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。     

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.     

线性系统故障检测与估计的修正偏差分离估计方法

在本文中,将具有不同类型故障的线性系统都用带偏差的线性状态方程来描述,偏差的跳变表现了故障,结合偏差分离估计法与统计决策原理,导出了用于故障检测与估计的修正偏差分离估计方法,该方法简单直接,且不需故障的任何验前信息,数值仿真结果表明,该方法能可靠地检出故障和精确的估计出故障的大小。     

基于状态集员估计的主动故障检测

对于现代复杂控制系统, 微小故障往往很难发现. 在系统过程干扰和测量噪声未知但有界的前提下, 提出了一种新的基于状态集员估计的主动故障检测方法. 首先设计全对称多胞形卡尔曼滤波器对系统状态进行估计, 并利用全对称多胞形对受未知干扰影响的状态集合进行描述, 然后设计辅助输入信号使得加入辅助输入信号后正常模型的状态集合与故障模型的状态集合交集为空, 从而实现主动故障检测. 为了使得所设计的辅助输入信号对原系统影响最小, 需要求得最小的辅助输入信号, 本文将最优化问题转化为混合整数二次规划问题进行求解. 最后, 与基于输出集合的辅助输入信号设计方法对比, 仿真验证本文所提出的基于状态集合的主动故障检测方法由于未受下一时刻测量噪声的影响, 所求得的辅助输入信号更小, 保守性更低.     

自校正状态估计新算法

本文运用现代时间序列分析＾［１］的观点处理性离散时间系统自校正最优状态估计。运用新息理论和射影方法本文提出了一种新型最优滤器，在噪声统计未各时基于辨识ＡＲＭＡ新自模型提出了自校正滤波器，仿真例子说明新算法的效性。     

基于奇异值分解及形态滤波的滚动轴承故障特征提取方法*

针对滚动轴承振动信号故障特征信息往往被强背景噪声淹没的问题,提出一种基于奇异值分解和形态滤波的振动信号故障特征提取方法。该方法利用信号时间序列重构的吸引子轨迹矩阵奇异值分布特征与信号自身特征的关系,选择轨迹矩阵中主要反映冲击信息明显的奇异值进行信号重构的方法来滤除信号中的平滑信号和部分噪声,获取带噪声的冲击信号;然后利用形态滤波能有效滤除脉冲干扰噪声的特点,反其道而行之,从而提取信号的冲击故障特征的方法,并将该方法应用于轴承的振动信号的故障特征提取。仿真与实例表明,该方法能有效提取强背景信号及噪声中的弱冲击特征信号,是一种有效的弱信号特征提取方法。     

多传感器目标状态与动态偏差联合估计算法

针对多传感器系统动态偏差估计问题,在不敏粒子滤波(UPF)算法的基础上,提出了一种修正的不敏粒子滤波(Modi-fied UPF,MUPF)算法.由于系统动态偏差引起的异常量测值时,MUPF算法利用滤波预测残差构建的调节因子控制新息协方差矩阵,进而调整滤波增益的大小;在不丢失有用新息的前提下,减小了异常量测对滤波估计结果的影响.利用上述算法与不敏卡尔曼滤波(UKF)算法和扩展卡尔曼粒子滤波(EPF)算法进行了仿真比较.结果表明,MUPF算法对系统动态距离和角度偏差估计的均方根误差(RMSE)明显小于UKF算法和EPF算法的估计结果,提高了估计精度和可靠性.显然,MUPF算法也适用于系统固定测量偏差估计和目标状态估计.     

基于CKF的GPS定位误差估计及故障检测

针对卡尔曼滤波(KF,Kalman filter)算法无法解决非线性系统估计的问题和扩展卡尔曼滤波(EKF,extended Kalman filter)算法在GPS卫星导航定位误差估计中存在的线性化误差大、需求解繁琐的Jacobian矩阵等问题,将较新型的卡尔曼滤波算法——容积卡尔曼滤波(CKF,cubature Kalman filter)应用于GPS定位计算,在算法精度上与KF和EKF算法进行了比较,并利用定位误差进行GPS故障卫星的检测.利用实测导航电文数据进行实验,结果表明:CKF用于导航定位估计不仅精度高,而且实现简单,无可调参数,性能明显优于KF和EKF,并可进一步用于故障检测.     

