基于神经网络的非线性系统故障诊断方法

本文作者引入了用神经网络设计的故障估计器，在线对系统进行故障诊断；同时引入补偿控制器，消除系统故障，实现容错控制。     

基于神经网络的非线性系统故障诊断方法

本文作者引入了用神经网络设计的故障估计器,在线对系统进行故障诊断;同时引入补偿控制器,消除系统故障,实现容错控制。     

复杂工程系统基于随机分布的FDD优化算法

随着传感器、图像和数据处理等技术的发展，在炼钢、造纸和化工过程中，反馈量测信息是系统的在线随机输出分布，而并非输出变量在样本时刻的量值，不同于传统的故障检测和诊断（fault detection and diagnosis，FDD）问题，对于一类复杂随机工程系统，基于随机分布函数研究了一种新的优化FDD方法，利用B-样务逼近将输出概率密度函数（PDF）转化成动态权系数，进而建立了带有时滞的非线性不确定性权动态模型，将相应的FDD问题转化成一类非线性不确定时滞系统的FDD问题，基于线性矩阵不等式得到了可行的优化故障检测方法和广义自适应故障诊断算法，仿真实例也表明了该算法的有效性。     

基于变增益ESO与逆系统方法的非线性系统故障调节

为了对一类非线性系统执行器时变故障进行有效诊断,研究了一种基于变增益扩张状态观测器的逆系统故障调节方法.首先,通过一种时变增益的设计方法,来改进传统的恒增益扩张状态观测器,有效消除了在状态及故障估计初始阶段的"峰值"问题;其次,在依据故障估计值对原系统进行补偿调节的基础上,借助于逆系统的引入,对原非线性系统线性化,在使系统能对故障容错的同时,确保了系统无论故障发生与否的不变伪线性特性,进而又为其设计了鲁棒保性能控制,从而以不变的控制器使得系统始终具有了良好的性能及对逆建模误差的鲁棒性;最后,仿真算例对比验证了该方法的有效性.     

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。     

用非线性滤波算法有效抑制冲激噪声

在现有用于抑制冲激噪声的非线性数字化滤波算法（如LOR算法）的基础上，指出现有算法对被噪声污染的祥点值的恢复能力不足，不能进一步提高精度，进而提出了改进措施，给出了利用Lagrange插值公式演变出的能精确估算被噪声污染的样点值的LOR改进算法（ILOR）。     

一类非线性系统的故障诊断

针对一类非线性系统,设计了一种用于故障检测和诊断的滑模神经网络观测器.在故障发生之前,保证滑模的存在,并以此为条件,通过检测残差信号是否在规定的滑动区内,从而判定是否发生故障.当不满足判定条件时,说明滑模被破坏,有故障发生,则启动观测器中的“故障估计项”,利用神经网络在线辨识故障的形态.应用李亚普诺夫理论证明了该方法的稳定性.     

复杂工程系统基于随机分布的FDD优化算法

随着传感器、图像和数据处理等技术的发展,在炼钢、造纸和化工过程中,反馈量测信息是系统的在线随机输出分布,而并非输出变量在样本时刻的量值.不同于传统的故障检测和诊断(fault detection and diagnosis,FDD)问题,对于一类复杂随机工程系统,基于随机分布函数研究了一种新的优化FDD方法.利用B-样条逼近将输出概率密度函数(PDF)转化成动态权系数,进而建立了带有时滞的非线性不确定性权动态模型,将相应的FDD问题转化成一类非线性不确定时滞系统的FDD问题,基于线性矩阵不等式得到了可行的优化故障检测方法和广义自适应故障诊断算法.仿真实例也表明了该算法的有效性.     

一类非线性系统的快速鲁棒故障诊断

结合在线估计器和滑模观测器方法，基于所给出的一种新的自适应学习算法，提出了一种针对非线性不确定系统的鲁棒故障诊断方法．滑模观测器可以消除建模不确定性的影响以得到准确的状态估计，而在线估计器可以实时估计故障的大小．在此，基于李亚普诺夫函数，在理论上证明了所给出的状态和参数估计误差都是一致有界的；针对三容水箱DTS200所做的仿真实验，其结果验证了该方法的可行性．研究结果表明，由于滑模项的引入，使得该方法的故障检测时间大大缩短，其性能比Polycarpou所提出的在线估计器方法的性能要好．     

基于神经网络的非线性系统故障诊断

本对非线性系统的故障检测与诊断提出了一种新的方法。利用神经网络对非线性系统进行辩识与建模，通过比较实际输出与模型的输出，可在线辩识出故障幅值的大小。     

基于高阶神经网络扩展卡尔曼滤波器算法的非线性动态系统辨识

针对非线性动态系统辨识 ,采用高阶神经网络和径向基函数网络相结合的方法 ,神经网络的连接权值可作为系统的未知参数 ,用扩展卡尔曼滤波器 (EKF)算法来估计 ,确保了该方法的快速收敛 .具体模型的仿真结果表明该方法能快速收敛 ,并能方便的用于在线辨识 .     

