这篇论文是2021年的第四篇，到了2022年才接受。还好农历年还没过。
故障诊断有两个基本步骤：（1）故障检测，通过对系统的信号分析检测到故障；（2）故障分离，检测到故障后，通过对故障信号的进一步分析找到故障源。
本工作提出一套借用模型预测控制（MPC）算法进行故障分离的方法。该算法具有数值计算的高可靠性，能处理大规模、含时延和非最小相位零点的系统，并能处理模型误差的影响。该方法在Tennessee Eastman Process仿真平台上得到原理验证，成功分离8个故障。这篇是前一篇“基于系统辨识的故障诊断”的续篇。这两项工作建立了一个基于系统辨识的故障检测和故障分离的框架和相关基础算法，具有高度的可应用性。
上一篇博客我指出最小二乘算法在MPC控制技术中的强大作用。这里我们在故障分离中又借用了MPC算法，远胜于其他算法，说明最小二乘在故障诊断与分离技术中也会发挥强大的威力。搞控制的都知道，最小二乘算法几乎是系统辨识算法的全部。
搞工业自动化的人把自动控制技术比作金字塔，见下图
研究自动控制技术40年，最近突然想通了：自动控制技术金字塔的基石是：最小二乘。
就这么简单。
（我们2021年的第五篇文章是“基于系统辨识的实时优化”，已投出第三稿，但愿很快接受。）
文章见 J.M. Zhou and Y.C. Zhu (2022). Fault isolation based on transfer-function models using an MPC algorithm. Accepted in: Computers and Chemical Engineering.
转载本文请联系原作者获取授权，同时请注明本文来自朱豫才科学网博客。
链接地址：https://wap.sciencenet.cn/blog-862928-1321135.html?mobile=1
收藏
