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.

     

基于PI 观测器的奇异摄动系统故障诊断和最优容错控制

针对线性奇异摄动系统, 提出一种基于PI (proportional integral) 观测器的故障诊断和最优容错控制方法. 基于奇异摄动系统相关理论和矩阵变换技术, 给出PI 全维观测器存在的条件, 该观测器可以观测系统的快慢状态和故障系统的状态. 在估测到系统状态的基础上进一步考虑最优性, 应用最优控制理论, 设计状态反馈控制器, 提出基于PI 观测器的故障诊断器和最优容错控制器的设计方法. 最后的数值算例验证了所提出方法的可行性和正确性.

     

一类非线性严格反馈系统基于干扰观测器的抗干扰控制

针对一类带有干扰的非线性严格反馈系统, 研究其抗干扰控制问题. 系统干扰满足不匹配条件, 代表一类部分信息已知的干扰. 通过设计非线性干扰观测器, 提出基于非线性干扰观测器和back-stepping 的抗干扰控制方法来补偿干扰, 该方法可以保证闭环系统所有信号是半全局最终一致有界的. 最后, 通过与现有方法的对比验证了所提出方法的正确性和有效性.

     

一类非线性动态系统基于强化学习的最优控制制

提出一类非线性不确定动态系统基于强化学习的最优控制方法. 该方法利用欧拉强化学习算法估计对象的未知非线性函数, 给出了强化学习中回报函数和策略函数迭代的在线学习规则. 通过采用向前欧拉差分迭代公式对学习过程中的时序误差进行离散化, 实现了对值函数的估计和控制策略的改进. 基于值函数的梯度值和时序误差指标值, 给出了该算法的步骤和误差估计定理. 小车爬山问题的仿真结果表明了所提出方法的有效性.

     

具有预负载非线性特性的双率系统递推最小二乘估计算法

针对具有预负载非线性特性的双率系统, 提出一种新的辨识方法. 借助切换函数简化系统模型, 通过损失数据模型估计系统损失的输出数据, 进而利用系统所有输入和输出数据, 提出相应双率系统递推最小二乘算法. 与多项式转换方法相比, 该方法能够直接辨识出系统参数. 仿真结果验证了所提出方法的有效性.

     

基于关联规则的电网故障诊断解析方法

针对电网故障诊断解析模型存在多解和误诊问题, 提出一种基于关联规则的电网故障诊断解析方法, 并通过解析保护和断路器动作及告警信息的不确定性, 构建诊断的评价指标. 利用解析方法获得故障的完备诊断, 进而基于各类不确定性事件概率, 采用评价指标从完备的诊断集合中求取最优诊断. 故障诊断算例验证了所提出方法的有效性.

     

基于改进马氏距离的模拟电路故障诊断新方法

提出一种基于改进马氏距离的模拟电路故障诊断方法. 根据被测电路的拓扑结构进行可测性分析, 利用测试矩阵确定规范模糊组, 从而得到单故障假设下的可分潜在故障元件. 将马氏距离根据模拟电路的特性作出改进, 并应用于模拟电路潜在故障元件的诊断. 利用测点特征值的改进马氏距离对潜在元件进行划分, 减少可疑故障元件的类别, 在诊断分类时达到提高速度的效果. 实验表明, 所提出的方法对模拟电路软故障诊断速度较快, 具有较好的模拟电路故障诊断测试效果.

     

一类非线性系统的奇异点克服控制

针对一类非线性系统, 研究存在奇异点时的跟踪控制问题. 在采用反馈线性化方法将对象转换成标准型后, 构造线性补偿器并结合期望轨迹的高阶导数构成伪控制量. 通过引入梯度动力学方法求解控制律, 以克服在控制过程中遇到的奇异点问题. 通过稳定性分析验证了闭环系统的稳定性和跟踪误差的收敛性. 仿真结果表明, 此类控制器具有良好的控制性能, 并且能有效克服奇异点问题.

     

一种应用于故障诊断中的高效推理算法

针对经典联合树推理算法的信息传播共享和推理时间等问题, 提出一种高效联合树推理算法. 该算法基于获得的证据信息和查询节点对原始的网络结构化简, 然后在化简后的网络结构上进行联合树推理. 在信息传递过程中, 该算法可以实现不同证据下的信息共享. 经仿真验证, 高效联合树算法能够在保证准确率的同时, 以更短的时间作出诊断推理. 基于现场收集的数据, 建立水泥回转窑故障诊断系统模型并应用改进的算法实现了精准且快的故障诊断.