迭代扩展卡尔曼粒子滤波器

提出了一种基于迭代扩展卡尔曼的粒子滤波新方法．该方法利用迭代扩展卡尔曼滤波的最大后验概率估计产生粒子滤波的重要性密度函数,使重要性密度函数能够融入最新观测信息的同时,更加符合真实状态的后验概率分布．仿真结果表明,提出的迭代扩展卡尔曼粒子滤波的估计性能要明显优于标准的粒子滤波、扩展卡尔曼粒子滤波和unscented 粒子滤波．     

基于扩展Kalman滤波的汽车行驶状态估计

介绍了一种应用扩展Kalman滤波技术估计车辆行驶状态的控制算法。该算法以非线性三自由度车辆模型为基础,对汽车在行驶过程中的横摆角速度、纵向车速和质心侧偏角分别进行了估计。为验证该算法的准确度,将估计获得的状态值与实车场地实验测得的数据进行了比较。比较结果说明,应用扩展Kalman滤波算法能够较为准确地估计出车辆的横摆角速度、纵向车速和质心侧偏角。     

基于扩展卡尔曼滤波的超声波渡越时间估计

提出了一种基于扩展卡尔曼滤波的、适用于双回波重叠情况的超声波渡越时间估计方法。利用现有的单回波包络的经验模型,推导出了对应于双重叠回波包络的理论模型,并利用扩展卡尔曼滤波对其进行参数估计,以达到精确估计渡越时间的目的。由于两个回波的时间差和相位差对回波包络形状影响较大,因此对不同时间差和相位差条件均进行了仿真实验。实验结果表明:本方法能够准确地估计两个回波的渡越时间,并具有较高的抑制噪声能力。     

一种基于双重改进粒子滤波器的故障隔离方法

为了解决在基于解析冗余关系的故障诊断应用中难以实现故障隔离的问题,提出了一种基于双重改进粒子滤波器的故障隔离方法。该方法利用状态和参数估计粒子滤波器组成的联合估计模型,对系统状态和潜在故障参数值进行联合估计,通过对比潜在故障参数估计值与其标称值实现故障隔离。在联合估计模型中,一方面,在传统的随机扰动法的基础上,利用最大似然估计法获得参数时间更新梯度,使用一种改进随机扰动法实现参数时间更新;另一方面,在采样过程中考虑当前量测值,并引入粒子群和模拟退火优化思想,使用一种采样粒子质量改进方法实现粒子采样,以提升其估计性能。仿真结果表明：在假设的两类参数型故障下,基于双重粒子滤波器的联合估计模型在鲁棒性、计算速度和估计精度上均优于基于扩展状态空间的粒子滤波器联合估计模型,在基于双重粒子滤波器的联合估计模型上,使用所提出的改进方法能显著提升其估计性能。所提出的方法基本满足参数型故障隔离对计算效率和估计精度的要求,可作为基于解析冗余关系故障诊断中的故障隔离方法。     

非线性系统传感器故障诊断方法

传感器故障诊断的实施能够保证诊断系统获取实时准确信息,避免因错误的或可疑的信息千造成的负效应,保证数据的正确性,提高数据的可信度。因此,传感器的故障诊断是提高整个故障诊断系统可靠性的重要手段。基于强跟踪滤波器提出了非线性系统传感器故障诊断的一类算法,由于强跟踪滤波器方法是基于参数估计为主的一种方法,将系统的各种邦联都归结为一种参数偏差型邦联进行处理,所以,只要非线性系统的状态及参数是可以辨识的,那     

采用故障树分析诊断系统故障的改进方法

为了优化系统诊断过程,提出一种采用故障树分析诊断系统故障的改进方法.通过故障树分析,求出所有最小割集、最小割集发生概率、组成单元的诊断重要度.诊断重要度大的最小割集优先诊断,最小割集中诊断重要度大的组成单元优先诊断.当最小割集中诊断重要度最大的组成单元故障时,包含该组成单元的最小割集应该优先诊断.根据组成单元的诊断顺序,生成系统的诊断决策树.这种方法弥补了仅以组成单元的诊断重要度确定最小割集诊断顺序的不足,使得发生概率大的最小割集可以优先诊断,优化了诊断过程.通过实例验证了该故障诊断方法的有效性.     

电气随动系统故障诊断专家系统

介绍了一电气随动系统故障诊断专家系统的建造,文中详细介绍了建造本系统时所采用的故障诊断技术以及本专家系统的结构,并对构造专家系统的三个关键性工作：知识获取、知识表示、知识利用进行了讨论,该方法也适用于复杂机电设备的故障诊断专家系统的建造．     

New sigma point filtering algorithms for nonlinear stochastic systems with correlated noises

New sigma point filtering algorithms, including the unscented Kalman filter (UKF) and the divided difference filter (DDF), are designed to solve the nonlinear filtering problem under the condition of correlated noises. Based on the minimum mean square error estimation theory, the nonlinear optimal predictive and correction recursive formulas under the hypothesis that the input noise is correlated with the measurement noise are derived and can be described in a unified framework. Then, UKF and DDF with correlated noises are proposed on the basis of approximation of the posterior mean and covariance in the unified framework by using unscented transformation and second order Stirling’s interpolation. The proposed UKF and DDF with correlated noises break through the limitation that input noise and measurement noise must be assumed to be uncorrelated in standard UKF and DDF. Two simulation examples show the effectiveness and feasibility of new algorithms for dealing with nonlinear filtering issue with correlated noises.     

数字化制造系统故障诊断方法的研究

针对数字化制造系统故障的并发性和故障种类多,表现形式不一的实际情况,探讨了适合数字化制造系统的故障诊断方法。