基于Kullback-Leibler距离的闭环系统传感器微小故障诊断

在闭环控制系统中,当故障幅值较小时,由故障带来的影响会被控制量所掩盖.因此,闭环系统中的微小故障诊断实现更为复杂.本文针对闭环系统中的传感器故障,提出了基于Kullback-Leibler(KL)距离的微小故障在线检测与估计方法.本文首先介绍了KL距离的定义及其在多变量故障检测中的应用,然后提出了结合KL距离与快速移动窗口主成分分析(MWPCA)的在线微小故障检测与估计模型.在高斯分布的假设下,利用系统输入输出残差构造MWPCA的数据矩阵,然后通过在线更新数据矩阵主成分的均值与方差实现KL距离的在线更新,最终实现闭环系统中传感器的在线故障检测与估计.仿真实验表明,该方法能有效实现具有低故障—噪声比(FNR)特性的微小故障诊断.     

基于多项式混沌理论的感应电机自愈控制系统

针对感应电机控制系统中速度传感器故障提出了一种自愈控制方法.考虑转子电阻不确定性,基于多项式混沌理论(PCT),对定子电流模型进行扩展,再利用扩展Kalman滤波法,设计定子电流观测器,并在此基础上设计速度自适应估计器.当传感器正常时,利用电流观测器观测值进行状态监测;传感器发生故障后,系统利用估计转速代替传感器信号作为新的反馈,保证系统的连续运行,实现了对系统的自愈控制.仿真结果验证了该方法的有效性.     

基于KPCA的监控系统传感器异常诊断方法

针对监控系统数据异常时,故障检测准确性不高的问题,提出一种基于监控系统传感器异常的核主元分析(KPCA)检测方法.利用平方预报误差(SPE)统计量和均方贡献值法进行故障检测和故障源的定位,改善了主元分析(PCA)应用于非线性系统故障检测准确性低的问题.分别利用基于KPCA和PCA的故障检测模型进行仿真比较.实验结果表明:KPCA提高了非线性监控系统传感器异常诊断的准确性.     

深海载人潜水器推进器系统故障诊断的新型主元分析算法

针对"蛟龙号"深海载人潜水器多推进器系统的故障检测与快速定位难题,将基于信度分配的模糊小脑神经网络(credit assignment-based fuzzy cerebellar model articulation controller, FCA–CMAC)应用于主元分析模型,提出一种基于主元分析(principal component analysis, PCA)的深海载人潜水器推进器系统故障诊断模型.首先,应用推进器系统正常运行的历史电流样本数据,由主元分析模型得到各推进器的电流预测值.其次,计算出故障检测统计量均方预测误差(squared prediction error, SPE),根据SPE值是否跳变,判断推进器系统有无故障发生.通过分别重构各推进器电流信号的SPE值对故障推进器进行定位和隔离.最后,通过对实际海试数据进行仿真处理说明了该算法的可行性,并通过与多层前馈神经网络(back propagation, BP)和常规小脑神经网络(cerebellar model articulation control-ler, CMAC)神经网络进行比较,说明基于FCA–CMAC神经网络的主元分析模型的优越性.     

线性随机系统的微小传感器故障检测

针对一类线性随机系统,研究了其微小传感器故障检测问题.基于Kalman滤波算法构造状态估计器,利用移动加权平均方法设计残差与评价函数.根据非中心卡方分布的性质,分析了故障幅值、窗口长度、误报率和漏报率之间的关系.采用不等式技术,得到了确保在统计意义下微小故障可检测性的最优权值和最小窗口长度.最后,通过一个仿真实例验证了所提方法的有效性.     

基于动态主元分析法的传感器故障检测

提出了一种基于动态主元分析的传感器故障检测方法.利用数据矩阵前t时刻和当前时刻的数据,建立多变量多时刻的自回归统计模型.计算主元数据矩阵,建立动态主元模型.以测量速度最慢的传感器的测量周期为统一采样周期,4个连续采样周期为一个诊断周期,建立动态三维测量矩阵,采用残差的平方预报误差的指数加权移动平均(Squared prediction error-Exponentially weighted moving average,SPE-EWMA)模型检测传感器故障.在只存在传感器故障的前提下,模拟发动机开车过程中几种典型的渐变性故障和突变性故障,实验结果表明,算法实时跟踪了各种检测指标的变化,准确检测出故障传感器.     