     

一类饱和非线性系统抗饱和控制器设计

针对一类饱和非线性系统研究抗饱和控制器综合问题. 基于线性分式表示技术(LFR), 该类非线性系统可转化为带有满足扇形区间不等式条件的非线性函数及额外线性分式约束的饱和线性系统. 基于二次Lyapunov 方程并利用广义扇形区间不等式条件处理饱和非线性项, 提出了基于LMI 条件的非线性抗饱和控制器综合方法. 数值仿真验证了所提出方法的有效性.

     

基于自适应未知输入观测器的非线性动态系统故障诊断

针对以往故障诊断研究中要求故障或故障导数及系统干扰的上界是已知的不足,以及难以同时诊断执行器故障和传感器故障的问题,提出一种自适应未知输入故障诊断观测器,能够同时重构非线性动态系统的执行器故障和传感器故障.首先,利用H_∞性能指标抑制未知输入对故障重构的影响,采用Lyapunov泛函得到观测误差动态系统的稳定性;然后,通过线性矩阵不等式求解观测器增益阵,并实现故障重构;最后,通过直流电机系统的仿真验证了所提出方法的有效性.     

基于观测器的离散时滞系统的故障诊断

研究含有测量时滞的线性离散系统的故障诊断问题,提出一种测量时滞的无时滞转换方法和基于降维状态观测器而不利用残差体现故障的故障诊断方法.首先通过构造一个含有故障状态的增广系统和进行测量时滞的无时滞转换,将时滞系统的故障诊断问题转化为无时滞增广系统的状态观测问题;然后给出了其诊断误差能按预先指定的指数速率趋于零的故障诊断器的设计方法.仿真算例验证了该方法的可行性和有效性.     

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.     

基于多模态进化Rao-Blackwellized 粒子滤波器的 移动机器人航迹推算系统的故障诊断

针对一类移动机器人航迹推算系统的故障诊断问题, 提出一种多模态进化Rao-Blackwellized 粒子滤波
器(MERBPF) 算法. 为解决由粒子贫乏引起的不一致性问题, 采用交叉与变异种群策略优化, 根据粒子多样性加入扰
动因子. 利用专家规则判定机器人运动状态所对应的MERBPF, 构造复杂逻辑表述方法. 仿真实验结果表明: 在强过
程噪声下, MERBPF 仍具有较高的鲁棒性, 提高了诊断机器人航迹推算系统的准确率.

     

基于多渐消因子强跟踪UKF 和约束AR模型的故障估计与预测

针对非线性系统中不可观测故障参数估计和预测问题, 提出一种基于多重渐消因子强跟踪无迹卡尔曼滤波(MSTUKF) 的状态和参数联合估计法, 通过引入多重渐消因子增强了对变化函数未知的故障参数的跟踪能力. 对于得到的故障参数估计值, 利用递推最小二乘法更新约束AR预测模型, 从而实现故障参数的在线估计与预测. 仿真结果表明, MSTUKF方法在故障参数估计精度上优于UKF 和单渐消因子强跟踪UKF, 约束AR模型的预测精度高于无约束条件下的预测精度.

     

基于分层DSmT 的多故障诊断方法

针对现有故障诊断方法难以诊断涵盖多种不同类型故障的问题,提出一种基于分层DSmT的多故障诊断方法.利用主元凝聚层聚类方法实现证据聚类,将辨识框架分成若干个子框架;利用证据主元将BP神经网络所生成的各种故障模式的基本概率赋值函数在不同辨识框架下重新分配;利用DSmT对子框架下的证据进行融合并得出诊断结果.仿真实验结果表明,所提出的方法能将不同类型故障从辨识框架中分离出来,提高多故障诊断结果的可靠性,减少计算量,提高诊断效率.     

基于SVR 的惯性/卫星组合导航系统故障诊断方法

在惯性/卫星组合导航系统中, 针对传统X² 检验法检测出故障但无法准确识别故障子系统的不足, 提出一种基于支持向量回归的故障诊断方法. 采用残差X² 检验法实时对组合导航系统进行故障检测, 并构建基于支持向量机的回归预测模型, 实现对惯性导航系统状态的预测; 根据系统模型输出和预测模型输出之差辅助进行惯性导航系统的故障判别, 诊断出系统故障源. 仿真结果表明, 所提出的方法能够快速准确地识别故障子系统, 并进行有效的系统隔离和重构, 从而使组合导航系统的性能得到保障.