多传感器系统中基于扩展卡尔曼滤波器的在线故障检测

随着多传感器系统的广泛应用,在线故障对于系统性能影响严重,如何使得多传感器系统具有自主故障检测与诊断能力成为首要问题。根据非线性多传感器系统的输入信号、输出信号和故障阵列,建立一种具有多输入多输出处理和自调节加强功能的扩展卡尔曼滤波器（ EKF）的故障分析模型,在此基础上,提出了一种适用于多传感器系统的在线故障检测算法及其在传感器节点上的实施架构。实验结果表明：所提算法在低并发故障和高并发故障环境下均具有高准确度故障报告能力。此外,在温度传感器上实施所提算法,温度监测值的对比结果验证了所提算法比传统算法具有更好的系统性能保证能力。     

多模型传感器故障软闭环容错控制研究

针对一类非线性系统建立精确机理模型困难、且仅用单一模型进行故障检测与容错不甚可靠等问题,提出一种基于数据驱动的多模型传感器故障软闭环容错控制方法,并对非线性系统中卡死、恒增益、恒偏差等常见传感器故障进行了研究。首先采用历史数据建立了系统的RBF神经网络、最小二乘支持向量机和核部分最小二乘三种预测模型,并基于序贯概率比检验算法同时以多个模型产生的残差对传感器进行故障检测;当检测出传感器发生故障时,则用系统多个预测模型的融合值代替传感器的输出,从而以软闭环方式实现对传感器故障的容错控制。最后将所提出的方法应用于一阶水箱液位控制系统,实验结果表明多残差与序贯概率比检验算法的结合能够可靠诊断传感器故障,多预测值优化融合的软闭环可对传感器故障实现安全、高性能容错。     

基于STF的非线性系统故障诊断与容错控制

本文介绍了一种基于强跟踪滤波器(strong tracking filter-STF)理论的故障观测器,并将其与基于状态估计值的自适应PID控制和修正的Bayes分类算法(modified Bayes algorithm-MB算法)相结合,实现了一类非线性时变系统状态与参数的无偏估计,从而得到一种闭环非线性系统元部件故障的检测与诊断方法,并实现了系统的容错控制.仿真实例验证了该方法是一种很有效的在线故障检测与诊断方法.     

基于级联观测器的多输入多输出非线性系统的故障诊断

将块观测方法应用于非线性系统的故障检测和分离.首先给出了非线性系统的块观测形式,针对传感器故障和执行器故障对非线性系统进行分块,得到了带有故障系统的块观测器形式.利用滑模观测器实现系统状态观测,得到观测器误差;利用所设计的观测器对非线性系统进行故障的诊断和分离;采用等效输出注入概念重构了故障信号,使得多变量输入输出非线性系统的故障诊断问题得到了解耦;针对异步电动机系统实现了传感器故障的分离.仿真结果证明了算法的有效性.     

一种非线性系统被控对象故障诊断方法

控制系统中的传感器、执行器和被控对象的故障检测与诊断往往是把执行器和被控对象视为一个整体来研究, 这不利于故障的决策与处理. 对此, 设计了非线性系统故障诊断的滑模观测器, 提出一种诊断被控对象故障的方法, 即对非线性系统和执行器同时进行观测, 根据两观测器残差的变化情况判断出非线性系统中传感器、执行器和被控对象故障. 最后以单输入单输出非线性系统为例进行仿真, 验证了该方法的有效性.

     

非线性系统传感器偏差故障的UKF递推检测方法

针对传统的推广卡尔曼滤波器方法(EKF)的不足,为检测非线性系统传感器的偏差型故障,提出了一种新的基于unscented卡尔曼滤波(UKF)的实时递推检测算法,该方法应用UKF作为传感器故障残差发生器,并利用残差加权平方和检测策略进行故障的检测.仿真结果表明,与基于EKF的传感器故障检测方法相比,该方法有更好的故障预示能力,并提高了故障检测的准确率.     

过程控制系统中多条件约束的多传感器故障检测与诊断

针对工业过程控制系统中的故障具有类型多样、时空独立和非线性等特点,使得检测与诊断效率降低,系统性能下降等问题,提出了一种基于自定义多条件约束的多传感器故障检测与诊断机制;该机制,首先考虑了系统的稳态和时空特征建立了非线性过程控制系统多故障模型,并给出了满足条件判定法则;然后对于系统中的单故障,并发故障和通信故障等类型给出了多条件约束法则及独立特性判断;最后提出了通过自定义多条件约束的多传感器故障检测与诊断机制;实验结果表明,在平均检测概率、稳态特征保持能力和系统功耗等方面明显优于无条件约束的机制,可以显著改善过程控制系统性能.     

