基于PNN滤波的非线性系统故障检测方法

本文以ＰＮＮ状态估计为基础，提出了一种非线性系统的故障检测方法。     

基于观测器的线性系统故障检测方法性能比较研究

已有的故障诊断方法基本是针对开环系统设计的，本文通过仿真实验对输出反馈控制和开环控制下基于观测器的线性系统故障检测方法的性能进行了比较研究。仿真实验与理论分析表明，若线性系统模型精确，闭环控制不影响观测器方法对于加性故障的检测但对乘性故障的检测会产生影响。     

故障检测及状态偏差估计的二级分解算法*

本文首先推导证明当参考模型和实际系统不吻合时，根据参考模型建立的Kalman滤波器所产生的估计残差将与模型的偏离程度成正比，据此给出故障检测方法；其次推导出状态偏差形式的系统方程；最后将B. Friedland提出的分离估计法推广到状态偏差估计中，并进一步提出状态偏差估计的二级分解算法。     

故障系统的状态估计

本文讨论故障系统的状态估计问题.文中给出了在故障检测滤波器误差方程基础上,利用未知输入观测器或逆系统算法,根据输出误差估计状态误差,从而得到故障系统状态的估计方法.文中还给出了一个数字仿真例子.     

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.     

设计高阶PI观测器对线性系统故障作鲁棒检测

针对具有干扰的线性定常系统,研究了基于高阶PI观测器的鲁棒故障检测设计问题.基于Sylvester矩阵方程的参数化解,给出了干扰与残差解耦的充要条件,并提出了基于高阶PI观测器的线性系统鲁棒故障检测参数化设计方法.数值算例及仿真分析表明所提鲁棒故障检测参数化设计方法是有效的.     

具有不确定动态线性系统的鲁棒状态估计

本文研究了一类具有参数和噪声特性不确定线性系统的鲁棒状态估计问题。利用对策论思想,定义了能使不确定下最坏性能最好的极小极大鲁棒状态估计器,提出了一种简单的近似设计方法,即设计最坏对象的最优滤波器。给出了这种设计方法设计滤波器导致的性能误差边界,进一步指出当满足文中给出的鞍点条件时,最坏对象的最优滤波器就是极小极大鲁棒滤波器。     

广义离散随机线性系统自校正状态估计

本文运用现代时间序列分析的观点（１）研究广义离散随机线性系统的状态估计，提出了广义系统自校正最优滤波，平滑，预报。     

基于有限时间未知输入观测器的一类受扰非线性系统故障检测与估计

针对一类非线性系统同时存在执行器故障、传感器故障和扰动的问题,提出一种基于有限时间未知输入观测器的故障检测与估计方法.首先,通过线性非奇异变换将原系统解耦为两个降阶的子系统,其中一个子系统只包含扰动,另一个子系统同时包含扰动和故障;然后,通过一阶低通滤波器获得新的状态并与子系统构成增广系统,实现将原系统的传感器故障转化为增广系统的执行器故障;接着,设计未知输入观测器对增广系统故障进行检测,实现在有限时间内估计出系统的扰动和故障,并通过理论分析验证所设计观测器的有限时间收敛性;最后,基于永磁同步电机(PMSM)转速系统进行仿真研究,仿真结果验证了所提出方法的有效性.     

故障检测及状态偏差估计的二级分解算法*

本文首先推导证明当参考模型和实际系统不相吻合时,根据参考模型建立的Kalman滤波器所产生的估计残差将与模型的偏离程度成正比,据此给出故障检测方法;其次推导出状态偏差形式的系统方程;最后将B·Friedland提出的分离估计法推广到状态偏差估计中,并进一步提出状态偏差估计的二级分解算法。     

一种结合边缘检测的模糊估计新方法

传统的图像质量评价方法MSE和PSNR都是基于全参考(FR)的质量评价方法,这就要求在对图像进行质量评价时给出参考图像,因此这种方法在实际应用中并不实用,而无参考(NR)图像质量评价正好解决了这一问题,因此具有重要意义.针对数字图像的客观质量评价,从模糊距离检测角度,提出了一种结合边缘检测的图像模糊估计的无参考图像质量评价方法,对比现有模糊检测方法,此方法比单独的边缘检测方法和模糊估计方法更为有效.经过对结果的分析与比较,本文方法的检测结果与主观感知质量有很好的相关性,而且算法具有复杂性低、无需参考源、检测准确性高、可移植性强等特点,因此实用性比较强.     

