冗余式捷联惯导系统多故障的检测与隔离

针对传统广义似然比故障检测无法实现捷联惯导多陀螺故障检测和隔离的问题,本文提出基于广义似然比故障检测和线性估计思想相结合的多故障检测与隔离方法。以发生多故障的六陀螺椎体垂向对称配置的冗余捷联惯导为对象,采用广义似然比方法对系统进行故障检测,并引入线性估计思想实现陀螺输出值预测,通过陀螺预测值与输出值的残差比较定位故障陀螺,并记录故障信息,实现系统重构。通过仿真和实测数据验证,证明该方法可以准确实现对多陀螺故障检测与隔离,保障捷联惯导系统可靠性。     

基于滑模观测器的故障检测与重构方法

针对不确定控制系统的故障诊断问题,提出了一种利用滑模观测器进行故障检测与重构的方法.首先设计滑模观测器,以实现系统的执行机构和传感器的故障重构,然后在对系统传感器的故障重构中,采用设计二级观测器构造一个虚拟等效系统的方法提高重构精度,通过运用低通滤波器,将原始的传感器故障以执行器故障的形式表示,并用线性矩阵不等式(LMI)方法来设计观测器.该方法能够更准确的估计出系统的传感器故障,最后给出的数值仿真实例说明了其有效可行性.     

基于实时优化的轨迹快速重构方法

针对临近空间飞行器执行特定任务时,由于干扰的影响导致实际轨迹偏离初始设计轨迹的问题,本章利用一种基于拟牛顿法的轨迹优化算法,通过飞行状态反馈,提出了一种利用优化算法对飞行轨迹进行分段实时优化而实现干扰作用下的飞行轨迹快速重构方法.仿真结果表明,该算法能对干扰作用下的实际飞行轨迹偏离初始设计轨迹实现快速重构,从而消除随机干扰对临近空间飞行器的飞行影响.     

基于自适应神经网络滑模观测器的容错控制

针对机电伺服系统可能发生的故障,提出基于自适应神经网络滑模观测器的快速终端滑模容错控制策略.在自适应滑模观测器中引入神经网络估计故障,以提高故障发生时观测器的状态估计精度和故障检测准确性.利用观测器的状态估计值进行状态重构,结合参数自适应技术和快速终端滑模控制方法设计主动容错控制器.针对参数不确定性设计参数自适应率进行估计,并利用前馈补偿技术补偿故障和参数不确定性.针对未知上界的扰动设计具有自适应增益的鲁棒项.利用Lyapunov定理证明所提出的控制方法可以实现系统有界稳定,大量仿真和实验结果验证了控制器在系统发生故障时具有良好的容错能力、控制精度和响应速度.     

四轴陀螺组件突变故障的检测与隔离

针对基于等价空间原理的传统诊断算法无法实现捷联惯导四轴陀螺组件故障分离的问题,本文提出了基于广义似然比法和斜率突变检测相结合的故障检测与隔离方法。分析对比了2种四轴陀螺冗余配置方案的量测性能与故障检测性能;以奇偶残差构建卡方检测量,采用广义似然比法对四轴陀螺组件进行故障检测;引入最小二乘方法拟合陀螺输出斜率,通过陀螺输出数据的斜率变化定位故障陀螺,并记录故障信息,实现系统重构。通过仿真验证证明:所提出的方法可以快速准确的识别故障器件,保证惯性系统陀螺组件的可靠性。     

应用于姿态敏感器的SORNN微小故障诊断方法

为实现空间外部干扰和测量噪声存在情况下,航天器姿态敏感器微小故障的有效检测,以及方位敏感器和惯性敏感器之间的故障隔离,提出了一种基于自组织循环神经网络(self-organizing recurrent neural network, SORNN)的微小故障诊断方法。首先,设计了SORNN模型,包括网络结构自组织算法、终止条件和调整条件,实现对网络隐藏层神经元数量和循环记忆深度的自适应调节,用以提升网络的拟合性能。然后,针对姿态运动学子系统设计了基于SORNN的干扰观测器,给出网络权值更新算法并证明了状态估计误差的收敛性。将系统输出估计误差通过低通滤波器以抑制星敏感器测量噪声,推导更严格的残差和检测阈值进而提高对微小故障的检测能力。最后,针对姿态动力学子系统设计了故障隔离观测器,通过干扰解耦和干扰观测器的补偿消除未知扰动和噪声对残差的影响,利用动力学和运动学的冗余关系解决了两类敏感器故障的隔离问题。仿真结果表明,验证了所提方法对扰动和噪声掩盖下的星敏感器和陀螺微小故障检测与隔离的有效性。     

卫星姿态控制系统执行器故障检测与分离

针对卫星姿态控制系统,提出一种基于未知输入观测器的执行器故障检测与分离方法.通过将指定的故障视为未知输入,设计未知输入观测器使得残差向量对指定的故障不敏感,同时保持对其他故障的敏感性,从而实现执行器故障的检测与分离.本文将未知输入观测器设计问题转化为一组线性矩阵不等式(LMI),可以通过LMI工具箱方便地求解.最后,将所提出的方法用于卫星姿态控制系统,仿真结果表明了该方法能快速准确地诊断执行器故障.     