一种非电耦合直流传感器的研制及应用

研制了一种非电耦合直流传感器———磁耦合传感器。该传感器主要应用磁耦合原理,当直流系统发生接地故障时,该传感器可以准确地将故障信号检测出来,故障电流的检测范围为±5mA。该传感器具有体积小、测量准确、灵敏度高、抗干扰能力强、对直流操作回路无任何影响的特点,已成功地在线运行到发电厂、变电站的直流系统接地选线之中。     

发电机励磁碳刷运行故障检测方法

针对发电机励磁系统中碳刷结构故障检测困难,故障定位不准确的问题,本文根据实际碳刷运行过程建立碳刷结构检测系统。通过建立组件对象模型(Component Object Model COM)动态检测方案将碳刷结构模型化,使系统能够更为精确的检测到故障原因。设计数字式光纤传感器(BF5R)检测电路将碳刷故障过程图像化,缩短系统检测时间。通过改进维格纳威尔分布(Wigner Ville distribution WVD)故障定位算法精准定位碳刷故障位置,采用合理方式进行维修。通过Proteus软件仿真检测系统运行过程,实验表明本设计对碳刷故障检测具有明显效果,在15KW发电机环境中,碳刷故障定位时间为3.5min,信号幅值为13V,结果精确度为96.4%,证实了本设计的可行性;通过仿真对比三种不同系统信号检测幅值电压和检测准确度曲线,由此验证了本研究的优越性。     

基于时变模型辨识的高速列车复合故障诊断

高速列车信息控制系统因运行条件异常变化或操作不当会造成电机警告级高温、电机电流异常变化、电机转子断条以及气隙偏心等运行故障.这些随机发生的复合故障会影响速度等级和牵引力/制动力的调节,且难以采用基于单故障诊断方法建模故障与速度的关系,以及诊断报警等级.对此,提出一种基于Takagi-Sugeno(T-S)时变模型辨识的高速列车复合故障诊断方法.首先,采用多元统计检测指标离线辨识故障阈值并建立复合故障时变模型;然后,借助模糊聚类算法辨识故障特征值集合,利用模糊加权最小二乘法在线估计故障幅值并进行参数收敛性分析.最后,设计故障分离机制以刻画不同故障模式的报警等级并给出稳定性分析.基于CRH5G型高速列车实际运行数据的仿真结果验证了所提出方法的有效性.     

相位差结合小波包的无人直升机故障诊断

针对低成本的微小型无人直升机（MUH）传感器性能不稳定,容易出现故障的缺陷,提出了一种基于相位差和小波包分析相结合的故障诊断方法。根据MUH传感器输出信号的特点,建立了基于相位差的故障诊断模型,利用相关分析法估计相位差进行故障检测,采用小波阈值法对采样信号进行预处理,以提高相位差的估计精度,运用小波包分析进行故障分离。结合实验数据进行仿真,结果表明该方法是一种行之有效的MUH传感器故障诊断方法,已成功应用在某微小型无人直升机的飞行实验中。     

多尺度PCA在传感器故障诊断中的应用研究

A multiscale principal component analysis method is proposed for sensor fault detection and identification. After decomposition of sensor signal by wavelet transform, the coarse-scale coef-ficients from the sensors with strong correlation are employed to establish the principal component analysis model. A moving window is designed to monitor data from each sensor using the model.For the purpose of sensor fault detection and identification, the data in the window is decomposed with wavelet transform to acquire the coarse-scale coefficients firstly, and the square prediction error is used to detect the failure. Then the sensor validity index is introduced to identify faulty sensor,which provides a quantitative identifying index rather than qualitative contrast given by the approach with contribution. Finally, the applicability and effectiveness of the proposed method is illustrated by sensors of industrial boiler.     

基于自适应观测器的四旋翼无人飞行器多传感器故障诊断方法

为了实现对四旋翼无人飞行器多传感器故障检测与诊断,提出一种基于自适应观测器的多传感器故障诊断方法。首先,在建立飞行器动力学模型和传感器模型的基础上,将传感器故障视为虚拟执行器故障,构建四旋翼无人飞行器多传感器故障检测与诊断系统;其次,设计非线性观测器实现多故障检测和与隔离,基于Laypunov方法设计非线性自适应观测器实现对多故障偏差值的估计;最后,在传感器测量噪声存在的情况下,证明自适应律的稳定性和参数收敛性。实验结果表明,该方法能有效进行多传感器的故障检测与隔离,实现对多传感器故障偏差的同时估计与跟踪。     

基于自适应观测器的四旋翼无人飞行器传感器故障诊断方法

针对四旋翼无人飞行器传感器故障诊断问题,提出一种用于四旋翼无人飞行器加速度计和陀螺仪故障同时发生的故障检测与隔离以及故障偏差值估计的非线性诊断方法.首先,在建立飞行器动力学模型和传感器模型的基础上,构建四旋翼无人飞行器传感器故障检测与诊断系统.其次,利用故障观测器完成传感器故障的检测与隔离,基于Laypunov方法设计非线性自适应观测器对未知故障偏差值进行估计.最后,在传感器测量噪声存在的情况下,证明自适应律的稳定性和参数收敛性.实验结果表明,该方法能有效进行传感器的故障检测与隔离,实现对传感器故障偏差的估计与跟踪.     

