一种无线自组网故障检测算法

针对无线自组网的拓扑结构,设计一种基于分簇的无线自组网节点故障检测架构和对应的故障检测算法。分簇时分别确定主用簇和备用簇管理节点,冗余簇管理节点负责对内部成员实施异常检测,给出故障检测模块的心跳发送、心跳监控、心跳预判与实时调整机制,通过增加心跳预判实时调整机制,确保算法能够动态适应自组网易变的拓扑结构,并通过备用簇管理节点和簇间共享异常信息机制,提高系统故障检测的可靠性。利用仿真实验对故障检测机制的性能进行评估,结果表明,提出的故障检测算法具备较好的检测准确率,能够有效满足上层应用在系统可靠性设计方面的需求。     

一种基于知识的故障容错控制系统

根据工业设备现场的需要，将故障诊断与人工智能相结合开发了一种对设备故障具有自动检测、诊断和容错控制功能的专家系统。重点介绍了故障容错控制专家系统ＦＴＣＥＳ的基本结构及主要功能的实现方法。     

动态系统的故障检测与容错控制

本文详尽地论述了各种容错控制方法,讨论了动态系统的各种故障检测技术及系统重构技术。     

软盘机的故障检测

概要地介绍了影响软盘机可靠性的因素，软盘机的常见故障分析、故障检测及其调校方法。     

一种检测程序控制流故障的方法

本文介绍一种在容错处理器中实现控制流故障检测的方法。处理器的容错机制是通过修改超标量体系结构,利用时间冗余技术实现的。处理器支持两个指令流并发执行,本文提出的控制流检测算法是通过比较两个时间冗余的指令流的执行结果实现的,与同类实现方案相比,此方法可以进一步节省硬件资源以及额外的处理器执行时间。     

计算机主存的一种故障检测方法

介绍一种采用特征矩阵对计算机主存中存在的ｓ－ａ－１，ｓ－ａ－０，以及桥接故障的检测方法，讨论了该特征矩阵的存在条件，作为示例给出了对按字节组织的主存进行故障检测的特征矩阵。     

打印机适配器故障的一种检测方法

本文提出一种打印机适配器的检测方法。在不需打印机的配合下，而仅仅将五根短细的导线巧妙连接，利用设计的检测程序，就能准确全面地判断打印机适配器的故障点。     

ARX过程突发性故障的检测与辨识

在分析突发性故障对带外生变量自回归过程(ARX)影响的基础上，本文建立了脉冲 型故障检测与故障幅度辨识算法，提出了采用脉冲型故障的检测与辨识方法处理阶跃型故障 的技术途径，并通过仿真计算验证了本文方法的有效性．     

故障诊断中的检测控制策略问题

测量信息是实现故障诊断的前提,本文就信息 的量的表示、基于Wald序惯策略的检测控制策略、检测控制策略问题的求解和最优测量点的 选择等问题进行了初步的探讨,并给出了实验计算结果．     

A ROBUST SENSOR FAULT TOLERANT CONTROL SCHEME IMPLEMENTED ON A CRANE

This paper presents a sensor fault tolerant control scheme applied to a crane system. Sensor faults affect the system's performance in the closed‐loop when the faulty sensor readings are used to generate the control input. In this paper, the measured outputs are separated into potentially faulty and nonfaulty components, and the latter are injected into a linear observer to reconstruct the faults. The reconstruction is subtracted from the faulty sensors to form a compensated ‘virtual sensor’ and this signal is then used to generate the control input. A design method for the observer is also presented in which the reconstruction signal is made as insensitive as possible to any uncertainties or nonlinearities present in the system. Good results have been obtained; with reduced performance degradation during faulty conditions.     

基于神经网络的非线性系统故障检测及容错控制方法

利用神经网络的非线性建模能力，提出了一种非线性系统的故障检测及容错控制方法。在本方法中，首先应用神经网络设计故障估计器，在线估计系统故障向量，实现故障检测；在此基础上，引入补偿控制器，消除故障对系统运行的影响，从而实现容错控制。同时基于Ｌｙａｐｕｎｏｖ方法进行了稳定性分析。     

ROBUST FAULT DETECTION AND ISOLATION FOR UNCERTAIN LINEAR RETARDED SYSTEMS

A robust fault detection and isolation scheme is proposed for uncertain continuous linear systems with discrete state delays for both additive and multiplicative faults. Model uncertainties, disturbances and noises are represented as unstructured unknown inputs. The proposed scheme consists of a Luenberger observer for fault detection and a group of adaptive observers, one for each class of faults, for fault isolation. The threshold determination and fault isolation are based on a multi‐observer strategy. Robustness to model uncertainties and disturbances can be guaranteed for the scheme by selecting proper thresholds. All the signals, i.e., the fault estimate and the state and output estimation errors of each isolation observer can be shown to be uniformly bounded, and the estimate of the fault by the matched observer is shown to be satisfactory in the sense of extended H₂ norm. Furthermore, the sensitivity to fault and the fault isolability condition are analyzed also in the paper. Simulations of a heating process for detecting and isolating an actuator gain fault and an additive fault show the proposed scheme is effective.     

工业机器人故障的实时检测与诊断

本文首先建立了直流电机驱动机器人的驱动系统的动态故障模型,它包容了电枢电阻、电感等故障.随后建立了工业机器人传感器的动态故障模型,可包容位置、速度及力传感器的阶跃型和缓变型故障.在此基础上,应用作者提出的可处理一类非线性系统参数偏差型故障的系统性算法,成功地检测并诊断出这些故障.最后进行了数值仿真验证.     

控制系统鲁棒故障检测的l1优化方法

提出一种新的基于l1优化技术的鲁棒故障检测方法,并且用统一的形式归纳了已有的此类方法.最后通过仿真算例对它们进行了比较.     

基于联合神经网络的冗余传感器故障诊断和信号重构

本文提出一种基于联合神经网络的传感器故障诊断和信号重构的方法．联合神经网 络的初级神经网络实现冗余信息的压缩，利用冗余信息把故障信息过滤掉，第二级把压缩后 的非故障信息复原，然后通过SPE图来诊断故障．发现故障后利用冗余信息实现信号重构．     

飞机舵面结构故障检测与重构的模糊观测器方法

本文提出了一种基于模糊观测器的飞机舵面故障检测与重构控制策略 .该方法在模糊输出观测器的基础上 ,构造了反映飞机舵面结构故障的残差信息 ,以进行快速的故障检测和重构控制 .针对某型飞机舵面结构故障的仿真验证了本文方法的有效性     

一类基于神经网络非线性观测器的鲁棒故障检测

针对一类仿射非线性动态系统,提出了一种基 于神经网络非线性观测器的鲁棒故障检测与隔离的新方法．该方法采用神经网络逼近观测器 系统中的非线性项,提高了状态估计的精度,并从理论上证明了状态估计误差稳定且渐近收 敛到零;另一方面引入神经网络分类器进行故障的模式识别,通过在神经网络输入端加入噪 声项来进行训练,提高神经网络的泛化逼近能力,从而保证对被监测系统的建模误差和外部 扰动具有良好的鲁棒性．最后,利用本文方法针对某型歼击机结构故障进行仿真验证,仿真 结果表明本文方法是有效的．