注意力卷积GRU自编码器及其在工业过程监控的应用

针对现有故障检测算法难以深入并准确地提取数据内在信息的问题,提出注意力卷积门控循环单元自编码器（CGRUA-AE）深度神经网络和基于CGRUA-AE的过程故障检测方法. 采用卷积门控循环单元（ConvGRU）有效地提取输入数据的空间和时间特征;建立基于ConvGRU的自编码器,采用无监督学习对时间序列数据进行特征提取,引入注意力机制对相应的特征进行加权计算,实现对关键特征的有效选择;分别在特征空间与残差空间上建立基于T ²、SPE统计量的过程监控模型,实现对多元数据有效的特征提取和故障检测. 数值案例和田纳西?伊士曼过程故障检测结果表明,CGRUA-AE具有良好的特征提取能力和故障检测能力,性能优于常用的过程故障检测方法.     

基于滑模观测器的不确定系统传感器故障重构

针对一类不确定线性系统,讨论了观测器匹配条件不满足下的传感器故障重构方法．首先,引入增维向量形成观测器匹配条件不满足增维系统,使得增维系统的未知输入包含原系统的未知输入和传感器故障向量;其次,通过构造辅助输出的方法,使得观测器匹配条件满足,然后再利用高阶滑模观测器对辅助输出进行精确估计;第三,基于辅助输出的精确估计,设计鲁棒滑模观测器对系统状态进行估计,在此基础上提出一种传感器故障代数重构方法;最后,通过对一个四阶飞行器模型进行仿真,验证了方法的实用性和有效性．     

高可靠性车载惯性传感器冗余配置方案优化技术研究

针对现有车载捷联惯导系统采用三轴正交安装陀螺配置模式,会出现单个陀螺故障直接导致系统失效的问题,本文提出一种基于正交锥冗余配置的高可靠性车载惯性传感器冗余配置方案。基于可靠性最大化、导航性能最优,以及单个陀螺故障后的导航性能更优的冗余优化准则,设计了五陀螺正交锥配置方案;在此基础上,设计广义似然比故障检测方法与基于线性预测思想的故障隔离方法相结合的故障诊断算法,解决惯导系统多陀螺故障检测和隔离的问题。性能仿真结果表明:惯性传感器冗余配置优化方案能使系统可靠性提升1.35倍,且准确实现对多故障的检测与隔离,对微型化车载捷联惯导方案设计具有重要的实际应用价值。     

一种基于BP神经网络的传感器故障诊断方案

针对传感器故障,提出了一种BP网络和修正的Bayes分类算法(MB)的集成故障诊断方法.用BP神经网络建立传感器故障模型,对系统的状态和故障参数进行在线估计,再用修正的Bayes算法进行传感器故障的在线检测、分离和估计.对连续搅拌釜式反应器(CSTR)的仿真结果表明,该集成故障诊断方法能够对传感器故障进行快速准确的分离和估计,并对传感器故障具有容错性.     

基于支持向量机的MSPC方法及其应用

针对传统多变量统计过程控制（MSPC）方法在故障检测、故障原因分析和故障识别中的难点，提出了多元特征提取方法与基于支持向量机（SVM）的一类分类器设计、特征选择以及多类分类器设计方法相结合的一种完整的MSPC新方法.该方法在故障检测中可去除特征满足特定分布的假设前提，并可确定多个统计量的控制限；在故障原因分析中综合考虑故障对于各个变量大小的影响以及变量变化对于故障分类的重要性，提高了关键变量选择的准确性；并且故障识别是基于SVM对故障特征分类的优良特性，避免了传统判别法中经验准则的引入.上述方法在标准仿真平台Tennessee Eastman过程上结合主元分析（PCA）进行了应用，结果显示了其优越性.     

高铁接触网U型抱箍螺母故障检测算法

针对高速铁路接触网平腕臂结构中U型抱箍螺母故障的问题,提出结合抱箍螺母检测算法（HND-Net）与Mask_RCNN实例分割的故障检测方法. 提出HND-Net目标检测算法,实现对平腕臂U型抱箍所在区域的初定位,对于定位得到的U型抱箍区域图像进行像素级别的Mask_RCNN实例分割,快速得到平腕臂U型抱箍4颗螺母的精确定位及分类信息. 利用得到的定位信息,提出分割算法实现对U型抱箍螺母的可靠故障诊断. 经实验验证可知,利用该方法能够在复杂的悬挂图像中准确地定位检测U型抱箍的螺母故障,对于拍摄角度、拍摄距离有良好的适应性和较高的检测效率.     

