与诊断和适当容错以实现可靠、可持续的生产流程的强烈需求刺激了科研界对于容错控制系统的普遍关注[12].一般而言,容错控制系统被分为有源容错控制系统和无源容错控制系统,由于有源容错控制系统在控制器上的灵活性和其在系统中表现出的更好的包容性,目前在研究领域和实践中都以有源容错控制系统更为普遍.

3 自我免疫技术的基本构造

自我修护是一个新的设计和系统方法.一个自我修护的机器可以监视和诊断其本身.如果产生了任何类型的故障,自我修护的系统也可以在一段时间内保持稳定.一个自我修护的设计并不属于传统的物理维护,而是一种名为功能维护的设计.功能维护旨在恢复因部分组件退化而造成的系统故障,而物理维护只是通过修补故障组建,从而力求达到系统的初始化.如何实现自我修护目前主要依赖于添加一个足够聪明的“大脑”,即额外的嵌入式推理系统.

另一个达到自我修护目的的方法是将自主服务触发功能添加到机器中.该机器将自我监控、自我运行,发生问题后自动触发请求详细信息和明确维护要求的信息.而其具体的维护还是由专业的人工团队所完成的.虽然如此,由于其大大减少了人工团队的工作量,并且同时做到了个性化定制,在最大程度地降低营运成本的基础上提高客户的满意度水平,因此这一方法在实践中依然十分有市场.

除了弹性系统和自我维护,目前研究人员普遍认为,故障预测与健康管理系统将是下一代系统维护方法.类比于生物的免疫系统抵御入侵感染的病原体并将其识别和杀死,故障预测与健康管理系统也可以在不确定下解决高度复杂的机械维修问题.不同于前面所提到的系统维护方法,故障预测与健康管理系统的最高目标是最少的人的干预.其理念在于,整合多种上述已经成熟的系统维护手段,在多变的环境下保持稳健和弹性,在动态中学习并积极应对“感染”.通过增强内控和将“被感染”的经验记录于数据库之中,来提高其对于未来的预测功能.

故障预测与健康管理系统致力于应用智能机器来实现目标,具体而言,是开发一个集成预测与维修多种功能于一体的系统平台.为了得到这样一个平台,首先要开发关键子系统作为支撑平台.其次,还有升级现有预测系统.同时,还要附加外部传感器和控制器以检测故障信息并生成报告.

故障预测和健康管理技术超越了状态维修,成为了一个独立的工程.预测未来状态的系统将促进实现先进的概念,比如工程免疫系统.工程免疫系统试图避免失败和大扰动而不是通过应用传统控制或恢复系统物理维护来进行补偿.虽然近年来随着各方的不懈探索,自我维护和免疫工程系统已经有了很多大的突破,但是对于其的追索还有很长的路要走.

教育期刊网 http://www.jyqkw.com
参考文献

〔1〕Uckun, S., Goebel, K., & Lucas, P. J. F. (2008).Standardizing research methods for prognostics.In 2008 international conference on prognostics and health management, Denver, CO, USA.

〔2〕Endrenyi, J. et al. (2001). The present status of maintenance strategies and the impact of maintenance on reliability. IEEE Transactions on Power Systems, 16(4), 638–646.

〔3〕Yang, G. (2007).Life cycle reliability engineering.John Wiley & Sons.Zhang, Youmin, & Jiang, Jin (2008). Bibliographical review on reconfigurable faulttolerant control systems. Annual Reviews in Control, 32, 229–252.

〔4〕Fiksel, J. (2003). Designing resilient, sustainable systems. Environmental science and Technology, 37, 5330–5339.

〔5〕Bjorn EgilAsbjornslett, A. M. R. (1999). Assess the vulnerability of your production system. Production Planning and Control, 10(3), 219–229.

〔6〕Einarsson, S., &Rausand, M. (1998).An approach to vulnerability analysis of complex industrial systems. Risk Analysis, 18(5), 535–545.

〔7〕IBM Corporation (2001). Autonomic computing: IBM’s perspective on the state of information technology.

〔8〕Kephart, D. M. C. (2003). The vision of autonomic computing. IEEE Computer, 36(1), 41–50.

〔9〕Dasgupta, D., Zhou, J., & Gonzalez, F. (2003).Artificial immune system (AIS) research in the last five years.In R. R. R. Sarker, Hu.Abbass, K. Chen Tan, B. McKay, D. Essam, & T. Gedeon (Eds.), Proceedings of The Congress on Evolutionary Computation (CEC 2003) (pp. 123–130). Canberra, Australia: IEEE Press.

〔10〕Floreano, D., &Mattiussi, C. (2008). Bio-inspired artificial intelligence: Theories, methods, and technologies. The MIT Press.

〔11〕Hofmeyr, Steven A., & Forrest, S. (2000). Architecture for an Artificial Immune System. Evolutionary Computation 8(4), 443–473.

〔12〕Zhang, Youmin, & Jiang, Jin (2008). Bibliographical review on reconfigurable faulttolerant control systems. Annual Reviews in Control, 32, 229–252.