A Descriptor System Approach of Sensor Fault State Estimation for Sampled-data Systems

基于广义系统理论的数据采样系统传感器故障状态估计

周振华¹,王茂²,杨博媛¹

（1.常州工业职业技术学院,江苏 常州 213000;

2.哈尔滨工业大学 空间控制与惯性技术研究中心,哈尔滨 150001）

创新点说明：

1）采用采样数据系统离散化的处理,设计观测器来估计传感器故障;

2）用广义系统方法研究正常系统观测器的设计与实现方法;

3）利用线性矩阵不等式（LMI）方法讨论观测器存在的充分条件。

研究目的：

利用线性矩阵不等式（LMI）方法隔离和估计数据采样系统的传感器故障。

研究方法：

采用对采样数据系统进行离散化的方法,得到离散时间模型。然后构造一个描述传感器故障的离散系统的广义系统,在广义系统表示的基础上,设计了一组观测器来隔离和估计传感器故障。这些观测器可以用线性矩阵不等式（LMI）技术来合成,并导出了这些观测器存在的充分条件。

研究结果：

主要成果体现在利用线性矩阵不等式（LMI）方法讨论观测器存在的充分条件（文中定理1和定理2）。

结论：

1）研究了传感器故障样本数据系统的故障估计方法,在离散广义系统观测器设计的基础上,提出了一种新的采样系统传感器故障估计方法。

2）建立了离散广义系统观测器收敛的充分必要条件,并用一组线性矩阵不等式LMI来表示,导出观测器存在的充分条件。

3）最终数值仿真实例验证了该方法的有效性。

关键词：故障隔离与估计;数据采样系统;广义系统;线性矩阵不等式（LMI）

     

基于多模型扩展卡尔曼滤波的组合导航算法

在非线性系统的滤波过程中,扩展卡尔曼滤波的状态估计常常是有偏的,非线性函数的线性逼近精度是有限的,为此提出了多模型线性化扩展卡尔曼滤波。将非线性模型在状态估计附近的多个点进行线性化得到一组线性化模型,利用扩展卡尔曼滤波得到每个模型的状态估计,再对多个线性化模型进行概率加权融合。通过组合导航系统验证了算法的可行性。     

基于卡尔曼滤波器的涡轴发动机气路部件性能估计

以某型涡轴发动机为研究对象,提出了基于卡尔曼滤波器的方法进行发动机气路部件性能诊断。结合发动机实际运行情况,讨论了参数的合理选择以及非线性模型线性化程度对卡尔曼滤波结果的影响,考虑到非线性模型与真实发动机之间存在的建模误差会导致卡尔曼滤波器诊断失效,本文采用加入神经网络模块来补偿建模误差的方法,使模型能够真实反映发动机工作状况。实验表明,此方法可以提高故障诊断系统的置信度。     

一类非线性广义随机系统的降阶Kalman滤波器

研究了一类非线性广义系统的状态估计问题.利用Taylor级数展开的方法将其转化为线性广义系统;再利用奇异值分解,对线性化后的系统进行降阶,转化为等价的正常线性系统;最后基于Kalman滤波估值理论,得到非线性广义系统的Kalman滤波器.通过数值仿真例子,验证了所提方法的有效性.     

电动汽车锂电池SOC估算研究

为了精确估算电动汽车锂电池的荷电状态(state of charge,SOC),本文通过对主流SOC估算方法进行分析与比较,提出了一种基于卡尔曼滤波算法的电动汽车能量管理系统(energy management system,EMS)SOC估算方法,同时采用联合模型以保证估算过程中有较好的精度,并在实验室条件下进行实测数据及MATLAB仿真分析。仿真结果表明,卡尔曼滤波算法对锂电池SOC进行在线实时估计是有效的,能够较为准确地计算出SOC值,且估算结果与实测值基本一致,该方法可以用于电动汽车锂电池SOC的估算,具有很强的实际应用价值。     

A Two－Stage Approach of Integrated Parameter Identification and State Estimation

ＡＴｗｏ－ＳｔａｇｅＡｐｐｒｏａｃｈｏｆＩｎｔｅｇｒａｔｅｄＰａｒａｍｅｔｅｒＩｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄＳｔａｔｅＥｓｔｉｍａｔｉｏｎＺＨＯＵＬｕ；ＷＵＹａｏｈｕａ；ＨＵＡＮＧＷｅｎｈｕ；ＷＥＮＸｉｎ（周露）（吴瑶华）（黄文虎）（闻新）（Ｄｅ...     