动态核主元分析在无人机故障诊断中的应用

飞行控制系统作为无人机(unmanned aerial vehicle, UAV)的核心子系统,对其进行故障诊断可以大大提高无人机的安全性和可靠性。在无人机数学模型未知或者不确定的情况下,数据驱动的故障诊断方法比基于模型的方法更实用。考虑无人机飞行控制系统是典型的非线性动态系统,采用一种非线性主元分析方法对其进行故障诊断。利用数据建立无人机飞行控制系统正常状态下的动态核主元模型,通过T²和SPE两种统计量实现故障检测;故障发生后,利用重构贡献图的方法进行故障分离。仿真试验证明,该方法能对典型的无人机执行器和传感器故障进行有效监测和诊断。与动态主元分析相比,动态核主元分析方法对微小故障更为敏感。     

基于非线性自适应观测器的飞机操纵面故障诊断

研究以非线性方程描述的飞机在操纵面发生损伤、卡死等故障时的自适应观测器诊断方法.通过引入有效性因子表征操纵导数变化的程度,将飞机操纵面故障诊断转化为具有未知参数的Lipschitz非线性系统的状态观测器设计问题.采用Lypunov方法,给出了观测器的结构形式和参数估计的自适应律,并在分析观测器渐近收敛的充分条件的基础上,给出了相关参数.数字仿真表明建议的自适应观测器能够快速且较准确地估计出有效因子的变化,验证了该方法的可行性.     

基于L2范数最小估计的无人机飞控系统故障检测

为了实现无人机飞行控制系统的快速在线故障检测,提出一种基于L2范数最小估计的无人机非线性飞行控制系统快速故障检测方法。 建立无人机飞行控制系统的非线性故障模型,并将未知输入的L2范数最小估计值作为残差评价函数,对系统故障进行检测。在针对线性离散时变系统故障检测方法研究的基础上,利用Krein空间投影实现残差评价函数的递推计算以减小故障检测计算量。 以无人机升降舵及速率陀螺故障检测为例,对算法进行仿真试验验证。试验结果表明:该方法可以快速有效的实现无人机飞行控制系统故障检测,为无人机的安全飞行提供可靠的保障。     

基于强跟踪H-/H∞优化的无人机系统故障检测

针对一类无人机飞行控制系统故障检测问题,提出基于强跟踪H_-/H_∞优化的故障检测方法。将无人机飞行控制系统的执行器与传感器故障描述为加性信号,在考虑风扰动的情况下,建立无人机纵向飞行控制系统的非线性故障模型。将残差产生器的设计归结为扩展H_-/H_∞最优问题。受强跟踪滤波器的快速收敛性的启发,在设计故障检测滤波器时将强跟踪滤波器与扩展H_-/H_∞最优问题相结合实现无人机飞行控制系统的快速故障检测。以无人机升降舵部分失效故障与空速管堵塞故障为例进行仿真试验。结果表明,提出的方法能够快速实现无人机飞行控制系统的故障检测。基于强跟踪H_-/H_∞优化的故障检测方法可用于无人机飞行控制系统的故障检测。     

基于双核处理器的主动磁悬浮轴承容错控制架构

为了满足针对多自由度磁悬浮支承系统的故障诊断与实时控制需求,提出一种基于异构的双核处理器ARM+DSP架构。硬件配置上以数字信号处理器(digital signal processing, DSP)作为从处理器执行多个环路的故障监测;而高级精简指令集处理器(advanced RISC Machines, ARM)作为主控制器执行转子位置控制算法,并根据从控制器的故障重构控制器而实现容错;软件结构上提出基于双核处理器的信息交互、任务分配与执行的设计方法,设计了双向中断来协调控制与监控代码间的执行时序。试验得到系统故障诊断与实时容错控制仅需1.8 ms,能够满足系统需求。试验结果证明了本研究所提出架构的有效性。     

皮纳卫星姿控系统分层式故障检测

为了实现皮纳卫星的多故障在线检测,提出针对姿控系统的分层故障检测方案. 该方案将系统划分为系统层和器件层,系统层基于卫星动力学与运动学模型设计非线性观测器,实现姿控分系统故障的全局监测;器件层利用动力学模型设计数字动力学陀螺,结合卡尔曼算法新息以及小波分析,实现故障的定位. 通过分层检测,可以支持多器件故障的实时检测,能够检测常见的在轨姿态控制系统故障. 仿真结果表明,该方案能够实现多器件同时故障的检测,适应突变、偏差、恒增益、输出卡死等故障类型,检测准确率达到92%,误检率低于2%;由于采用假设检验取代阈值判断,相对于常规小波阈值检测方法,故障检测结果的可靠性更高,适应更多的故障类型,避免了阈值的选取问题,且节省计算资源,无需大量的历史信息,能够满足在线实时检测要求.