基于KPCA的监控系统传感器异常诊断方法

针对监控系统数据异常时,故障检测准确性不高的问题,提出一种基于监控系统传感器异常的核主元分析(KPCA)检测方法.利用平方预报误差(SPE)统计量和均方贡献值法进行故障检测和故障源的定位,改善了主元分析(PCA)应用于非线性系统故障检测准确性低的问题.分别利用基于KPCA和PCA的故障检测模型进行仿真比较.实验结果表明:KPCA提高了非线性监控系统传感器异常诊断的准确性.     

无人机PCA故障检测与诊断技术研究

无人机（UAV）飞控系统传感器故障检测和诊断常采用基于解析模型的方法,但飞行控制系统（FCS）的精确数学模型往往获取困难。针对此问题,提出了一种UAV-PCA算法。该算法在传统主成分分析（PCA）方法的基础上结合方差敏感自适应阈值的故障检测方法和基于特征方向的故障诊断方法,实现UAV飞控系统传感器的故障检测和诊断。算法不需要系统的数学模型,解决了应用传统PCA方法进行FCS故障检测与诊断时易出现暂态过程虚警和误诊断的问题。仿真结果证明该算法可以快速准确地检测传感器故障,而且可以有效地降低暂态过程虚警和提高诊断结果准确度。     

基于自适应观测器的四旋翼无人飞行器传感器故障诊断方法

针对四旋翼无人飞行器传感器故障诊断问题,提出一种用于四旋翼无人飞行器加速度计和陀螺仪故障同时发生的故障检测与隔离以及故障偏差值估计的非线性诊断方法.首先,在建立飞行器动力学模型和传感器模型的基础上,构建四旋翼无人飞行器传感器故障检测与诊断系统.其次,利用故障观测器完成传感器故障的检测与隔离,基于Laypunov方法设计非线性自适应观测器对未知故障偏差值进行估计.最后,在传感器测量噪声存在的情况下,证明自适应律的稳定性和参数收敛性.实验结果表明,该方法能有效进行传感器的故障检测与隔离,实现对传感器故障偏差的估计与跟踪.     

Fault tolerant approach for biosignal-based robot control

This paper proposes a fault tolerant framework for biosignal-based robot control with multiple sensor electrodes. In this approach, to cope with sensor faults, a reliable joint torque estimation model is selected from a group of estimation models based on sensor failure classifiers. The correlation among the electromyography (EMG) signal streams is used as input feature vectors for fault detection. To validate our proposed method, we artificially disconnect an EMG electrode or detach one side of an EMG probe from the skin surface during elbow-joint torque estimation experiments with five participants. When one EMG sensor electrode experiences one of the problems, the experimental results show that the joint torque can be estimated with significantly fewer errors using our proposed approach than a joint torque estimation method without sensor fault detection or than a method with a conventional sensor fault detection algorithm. Furthermore, we controlled a mannequin-arm-attached one-DOF exoskeleton based on the estimated torque profiles by generating movements with the estimated torque derived from the selected model.     

Bayesian Fault Probability Estimation: Application in Wind Turbine Drivetrain Sensor Fault Detection

In this paper, the extension of the Bayesian framework for sensor fault detection of nonlinear systems proposed in [25] is studied utilizing particle filtering and the expectation maximization (EM) algorithm, in which the fault probability is calculated. The proposed algorithm is implemented on a wind turbine benchmark model to detect drivetrain sensor faults, which are one of the most addressed and likely faults in offshore wind turbines. The fault probability estimation effectively eliminates the need for installing identical redundant sensors. Indeed, because of the use of the unknown wind speed estimator, the residual signal, constructed based on the drivetrain estimated states, is not able to clearly signify the fault periods, a situation in which the fault probability accurately does this task. Also, using the proposed algorithm, the fault size for each sensor is estimated via a one‐step calculation, which decreases the complexity of this algorithm. The fault identification is performed using the recursive least square method and two other modifications, including exponentially weighted and windowed estimates. Additionally, in the fault accommodation step, the concept of a virtual sensor is used to remove the need for reconfiguring the current controller, which reduces complexity and expense. In the simulation section, using a real measured wind speed for two different fault scenarios, the proposed algorithm is evaluated and finally, conclusions are stated.     