An improved PCA scheme for sensor FDI: Application to an air quality monitoring network

In this paper a sensor fault detection and isolation procedure based on principal component analysis (PCA) is proposed to monitor an air quality monitoring network. The PCA model of the network is optimal with respect to a reconstruction error criterion. The sensor fault detection is carried out in various residual subspaces using a new detection index. For our application, this index improves the performance compared to classical detection index SPE. The reconstruction approach allows, on one hand, to isolate the faulty sensors and, on the other hand, to estimate the fault amplitudes.     

异步电机转子故障诊断算法研究

针对异步电机定子电流信号频谱分析法对转子故障诊断时,转子断条和偏心故障特征分量容易受到基波分量的影响,难以准确诊断故障的情况,对传统的瞬时功率信号频谱分析法进行改进.利用Hilbert变换对定子电压、电流进行数学变换,在此基础上得到改进的瞬时功率,然后对改进后的瞬时功率信号进行频谱分析.通过搭建异步电机故障检测实验平台进行了初步模拟实验,实验结果表明,该方法不仅消除了基波分量对故障特征分量的影响,而且还使频谱曲线更加清晰、简洁,突显了故障特征信息,弱化了非故障特征分量,为提高异步电机转子断条和偏心故障诊断的准确性奠定了基础.     

一种非线性系统的传感器故障检测与诊断新方法

基于一种非线性系统的伪偏差分离估计算法和贝叶斯分类算法,给出了一种非线性系统 的传感器故障检测与诊断的新方法.对一个大型造纸机采用实际模型进行的数值仿真表明, 该方法非常适用于工业系统传感器的在线故障检测与诊断.     

Actuator and Sensor Fault Detection and Failure Prediction for Systems with Multi-dimensional Nonlinear Partial Differential Equations

This paper presents a new model-based fault detection and failure prediction framework for a class of multi-input and multi-output (MIMO) nonlinear distributed parameter systems (DPS) described by partial differential equations (PDE) with actuator and sensor faults. The fault functions cover both abrupt and incipient faults. A Luenberger type observer is used to monitor the health of the DPS as a detection observer on the basis of the nonlinear PDE representation of the system and by utilizing only the measured output vector. By taking the difference between measured and estimated outputs, a residual signal is generated for fault detection. If the detection residual exceeds a predefined threshold, a fault is claimed to be active. Once an actuator or a sensor fault is detected, an appropriate fault parameter update law is developed to learn the fault dynamics online with the help of an additional measurement. Later, an explicit formula is introduced to estimate the time-to-failure in the presence of an actuator/sensor fault by utilizing the limiting values of the output vector along with the estimated fault parameter vector. Eventually, the effectiveness of the proposed detection and prediction framework is demonstrated on a nonlinear process.

     

Motion estimation of 3-D objects using multisensor data fusion

This article presents an approach to estimate the general 3-D motion of a polyhedral object using multiple sensor data some of which may not provide sufficient information for the estimation of object motion. Motion can be estimated continuously from each sensor through the analysis of the instantaneous state of an object. The instantaneous state of an object is specified by the rotation, which is defined by a rotation axis and rotation angle, and the displacement of the center of rotation. We have introduced a method based on Moore-Penrose pseudoinverse theory to estimate the instantaneous state of an object, and a linear feedback estimation algorithm to approach the motion estimation. The motion estimated from each sensor is fused to provide more accurate and reliable information about the motion of an unknown object. The techniques of multisensor data fusion can be categorized into three methods: averaging, decision, and guiding. We present a fusion algorithm which combines averaging and decision. With the assumption that the motion is smooth, our approach can handle the data sequences from multiple sensors with different sampling times. We can also predict the next immediate object position and its motion. The simulation results show our proposed approach is advantageous in terms of accuracy, speed, and versatility.     

基于DPCA方法的传感器故障检测与诊断

针对多传感器的相关时序测量数据,在假设只存在传感器故障的前提下,提出了一种基于动态主成分分析（DPCA）的传感器故障检测方法。根据测量数据建立传感器的DPCA模型,在该模型基础上利用T2和SPE统计量进行传感器的故障检测。同时,将基于主成分分析（PCA）模型的传感器有效度指标SVI推广应用于DPCA模型中。通过对污水处理系统中重要传感器的故障诊断仿真实验表明：该方法能有效地检测和识别出故障传感器。