基于T-S模糊模型的电机轴承故障诊断研究

针对故障诊断知识的模糊性和模糊控制理论在故障诊断领域的广泛研究和应用,结合基于模糊模型故障诊断方法的优越性,本文提出了基于Takagi-Sugeno模糊模型的故障诊断方法,将其应用到三相异步电机轴承的模糊故障诊断中并通过实验充分验证了该方法的有效性。     

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.     

网络控制系统T-S模型的建立--基于非线性最小二乘估计法

对具有时滞的不确定非线性离散网络闭环系统的建模方法进行了探讨,提出了一种基于非线性最小二乘估计的T-S模糊模型的建立方法,仿真结果验证了该建模方法的有效性。     

基于T-S模糊模型的转台鲁棒最优控制器设计

针对飞行器仿真转台系统的非线性以及不确定性问题,提出了基于T-S模糊模型的鲁棒最优控制器设计方法.首先,利用IF-THEN模糊规则将转台速度环系统的状态空间分成不同的区域,构建具有参数不确定性的T-S模糊模型;然后,根据给定的最优性能指标要求以及控制输入约束,通过求解一组线性矩阵不等式(LMIs)进行鲁棒最优控制嚣设计.仿真结果表明,该方法不仅具有比较好的控制效果,而且能有效地解决控制输入约束问题,并能很好地保证对参数变化的鲁棒稳定性.     

基于T-S 模糊模型的一类非线性网络控制系统故障检测

针对同时存在网络时延和数据包丢失的网络环境,研究了一类非线性网络控制系统的鲁棒故障检测问 题．基于不确定T-S 模糊模型描述的非线性网络控制系统模型,完成了网络环境下鲁棒故障检测观测器的设计,使 得残差信号对故障敏感而对外部扰动具有鲁棒性．构造Lyapunov-Krasovskii 函数,并引入一个积分不等式,给出了 使得观测器误差动态系统渐近稳定的充分条件．采用线性矩阵不等式技术将鲁棒故障检测问题转化为具有线性矩阵 不等式约束的凸优化问题求解．仿真算例验证了上述方法应用于此类系统的故障检测的有效性．     

基于T-S模糊模型非线性网络控制系统改进H∞跟踪控制

研究一类非线性网络控制系统改进H∞跟踪控制问题, 该类网络控制系统中非线性被控对象和被跟踪对象分别采用Takagi-Sugeno(T-S)模糊模型和线性稳定参考模型描述. 首先通过综合考虑网络中的数据传输时滞和数据丢包影响, 采用输入时滞法和并行分布补偿技术, 建立基于零阶保持器刷新时刻的系统状态跟踪误差模型. 然后利用改进的自由权矩阵方法, 并结合Lyapunov直接法给出系统满足H∞跟踪性能的充分条件以及模糊控制器的设计方法. 最后仿真实例表明本文方法的有效性和相比已有方法的优越性.     

基于模糊贝叶斯风险和T-S模糊模型的故障诊断

为解决复杂装备故障诊断中的知识获取和决策制定问题,提出一种数据驱动的故障诊断方法。利用模糊贝叶斯风险模型以风险最小化原则挖掘数据中有价值知识,得到相对最优属性子集,其中生成的概率分布用于T-S(Takagi-Sugeno)模糊规则提取,以分段线性化思想逼近复杂的数据知识。在数值实验中,以C-MAPSS(Commercial Modular Aero-Propulsion System Simulation)发动机数据为研究对象,验证本文方法的有效性,结果表明本文方法适用于复杂装备的故障诊断。与其他知识获取方法对比表明,本文方法可得到更高的诊断准确率。     

时延网络控制系统的模型预测控制

针对有输入约束的不确定时延网络控制系统,提出鲁棒模型预测控制方法;其中,将不确定时延建模为范数有界的输入矩阵的不确定性．给出了鲁棒性能指标的上界和系统渐近稳定的充分条件,通过在线求解LMI凸优化问题得到状态反馈控制律．仿真例子验证了该方法的有效性．     

基于T-S模糊模型的非线性网络化控制系统H∞鲁棒容错控制

针对一类具有参数不确定的非线性网络化控制系统,同时考虑网络延时和丢包的影响,基于T-S模糊模型建模,通过构造Lyapunov-Krasovskii泛函,推证出了确保非线性网络化控制系统在执行器或传感器发生失效故障时具有H_∞鲁棒完整性的时滞依赖充分条件,并以求解线性或非线性矩阵不等式的方式给出了控制器的设计方法.最后,仿真算例验证了所提方法的可行性和有效性.     