一种基于BF模型的基音检测改进算法

该文提出一种改进的在基于Bloomfield模型语音检测算法，该方法引入数值滤波器克服了BF模型固有的缺陷。通过实验分析表明，该方法与传统方法相比，提高了基音周期提取的准确性和分辨率，增强了清浊音判决的可靠性。     

连续系统鲁樟约束方差估计的一种新方法

本文提出一种新的性能鲁棒滤波增益的设计方法，即设计滤波增益，使得当系统噪声强度不确定时，系统每个状态的误差方差稳态值都不大于预先指定值，并举例说明这种设计方法的直接性与简单性．     

连续系统鲁棒约束方差估计的一种新方法

本文提出一种新的性能鲁棒滤波增益的设计方法，即设计滤波增益，使得当系统噪声强度不确定时，系统每个状态的误差稳态值都不大于预先的旨定值，并举说明这种设计方法的直接性与简单性。     

Optimization Approach to Guaranteed State Estimation of Dynamic Systems

The optimization approach to set-theoretic estimation problems is developed. Level sets of strictly convex and continuous functions are used as the set estimates. These functions are shown to satisfy, in estimating, the functional equation of dynamic programming.     

A Sensorless State Estimation for A Safety-Oriented Cyber-Physical System in Urban Driving: Deep Learning Approach

In today's modern electric vehicles,enhancing the safety-critical cyber-physical system(CPS)'s performance is necessary for the safe maneuverability of the vehicle.As a typical CPS,the braking system is crucial for the vehicle design and safe control.However,precise state estimation of the brake pressure is desired to perform safe driving with a high degree of autonomy.In this paper,a sensorless state estimation technique of the vehicle's brake pressure is developed using a deep-learning approach.A deep neural network(DNN)is structured and trained using deep-learning training techniques,such as,dropout and rectified units.These techniques are utilized to obtain more accurate model for brake pressure state estimation applications.The proposed model is trained using real experimental training data which were collected via conducting real vehicle testing.The vehicle was attached to a chassis dynamometer while the brake pressure data were collected under random driving cycles.Based on these experimental data,the DNN is trained and the performance of the proposed state estimation approach is validated accordingly.The results demonstrate high-accuracy brake pressure state estimation with RMSE of 0.048 MPa.     

系统参数和状态联合估计

文［１］提出了多变量系统所有参数同时估计的联合辨识算法。本文将讨论系统参数和状态的联合估计算法。其特点是在估计系统参数的同时，可获得系统状态的估计，这为状态反馈设计控制器提供了极大方便。文中还给出了仿真例子。     

故障检测与诊断技术

本文介绍了故障检测与诊断技术的历史及发展状况,对其所用的各种方法分类进行了详细评述,指出了当前急待解决的若干前沿课题,并对这门技术的发展进行了展望。     

一个改进的入侵检测系统模型

首先介绍了模式匹配技术的工作过程,接着分析了B—M匹配算法,进而指出了该技术存在的主要缺点;然后介绍了协议分析技术的检测攻击过程,说明了它的技术优势;最后将两项技术有机结合了起来建立了一个新的检测模型。研究表明,该模型检测速度快、效率高,并且大大降低了漏报率。     

A Linear Approach for Experimental Dynamic Parameter Estimation of Planar Mechanisms

Because of joint constraints, not all standard dynamic parameters of amechanism affect its dynamic response. The set with the minimum numberof standard dynamic parameters or linear combinations of standarddynamic parameters that is sufficient to uniquely determine the dynamicresponse of the mechanism is defined as a set of base dynamicparameters. Accurate knowledge of base dynamic parameters is crucial foraccurate dynamic analysis. This paper presents a new experimental methodto estimate base dynamic parameters based on linearized dynamic modelsand frequency analysis techniques. Rather than using traditionaltrajectories, the system to be estimated is excited with a hammer forcecausing oscillation in several small neighborhoods that are optimized.It is locally treated as a linear system. Base dynamic parameters areextracted from the frequency response function (accelerance). It isshown that all base dynamic parameters of nonlinear systems can beestimated with this new method. This is a general method that can beused in the estimation of general mechanisms. The method is successfullytested on a computer simulated response of a planar four-bar mechanismin four optimal spring-loaded static equilibrium positions with 10 dB ofsuperimposed noise.