基于强跟踪卡尔曼滤波的电池SOC估计

针对锂电池模型不准确和状态突变导致SOC估计精度不佳的问题,提出了引入时变渐消因子的强跟踪卡尔曼滤波算法.以HPPC试验方法辨识了锂电池的等效二阶RC模型,对比分析了现有的扩展卡尔曼滤波原理及提出的强跟踪卡尔曼滤波算法.通过结合强跟踪原理和卡尔曼滤波算法并引入时变渐消因子,提出的方法能够强制估计残差保持正交特性,并保证残差满足高斯白噪声特性.仿真验证表明,与扩展卡尔曼滤波原理相比,在模型不准确和状态突变的情况下,强跟踪卡尔曼滤波算法具有更高的估计精度,估计误差低于2.5%,提高了近45%.     

基于提高系统可观测性和状态估计精度的PMU配置

WAMS和SCADA系统共存,是当前电力系统发展的必然趋势.因此PMU布点问题成为当前必须面时和解决的问题之一.从利用PMU量测提高状态估计精度和状态方程数值稳定性两方面出发,同时兼顾系统的可观测性,提出一种新的PMU配置方法.在传统SCADA量测系统的基础上,部分安装PMU量测形成混合非线性量测模型,分析比较PMU配...     

混合卡尔曼滤波的非均匀校正算法

提出了一种基于混合卡尔曼滤波的非均匀校正算法,可以用于解决参数漂移为非线性的问题．该方法首先根据给定状态空间模型的特点,使用无迹卡尔曼滤波技术和传统卡尔曼滤波技术分别处理非线性的状态转移模型和线性的观测模型,然后把估计结果用于非均匀校正．使用仿真的一维和二维数据验证算法性能,实验结果表明,所提算法扩展了传统卡尔曼滤波算法的使用范围,并且与扩展卡尔曼滤波算法相比,具有较高的稳定性和估计精度．     

速度梯度模型的高速公路交通流状态估计方法

为改进高速公路交通流状态估计方法,采用速度梯度模型作为交通流的系统状态方程构建交通流状态估计模型.通过对速度梯度模型参数的敏感性分析,发现模型估计误差对自由流速度和阻塞传播速度两参数较为敏感,需在线估计.然后分别给出了速度梯度模型与扩展卡尔曼滤波以及无迹卡尔曼滤波相结合的高速公路交通流状态估计方法,并应用实测数据对两类交通流状态估计方法的性能进行了评估.结果发现:两类交通状态估计的精度均可达85%左右,无迹卡尔曼滤波算法精度略好于扩展卡尔曼滤波,但计算时耗大.基于速度梯度模型的交通流状态估计方法能有效估计和跟踪交通流状态的变化,且相较于同类方法,所需标定的模型参数更少.     

基于Bootstrap滤波的非线性系统的识别

Bootstrap滤波是一种基于贝叶斯状态估计和蒙特卡罗方法的新的海波方法，相对于经典的卡尔曼滤波而言，它不受状态方程须为线性以及状态与噪声须是高斯分布的限制，具有很强的适应性。对贝叶斯估计及Bootstrap滤波方法在非线性系统识别中的应用进行了分析与数值模拟，计算结果表明了该方法的有效性和实用性。     

Novel Logarithmic Non-Singular Terminal Sliding Mode and Its Application in Attitude Control of QTR

新型对数非奇异终端滑模及其在QTR无人机姿态控制上的应用

刘海波¹, 王和平^1,2, 孙俊磊¹

(1. 西北工业大学 航空学院,西安 710072;

2. 西北工业大学 深圳研究院,广州 深圳 518057)

创新点说明：

论文首先利用非奇异终端滑模有限时间内收敛和鲁棒性强的优点,设计了一种新型对数型非奇异终端滑模面。其次,针对传统趋近律收敛时间长、速度慢、抖震严重等不足,提出一种具有二阶滑模特性的新型快速趋近律。

研究目的：

针对四倾转旋翼飞行器姿态控制系统复杂非线性、强耦合、多输入多输出、存在复合干扰等特点,利用终端滑模有限时间内收敛和滑模鲁棒性强的优点,设计新型对数型非奇异终端滑模控制律,以提高四倾转旋翼飞行器姿态控制的控制精度。