改进的T-S 模糊模型鲁棒稳定条件及其在转台控制中的应用

提出了参数不确定T-S 模糊系统的新型鲁棒镇定条件．该条件表示为线性矩阵不等式（LMI）的形式, 将模糊子系统的相互关系收集到一系列矩阵而不是单个矩阵中,因此比近期刊出文献中的宽松二次镇定条件具有更 小的保守性．以该LMI 条件为基础,容易得到不确定T-S 模糊控制系统的状态反馈鲁棒镇定控制器．由于只涉及一 组LMI,控制器设计简单并易于数值求解．在转台这一具有参数不确定性的连续时间非线性系统的控制中,所提方 法的有效性得到成功验证．     

一类非线性网络控制系统的故障检测

针对远程被控对象为非线性模型,且具有输出诱导时延的一类网络控制系统（NCS）,假设可能发生执行器故障,对系统进行故障检测：利用T—S模糊模型将对象线性化,建立了模糊观测器,并给出了观测器系统渐近稳定的条件。进一步地,又考虑到满足该观测器稳定条件的矩阵难以寻找到,因此利用模糊模型中的主导子系统思想,重新设计了观测器,并基于Lyapunov稳定性定理,推导出了整个观测器系统全局渐近稳定的充分条件。最后,通过一个仿真例子验证了方法的有效性。     

具有输出时延的网络控制系统故障检测

考虑一类具有长时延的网络控制系统,假定其传感器到控制器之间存在输出时延,对其进行故障检测研究.建立具有时延补偿功能的故障观测器,得到状态估计误差方程.基于离散切换系统理论,将观测器系统的稳定条件归结为一个线性矩阵不等式.当系统正常时,只要给定的矩阵不等式条件成立,该观测器系统就是渐近稳定的.当系统发生故障时,观测器残差能够迅速发生跳变,从而检测出故障的发生.仿真示例验证了方法的有效性.     

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。     

非线性时延网络控制系统的模糊建模与控制

针对时变网络诱导时延小于一个采样周期的非线性时延网络控制系统,讨论系统的稳定性及控制器的设计方法.利用基于“IF-THEN”规则的模糊模型近似系统中的非线性,将时延的不确定性转化为系统参数的不确定性,从而将此类非线性网络控制系统建模为一类具有参数不确定性的离散Takagi-Sugeno（T-S）模糊模型.基于建立的模型,利用Lyapunov方法和线性矩阵不等式方法,分析了系统的稳定性及模糊状态反馈控制器的设计方法,最后通过仿真实例验证了所提出方法的有效性.     

具有异步时钟的长时延网络控制系统故障检测

考虑一类存在异步采样时钟的不确定长时延网络控制系统．假定其可能发生故障，设计了离散状态观测器，对其进行故障检测．当系统正常时，观测器系统的稳定性条件被近似为一个包含线性矩阵不等式条件的最小化问题；只要该最小化问题有解，则整个系统是渐近稳定的．当系统发生故障时，该观测器残差能够迅速发生跳变，从而检测出故障的发生．给出一个仿真示例验证了文中方法的有效性．     

基于事件触发的网络化T-S模糊系统容错控制

研究了基于事件触发的网络化T-S模糊系统容错控制问题．首先针对一类具有随机执行器故障的网络化T-S模糊系统,提出一种有效减少数据传输量的事件触发机制．然后在综合考虑事件触发机制和控制器与T-S系统前件变量的异步的情况下,建立一种能同时描述事件传送策略、执行器失效、网络诱导时延和异步前件变量的新颖模型．利用李亚普诺夫泛函方法,得到保守性较小的闭环T-S系统均方渐近稳定条件和相应的容错控制器设计方法．实例表明了本文所得结果的有效性．     

基于T-S模糊模型的采样系统鲁棒耗散控制

研究基于T-S (Takagi-Sugeno)模糊模型的采样控制系统鲁棒耗散控制问题. 利用2阶B-L (Bessel-Legendre)不等式和整个采样间隔 $\left[ {{t_k},{t_{k + 1}}} \right)$的特征信息, 提出一个基于B-L不等式的双边时间相关不连续L-K (Lyapunov-Krasovskii)泛函. 使用提出的L-K泛函和改进的自由矩阵不等式, 建立了确保系统严格($\mathcal{Q}$, $\mathcal{S}$, $\mathcal{R}$)-$\gamma$-耗散的充分条件. 基于所得耗散条件, 给出了T-S模糊采样控制器的设计方法, 并用于处理卡车拖车的控制问题. 仿真结果表明所提出的控制器设计方法非常有效.     

一种基于T-S模糊模型的自适应预测函数控制

针对离散时间非线性系统,提出了一种基于T-S模糊模型的自适应预测函数控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型后件参数,以克服模型失配对系统性能的影响。根据辨识得到的模型参数直接递推计算模型的预测输出,而不需要求解Diophantine方程,进而直接递推求解预测控制律,而不需要求解矩阵逆。仿真结果表明,该算法具有良好的跟踪性能和较强的鲁棒性。