卡尔曼滤波器用于发动机传感器故障检测

讨论了采用卡尔曼滤波器对发动机传感器故障进行检测，分离问题，当传感器参与控制过程时，必须避免故障传感器输出对其它传感器的影响，并有效地检测出已故障的传感器，还就实时控制时信号重构过程进行了全数字仿真，结果表明所采用方法能有效检测，分离故障，并进行信号的重构与切换。     

故障检测滤波器的鲁棒性设计

该文设计了全维非线性未知输入观测器，实现检测滤波器对于被控对象模型误差和系统不确定性因素的干扰解耦。某型航空发动机控制系统传感器和执行机构的故障检测仿真实验表明，具有干扰解耦的故障检测滤波器可以准确地对传感器和执行机构的故障进行检测和隔离，提高了检测滤波器对于故障检测的鲁棒性。     

基于神经网络自适应滤波器的故障检测与诊断

在稳态过程的故障检测和诊断中 ,有大量反映故障状态的数据 ,在用测量方法来获取这些数据的情况下 ,异常数据能被快速、有效的检测出来就显得非常重要。用自适应滤波器无疑是一个可行的方法 ,但采用这种方法进行故障检测和诊断时 ,有计算速度慢 ,难以跟踪输入信号变化的缺点。据此 ,本文提出了用神经网络自适应滤波器来完成故障检测和诊断的方法 ,它具有速度快的特点。如能用硬件完成 ,并调整好参数 ,检测速度是极短的 (2× 10 -10 s) ,能很好地完成故障检测和诊断任务。     

基于δ算子的格形故障检测滤波器

本文基于δ算子构造了Hilbert空间中的信号向量,推导了系统的输入输出关系,得出了前向和后向预测误差向量的表达式.借助格形滤波器理论导出了故障残差序列的递归算法,从而设计出故障检测滤波器.将该滤波器与自适应噪声抵消技术相结合,实现了对被噪声污染信号的故障实时在线检测.最后,仿真实验验证了这种故障检测方法的有效性.     

双通道自适应Lattice滤波器及其在故障检测中的应用

推导出一种双通道自适应Ｌａｔｔｉｃｅ滤波器算法，并将它用于动态系统的故障检测。这种故障检测方案不需要建立准确的数学模型，只要根据系统的输入输出数据，利用Ｌａｔｔｉｃｅ滤波器算法生成故障残差序列，再对故障残差序列进行统计检验，可实现动态系统的故障检测。该方法用于一个仿真的直流伺服系统的故障检测，实验效果是满意的。     

双线性检测滤波器及其故障可检测条件

研究了双线性检测滤波器的故障可检测条件. 设计了一种检测滤波器, 并得到了其故障完全可检测的严格条件. 结果表明要使检测滤波器故障完全可检测, 系统独立的传感器和独立的状态数至少和系统故障种类相同. 这个结果符合线性空间的性质. 最后利用所构造的滤波器分析了算例.     

一种基于最优鲁棒故障检测滤波器的网络化控制系统故障检测方法

研究了时延可能大于采样周期情况下的网络化控制系统的故障检测问题. 首先, 时延造成的影响被转化成了范数有界的不确定性, 接下来现有的基于参考模型的连续系统故障检测方法被推广到离散系统, 并应用于前面得到的含参数有界不确定性的系统. 本文提出的算法可以通过 Matlab LMI 工具箱实现. 仿真结果证实了算法的有效性.     

一种适用于故障检测的归一化滑动窗协方差格形滤波器

本文介绍了一种最小二乘归一化滑动窗协方差格形波波器，并基于该滤波器构造了一种故障检测工具，文末的仿真逄例对理论分析的正确性进行了验证。     

基于LPV模型的鲁棒故障检测滤波器设计

针对航空发动机动态过程中由于模型误差造成故障检测误报的问题,采用雅克比方法建立航空发动机动态线性变参数(LPV)数学模型反映发动机动态特性,利用特征结构配置法设计故障检测滤波器,较好地消除了模型偏差对故障检测准确率的影响.通过某型涡扇发动机控制系统传感器典型软、硬故障检测仿真实验表明,该方法提高了残差信号对模型误差和未知输入信号的鲁棒性,对发动机加减速过渡过程中故障检测准确度高,实时性好.     

