基于故障跟踪估计器的非线性时滞系统故障诊断

提出一种可有效检测和估计一类非线性时滞系统故障的故障跟踪估计器.根据预测控制和迭代学习控制的思想,在所选取的优化时域长度内,通过迭代算法调节故障跟踪估计器中的可调参数,使之逼近系统中实际发生的故障.与以往基于观测器的故障诊断方法不同的是,故障跟踪估计器可同时检测和估计系统中发生的故障,而且针对不同类型的故障亦有很好的适应性.仿真结果表明了所提出算法的可行性和有效性.

     

基于迭代学习的离散线性时变系统故障诊断

针对一类离散线性时变系统的故障诊断问题,提出一种新的故障检测与估计算法.该算法通过引入虚拟故障构建离散故障跟踪估计器,在选取的优化时域内,利用估计器输出和系统实际输出产生的残差信号,采用迭代学习算法来调节虚拟故障,使虚拟故障逼近系统中实际发生的故障,从而达到对系统故障诊断的目的.该方法不仅能检测出系统不同类型的故障,还可以实现对故障信号的精确估计.仿真结果验证了所提出方法的有效性.     

非线性系统的主动容错控制

对一般的非线性系统提出了一种新的主动容错控制方法.系统正常工作时,采用基于迭代学习观测器的输出反馈控制策略,控制器为迭代学习观测器的状态和调节参数的函数,此输出反馈控制器能良好地镇定该非线性系统.当系统发生故障后,进行控制器重组,在调节参数的自适应调节律中引入了故障估计的信息,使得系统发生故障后包含故障估计信息的重组控制器仍然能使系统稳定,实现了非线性系统的主动容错控制.计算机模拟显示所提出算法的有效性.     

基于角度修正迭代学习的离散时变系统故障诊断

针对一类非线性离散时变系统的故障诊断问题,提出了一种新的故障检测与估计算法.该算法在选取的优化时域内,利用残差信号通过迭代学习方法调整引入的虚拟故障,并利用实际输出和故障跟踪估计器输出向量空间的角度关系,来修正虚拟故障的迭代学习律,以此来加快算法的收敛速度.该算法不仅能够实现不同类型故障信号的检测与估计,而且还充分利用了估计器输出信号中的新信息,使得算法的收敛速度得到明显提高.最后仿真结果验证了该方法的有效性.     

基于迭代学习的线性不确定重复系统间歇性故障估计

针对一类带有不确定参数项的线性重复系统间歇性故障估计问题, 本文提出一种基于迭代学习的故障估计算法.该算法通过设计基于迭代学习的故障估计器和状态观测器, 构造李雅普诺夫方程和优化函数证明该算法的鲁棒性和收敛性, 并通过线性矩阵不等式, 求解出算法中的观测器增益矩阵和迭代学习参数矩阵.区别于其他观测器方法, 本文中的方法利用上一次基于迭代学习观测器输出和系统实际输出产生的残差信号, 对本次的故障信号进行跟踪估计, 从而准确地估计出故障的幅值和形状.仿真结果说明了该算法的有效性和准确性.     

基于自适应迭代学习算法的一类非线性系统故障检测与估计

针对迭代学习算法在非线性系统故障检测与估计过程中存在估计误差较大和收敛速度较慢等不足的问题,提出了一种基于龙格–库塔故障估计观测器模型的自适应迭代学习算法,有效降低了故障估计误差;并引入H∞性能指标,提高了故障估计观测器的收敛速度.该算法首先设计故障检测观测器对故障进行检测,然后设计故障估计观测器,并将自适应算法与迭代学习策略相结合,使得估计故障逐渐逼近真实故障,从而实现对非线性系统中多种常见故障的精确检测与估计.最后,通过机械臂旋转关节驱动电机的执行器故障仿真验证了所提算法的有效性.     

基于预测观测器的时滞系统故障诊断

提出一种新的可有效检测和估计时滞系统故障的预测观测器.借助预测控制思想,在选取的优化时域内构建预测观测器,通过调节预测观测器中的可调参数来跟踪系统实际输出.与以往基于H∞滤波器的故障诊断不同,预测观测器将其转化为控制问题来解决,不但能检测出故障的发生,而且还可估计出故障函数,对不同类型的故障也有很好的适应性.对各类故障的仿真结果表明了该方法的可行性和有效性.     