基于输出时滞方法的非均匀采样数据系统传感器故障检测(英文)

研究一般非均匀采样数据系统鲁棒传感器故障检测设计问题.首先,基于输出时滞方法将非均匀采样数据系统转换成具有时变时滞输出的连续系统;然后,选择故障检测滤波器作为残差产生器,并将故障检测设计问题描述成一个多目标优化问题,即连续时间过程噪声和离散时间测量噪声对残差信号的H∞范数小于一个给定值,同时传感器故障对残差信号的l2增益大于一个给定值,基于输入输出方法以矩阵不等式的形式给出该多目标优化问题有解的充分条件;进一步的,提出一个迭代算法来权衡噪声鲁棒性与故障灵敏度,并将矩阵不等式转换成可解的线性矩阵不等式.最后,对某型飞控系统的仿真实验验证了所提方法的有效性.     

基于马尔科夫预测的多传感器故障检测与诊断机制

随着无线传感器网络应用规模的不断扩大,各类应用中传感器故障检测与诊断成为系统正常作业、安全可靠性保障的关键技术。针对多传感器系统与节点工作过程定义3种状态,基于故障检测信息建立状态转移矩阵,通过马尔科夫模型预测传感器故障信息,为故障检测与诊断提供决策依据。另外,拓展数据包信息字段包括故障类型、节点定位等,故障处理后节点转移至正常状态后将故障处理和诊断特征等信息存储到网关或者汇聚节点,为改善故障检测精度和诊断效率以及系统资源利用率提供依据。实验结果表明：所提故障检测与诊断算法与传统算法相比,具有更高的故障检测精度,更短的故障诊断时延、能够准确判断故障类型等性能。     

BP神经网络在飞控系统传感器故障诊断中的应用

故障检测和诊断技术对提高系统可靠性具有重要意义,针对飞控系统中常见的传感器故障,提出了基于神经网络观测器的故障诊断方法;通过构造神经网络模型代替解析系统建模,利用神经网络的学习能力在线检测传感器故障,最后,应用BP神经网络算法对故障进行仿真;仿真结果表明,神经网络观测器方法对单一传感器故障及多个传感器故障均能够准确识别,并对故障的定位也有不错的效果。     

Robust fault detection and isolation in stochastic systems

This article outlines the formulation of a robust fault detection and isolation (FDI) scheme that can precisely detect and isolate simultaneous actuator and sensor faults for uncertain linear stochastic systems. The given robust fault detection scheme based on the discontinuous robust observer approach would be able to distinguish between model uncertainties and actuator failures and therefore eliminate the problem of false alarms. Since the proposed approach involves estimating sensor faults, it can also be used for sensor fault identification and the reconstruction of true outputs from faulty sensor outputs. Simulation results presented here validate the effectiveness of the proposed robust FDI system.     

基于稀疏分解残差的氢气传感器故障探测与辨识方法

针对传感器故障探测和诊断,提出了一种基于稀疏分解残差的氢气传感器故障探测和辨识方法.基于信号稀疏分解理论,对采集的传感器正常信号数据集,利用K奇异值分解(K-SVD)学习算法得到一超完备字典D;在字典上对非正常(故障)信号进行分解,根据稀疏分解的残差大小和范围完成对传感器故障的探测及辨识.实验结果表明:对氢气传感器的故障探测率和总辨识率分别达到98.75%和97.25%,可以有效地解决氢气传感器的故障探测和辨识.     

基于加权中值的分布式传感器网络故障检测

无线传感器网络中的错误测量数据会导致网络服务质量下降和能量浪费.提出了一种通过融合邻居节点的测量数据来实现故障检测的策略.主要做了以下3项工作:(1) 提出了一种新颖的对邻居节点测量数据进行加权的方法;(2) 提出了一种衡量测量数据之间差距的方法;(3) 提出了基于加权中值的故障诊断策略WMFDS(weighted median fault detection scheme),它同时适用于二进制决策和实数测量值.理论分析及仿真结果表明,即使节点发生故障的概率很高,提出的诊断策略也能得到很高的检测精度和较小的误判率,这表明在无线传感器网络故障检测中应用该方法具有很好的性能.     

一种非线性系统容错控制的混合方法

针对连续搅拌箱式反映器,提出一种闭环非线性系统容错控制的混合方法。即利用“等价偏差”的新概念建立传感器的故障模型,然后基于一种伪偏差分离估计算法,在线得到系统状态和“等价偏差”的估计值。数值仿真结果验证了该方法不仅具有很强的关于传感器故障的容错能力,而且还可检测、分离和估计出相应的故障。