基于多目标约束的鲁棒故障检测滤波器设计

针对包含未知输入的线性时不变系统,研究了其鲁棒故障检测滤波器设计问题。由于故障信号往往分布在有限频域段内,设计的目标包括使特定有限频域段上的复合性能指标最小化以及满足区域极点配置的要求。一个基于LMI的方法被提出用于解决该设计问题。该方法的优点在于求解过程中可以获取给定有限频域段上的频域指标的真实值,并可求得满足目标的最优解。因此,设计的故障检测滤波器可以获得良好的故障检测性能。一个基于某国产歼击机的设计实例验证了该方法的有效性。     

多故障鲁棒检测滤波器设计

研究多个执行机构故障的检测和隔离问题,首先提出多故障情况下检测滤波器的一种设计方法,然后针对性系统A,B阵的参数不确定性研究检测滤波器的鲁棒性问题,最后采用某型号飞机方程进行仿真验证。     

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.     

一种多故障检测滤波器设计的新方法

提出了一种适用于多种故障类型的检测滤波器设计方法。基于故障输出空间进行故障检测,避免了必须采用多个检测滤波器对不同的故障进行检测,从而使故障检测的实时性得到改善。仿真结果表明,文中提出的检测滤波器性能良好,满足工作要求。     

网络控制系统故障诊断滤波器

针对一类具有不确定网络诱导时延和范数有界未知输入影响的网络控制系统(Networked Control Systems,简称NCS),研究了故障诊断滤波器的设计问题.通过构造基于观测器的滤波残差系统,将故障诊断滤波器的设计问题归结为H∞滤波问题.通过引入2个附加的松弛矩阵使Lyapunov矩阵和系统矩阵分离,得到了一个新的鲁棒H∞性能判据,并基于该判据设计了系统的鲁棒H∞滤波器.设计的滤波器不但保证闭环系统的二次稳定性,同时使残差系统的H∞范数小于一个给定的衰减水平γ,并且设计了一个迭代算法来得到问题的优化解.最后通过一个仿真算例验证了所提出算法的可行性和有效性.     

基于神经网络的飞控系统传感器故障诊断的研究

在标准逆传播神经网络的基础上，提出了一种改进的逆传播神经网络，用来消除标准逆传播神经网络的缺陷，并且设计了一个主神经网络和三个分布神经网络的结构，通过神经网络的在线学习，得到需要的参数估计。用它与传感器实际测得的实际值比较，可判断出阶跃故障，并且给出了仿真实例。     

基于观测器的网络控制系统的故障检测

研究了具有输出传输长时延的网络控制系统基于观测器的故障检测,在总结其设计方法的基础上利用预测状态作为控制器的输入,设计了具有延迟补偿功能的状态观测器,通过求取观测器增益矩阵来使得状态重构能跟上实际状态的响应性能。产生的残差信号对干扰信号和不确定项具有较强的鲁棒性,同时对故障信号具有较高的灵敏度。最后给出了网络控制系统基于观测器的故障检测的设计步骤。     

一种鲁棒故障检测与反馈控制的最优集成设计方法

研究线性不确定系统的反馈控制器与鲁棒故障检测滤波器集成设计问题.基于新提出的性能指标函数,将鲁棒故障检测滤波器设计问题归结为最优化问题,通过求解Riccati方程可得到鲁棒故障检测滤波器设计问题的最优解.在共用同一状态观测器的情况下,将反馈控制器和鲁棒故障检测滤波器的集成设计问题归结为两目标优化问题,解决了同时满足闭环控制系统设计要求和故障诊断系统鲁棒性能的最优集成设计问题.简例验证了提出算法的有效性.