自适应SVD–UKF算法及在穿刺状态估计中的应用

柔性针在实际穿刺过程中会产生不规则形变, 导致柔性针模型存在参数不确定性问题, 影响穿刺精度. 本文针对柔性针穿刺过程存在的不确定性问题以及超声成像等设备存在的量测噪声统计特征不准确性问题, 提出了一种带有噪声估计器的自适应奇异值分解无迹卡尔曼滤波算法. 该算法采用自适应因子实时修正动力学模型误差, 通过奇异值分解抑制系统状态协方差矩阵的负定性, 利用Sage-Husa估计器在线估计噪声的统计特性, 减小了系统状态估计误差. 将新算法应用于带有曲率不定性的柔性针穿刺模型进行计算仿真, 仿真结果显示, 新的算法较现有的UKF算法相比, 估计误差减小了0.28 mm(82.7%), 与AUKF算法相比, 估计误差减小0.06 mm(52%). 因此, 新算法可有效改善滤波性能, 提高穿刺状态的估计精度.     

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。     

参数估计法检测与诊断铁路运输车减振装置故障

本文利用参数估计法检测与诊断铁路运输车减振装置故障,并分别对6自由度和4自由度模型进行了仿真和模拟实验.     

Fault Detection Based On Online Probability Density Function Estimation

This study presents a new fault detection scheme based on the probability density function (PDF) of system output. Unlike the classical fault detection and diagnosis methods, in the proposed method, distribution of the system output is estimated online. To achieve this goal, an algorithm is introduced to estimate PDF online using fuzzy logic. Furthermore, convergence of this algorithm is investigated. Then, a residual is constructed that can show the existence of a fault in the system. The main advantages of the proposed method are robustness against measurement noise, even though it does not need the exact model and measured data of inputs and states. Simulation results show that this scheme can detect abrupt faults very well.     

双余度传感器的故障检测与识别

传感器是任何测控系统中不可缺少的部件,也是最容易出故障的环节,传感器故障检测、识别和信号重构一直得到极大的重视.本文研究了仅利用双余度传感器的输出信号进行故障检测与识别问题,提出了一个双余度传感器故障信号识别器(FSD),建立了故障信号识别的基本原理,导出了相应的传感器故障检测与识别的递推算法,并给出了仿真结果.     

非线性系统故障诊断与容错控制技术

在分析非线性系统故障诊断与容错控制技术特点的基础上,研究了该技术在国内外的研究进展和主要方法.同时,比较了几种常见故障诊断和容错控制方法的特点.最后总结了非线性系统故障诊断与容错控制领域亟待解决的几个重点和难点问题,并对该研究领域的发展趋势进行了展望.     

一种适用于P2P存储系统的自反馈故障检测算法

在构建高可用性P2P存储系统的过程中,针对系统中节点的高度动态特征,设计了一种自反馈的心跳故障检测算法。它结合心跳策略和无偏灰色预测模型,根据应用需求和网络环境的变化动态地改变检测的质量,在保持一定检测时间的前提下,提高了故障检测的精度。实验表明,根据该算法实现的故障检测器具有较好的性能,提高了P2P存储系统的可用性。     

基于H∞控制的时滞系统故障诊断

应用H∞控制技术,探讨具有不确定性输入以及输入时滞系统的故障诊断（FD）问题.该文提出的算法能够诊断时滞系统的执行器故障和传感器故障.首先介绍了时滞系统的H∞控制技术,给出了时滞系统H∞控制器存在的充要条件.然后考虑含有故障的时滞系统,设计了故障诊断滤波器,将故障诊断滤波器与原系统组成增广系统,增广系统中包含时滞系统的执行器故障和传感器故障.最后,应用H∞控制技术,对增广系统设计故障诊断系统,能够诊断出时滞系统的执行器故障和传感器故障.     

基于模糊分割的移动自组织网络故障检测算法

针对现有移动自组织网络故障检测算法精度较低、延时较大的问题,提出了一种基于模糊分割的检测算法ANFD(Ad hoc Networks Fault Detection)。ANFD算法以网络数据包与检测消息作为检测工具,通过模糊分割方法对接收到的信息进行处理,最终通过时频域方法进行故障分割,实施最终的故障识别。仿真试验证明,ANFD算法较之其他算法具有较高的故障检测精度、较短的响应延迟,并且具有较低的消息复杂度和内存消耗。     

小波包滤波在齿轮故障诊断中的应用

为快速准确地判断齿轮故障的类型,提出了小波包滤波和神经网络相结合进行齿轮故障分类的方法。介绍了小波包去噪的原理和神经网络的设计方法,对阈值算法和神经网络优化算法作了改进,得到了不含噪声的信号和准确的故障分类方法。仿真结果表明,基于小波包滤波的神经网络方法具有更高的准确性和稳定性,可以满足工业故障诊断的要求。