基于有限时间跟踪微分器的迭代学习控制

针对迭代学习控制（Iterative learning control,ILC）中的初始状态问题,提出了采用有限时间跟踪微分器安排过渡过程方法,根据迭代学习控制中期望轨迹已知的特点,设计了其参数有明显物理意义并且调节方便的有限时间跟踪微分器. 在此基础上,针对一类具有不确定性的非线性时变系统的迭代学习控制问题,提出了具有对不确定项进行估计的迭代学习控制算法,并应用类Lyapunov方法给出了相关定理证明. 仿真结果表明所提出的方法是有效的.     

执行器故障和未知控制方向系统的自适应模糊学习控制

在工业生产中,工业机器人等设备在重复运动中容易出现执行器故障,进而降低生产效率。另外,考虑到很多实际系统无法提前预知控制方向,因此,面向执行器故障和未知控制方向系统,提出了一种自适应模糊迭代学习控制(iterative learning control, ILC)算法。首先,使用模糊逻辑系统(fuzzy logic system, FLS)估计期望的控制信号,并设计额外的自适应项来补偿执行器故障和系统未知函数带来的副作用。其次,考虑到系统的控制方向是未知的,采用离散Nussbaum型函数在迭代方向对其进行辨识,并将该函数应用于自适应模糊ILC算法。最后,通过Lyapunov-like函数证明了所提自适应模糊ILC算法的可行性：当迭代次数趋于无穷大时,除t∈{0,1,…,m-1}时刻之外的ILC跟踪误差可收敛到一个可调界内,且所有系统信号保持有界。仿真结果验证了所提方法的可行性和有效性。     

一类线性不确定系统的主动容错H∞控制

研究了一类线性不确定系统的主动容错控制问题。采用广义内模结构的主动容错控制系统,针对可能发生的故障模式,建立了反映故障动态行为的参考模型,应用基于观测器的故障估计器在线估计故障,并将故障估计信息用于故障补偿,将主动容错控制归结为两目标H∞优化问题,推导并证明了问题可解的充分条件,得到了H∞控制器与故障估计器集成设计的迭代线性矩阵不等式方法。仿真算例验证了算法的有效性。     

A novel approach to fault diagnosis for time-delay systems

In this paper, a novel fault detection and identification (FDI) scheme for time-delay systems is presented. Different from the existing FDI design methods, the proposed approach utilizes fault tracking approximator (FTA) and iterative learning algorithm to obtain estimates of the fault functions. Performance of the FTA is rigorously analyzed by investigating its stability and fault tracking sensitivity properties in the presence of slowly developing or abrupt faults for state delayed dynamic systems. A novel feature of the FTA is that it can simultaneously detect and identify the shape and magnitude of the faults. Additionally, an extension to a class of nonlinear time-delay systems is made by using nonlinear control theories. Finally, the applicability and effectiveness of the proposed FDI scheme is illustrated by a practical industrial process.     

执行器故障时变系统的PID迭代容错控制

对存在执行器故障的连续线性时变系统，给出了PID型迭代学习容错控制律的收敛条件。对连续时变故障系统设计了一种PID迭代学习容错控制律，在[λ]范数意义下给出了故障系统PID型迭代容错控制器收敛的充要条件；基于Schur补原理和不等式变换，将容错控制器收敛条件转换成线性矩阵不等式，当迭代学习收敛速度设定时，基于线性矩阵不等式能快速确定最优迭代控制增益，避免了迭代控制增益设置的盲目性。旋转控制系统的数值仿真，验证了PID迭代容错控制器优良的容错性能和跟踪性能。     

退化高阶抛物型分布参数系统的迭代学习控制

研究一类高阶分布参数系统的迭代学习控制问题,该类系统由退化高阶抛物型偏微分方程构成.根据系统所满足的性质,基于P型学习算法构建得到迭代学习控制器.利用压缩映射原理,证明该算法能使得系统的输出跟踪误差于L~2空间内沿迭代轴方向收敛于零.最后,仿真算例验证了算法的有效性.     