研究方法：

本文提出一类基于新型对数形式的非奇异快速终端滑模面、新型趋近律及扩张状态干扰观测器的非奇异终端滑模控制方法。

研究结果：

通过与传统非奇异快速滑模控制进行比较,仿真实验结果表明,所提控制方案具有良好的控制性能。

结论：

1）本文针对四倾转旋翼无人机姿态控制问题,设计了新型对数型非奇异终端滑模面,从而加快了收敛速度;

2）采用了扩张状态观测器,对控制器进行了在线补偿,有效地抑制了复合干扰对系统的影响;

3）提出具有二阶滑模特性的新型快速趋近律,平滑无抖震地加快了系统收敛速度;

4）仿真分析验证了所提方法的有效性,具有较大的实际应用价值。

关键词：倾转旋翼;非奇异;滑模控制;姿态控制;趋近律;扩张状态;干扰观测器

     

广义扩展大系统的鲁棒分散有限时间关联镇定

研究一类广义扩展大系统的分散有限时间鲁棒关联镇定问题。建立了扩展广义大系统的数学模型,利用稳定性理论和线性矩阵不等式方法推导了扩展后大系统基于状态反馈和动态输出反馈的分散有限时间关联镇定的充分条件,在不改变原广义大系统分散控制律的基础上给出了满足条件的新加入子系统的鲁棒分散关联镇定控制器设计方法。采用一个广义互联系统数值算例对提出的设计方法进行了仿真研究,结果显示扩展系统可以被有限时间关联镇定,从而验证了该方法的可行性和有效性。     

随机分布系统基于广义H∞控制的PDF跟踪控制

针对非高斯随机系统,提出了基于线性B样条逼近的广义系统建模方法;讨论了这类广义系统基于H∞状态反馈控制器的设计,解决了非高斯随机系统输出概率密度函数（PDF）跟踪控制和干扰抑制问题;基于线性矩阵不等式,得到了该问题H∞状态反馈控制器存在的充分必要条件。最后,运用仿真验证了所提出方法的有效性。     

基于新息协方差的机动目标轨迹估计算法研究

针对态势显示系统中机动目标运动状态不确定、卫星定位误差、接收机随机噪声造成的目标轨迹估计精度低的问题。在"当前"统计模型的基础上,提出了一种基于新息协方差的Kalman滤波算法,该算法根据新息协方差的极大似然最优估计实现加速度方差的实时估计和自适应调整。仿真结果表明,该算法的估计性能优于常规算法,跟踪精度较高。     

线性离散时变系统的H∞故障估计

研究受能量有界扰动影响的线性离散时变系统H_∞故障估计问题.通过状态扩展，把故障估计问题转化为H_∞滤波，并基于Krein空间的Kalman滤波理论，运用新息重组，给出了一种新的故障估计方法.算例验证了本文给出方法的有效性.     

永磁同步电机的转动惯量辨识及状态估计

为提高永磁同步电机伺服系统的动态性能和鲁棒性,研究了基于模型参考自适应系统的转动惯量辨识方法以及基于卡尔曼滤波器的自适应状态估计策略。提出了一种适用于宽转速、高噪声环境下的电机角速度、角位移和负载扰动转矩的在线估计方法,分析了该方法的抗干扰能力以及系统参数变化对估计效果的影响,并通过辨识出的伺服系统转动惯量对卡尔曼滤波器的系数矩阵进行实时更新,实现了转动惯量自适应状态估计。仿真和实验结果表明该算法在速度分辨率、实时性和抗干扰能力上均优于传统M／T方法。     

基于SCKF方法的非线性随机动态系统故障诊断方法

基于平方根容积卡尔曼滤波方法(Square root cubature Kalman filter, SCKF),研究一类非线性随机动态系统的故障检测与估计问题。SCKF对解决复杂非线性系统的状态估计问题,具有精度高、稳定性优和计算复杂度低等优点。针对发生执行器故障的非线性随机动态系统,采用SCKF估计系统状态,并根据状态估计结果,利用滑动时间窗口技术设计残差信号,检测故障发生。在检测到故障之后,构造增广系统,实现对执行器故障幅值的估计。通过仿真试验验证了所提出方法的有效性。