摘要
本文研究在无法获得可靠数学模型、仅能获取输入输出数据的情况下，如何对非线性系统进行故障诊断。所提出的方法分为三个阶段。首先，利用自适应神经模糊推理系统（ANFIS）通过无故障传感器数据来识别系统的非线性动态特性，从而得到一组能够表征系统动态特性的凸型Takagi–Sugeno模型。在第二阶段，借助具有凸结构的区域比例积分观测器来实现故障检测。通过将相关问题转化为一系列线性矩阵不等式，确保该方法具备应对参数不确定性和传感器噪声的能力。最后，利用故障特征矩阵来进行故障隔离。该区域框架能够提供自适应的残差界限，作为故障检测的自适应阈值，而有序的残差激活模式则有助于实现可靠的故障隔离。本研究在存在传感器故障和初始工艺故障且伴有测量噪声的连续搅拌罐反应器上对该方法进行了测试，并与现有的典型数据驱动方法进行了比较。实验结果表明，该方法不仅提高了诊断精度，降低了误报率，还能确保及时检测故障并实现可靠隔离。