非正则分布参数系统的迭代学习控制

针对一类非正则分布参数系统的迭代学习控制问题进行讨论, 该类分布参数系统由抛物型偏微分方程构成. 基于非正则系统的特点, 使用D型学习律构建得到迭代学习控制律, 并基于压缩映射原理, 证明得到输出跟踪误差在??² 范数意义下沿迭代轴方向的收敛性结论. 仿真算例表明了所提出结论的有效性.

     

Adaptive compensation for infinite number of actuator failures or faults

It is both theoretically and practically important to investigate the problem of accommodating infinite number of actuator failures or faults in controlling uncertain systems. However, there is still no result available in developing adaptive controllers to address this problem. In this paper, a new adaptive failure/fault compensation control scheme is proposed for parametric strict feedback nonlinear systems. The techniques of nonlinear damping and parameter projection are employed in the design of controllers and parameter estimators, respectively. It is proved that the boundedness of all closed-loop signals can still be ensured in the case with infinite number of failures or faults, provided that the time interval between two successive changes of failure/fault pattern is bounded below by an arbitrary positive number. The performance of the tracking error in the mean square sense with respect to the frequency of failure/fault pattern changes is also established. Moreover, asymptotic tracking can be achieved when the total number of failures and faults is finite.     

一种新的基于迭代学习的故障检测和估计算法

将迭代学习策略应用到故障诊断中,提出一种新的故障检测和估计算法.引入虚拟故障参数,采用基于PID的迭代学习策略调节其中的虚拟故障,使虚拟故障逼近系统中实际发生的故障,从而达到对系统故障诊断的目的.理论证明和仿真结果验证了新算法的可行性和有效性.     

基于时变终端滑模的任意迭代初态抑制控制EI北大核心CSCD

为解决迭代学习过程中的任意迭代初值和迭代收敛理论证明难的问题,本文构造了一种轨迹跟踪误差初值恒位于滑模面内的时变终端滑模面,将轨迹跟踪误差初值不为零的轨迹跟踪控制问题转换为滑模面初值恒为零的滑模面跟踪控制问题,建立了任意迭代初值与相同迭代初值的迭代学习控制理论连接桥梁.本文提出一种基于时变滑模面的比例–积分–微分(PID)型闭环迭代学习控制策略,基于压缩映射原理证明了迭代学习的收敛性,给出了迭代收敛条件.时变终端滑模面经有限次迭代学习收敛到零,达到轨迹跟踪误差最终稳定在时变滑模面内的目的;Lyapunov稳定理论证明了位于滑模面内的轨迹跟踪误差在有限时间内收敛到原点,达到轨迹局部精确跟踪目的.随机初态下的工业机器人轨迹跟踪控制数值仿真验证了本文方法的有效性和系统对外部强干扰的鲁棒性.     

抑制初态误差影响的自适应迭代学习控制

针对一类参数化高阶不确定非线性连续系统, 设计迭代学习控制算法, 以解决随机初态对系统跟踪性能产生负面影响的问题. 结合滑模控制思想以及部分限幅参数学习律, 控制算法在预设时间段内抑制随机初态偏差对系统跟踪性能的影响. 经过预设时间后, 随着迭代次数的增加, 系统的跟踪误差及其各阶导数一致收敛到零. 且在整个运行时间段内, 系统各个变量一致有界. 此外, 本文回避了非参数化不确定非线性系统在放宽迭代初值假设时常使用的Lipschitz假设条件, 而采用类Lyapunov函数分析法设计迭代学习控制器. 理论证明和仿真结果都说明了该算法的有效性.     

Closed-loop P-type Iterative Learning Control of Uncertain Linear Distributed Parameter Systems

An iterative learning control problem for a class of uncertain linear parabolic distributed parameter systems is discussed, which covers many processes such as heat and mass transfer, convection diffusion and transport. Under condition of allowing system state initially to have error in the iterative process a closed-loop P-type iterative learning algorithm is presented, and the sufficient condition of tracking error convergence in L2 norm is given. Next, the convergence of the tracking error in L2 and W1,2 space is proved by using Gronwall-Bellman inequality and Sobolev inequality. In the end, a numerical example is given to illustrate the effectiveness of the proposed method.