基于故障跟踪估计器的非线性时滞系统故障诊断

提出一种可有效检测和估计一类非线性时滞系统故障的故障跟踪估计器.根据预测控制和迭代学习控制的思想,在所选取的优化时域长度内,通过迭代算法调节故障跟踪估计器中的可调参数,使之逼近系统中实际发生的故障.与以往基于观测器的故障诊断方法不同的是,故障跟踪估计器可同时检测和估计系统中发生的故障,而且针对不同类型的故障亦有很好的适应性.仿真结果表明了所提出算法的可行性和有效性.     

在线故障检测技术在电磁调速系统中的应用

针对电磁调速系统的实际特点,提出了一种具有建模不确定性的非线性系统在线故障检测方法.假定该系统仅是输入、输出可测量的,并把故障建模为状态变量和输入变量的函数.文中用一种基于RBF神经网络的在线非线性估计器来跟踪调速系统中出现的故障,从理论上证明了该方法对有建模不确定性的非线性系统的故障检测具备良好的鲁棒性.仿真实例说明了该故障检测方法的有效性.     

基于故障跟踪估计器的非线性时滞系统故障诊断

提出一种可有效检测和估计一类非线性时滞系统故障的故障跟踪估计器.根据预测控制和迭代学习控制的思想,在所选取的优化时域长度内,通过迭代算法调节故障跟踪估计器中的可调参数,使之逼近系统中实际发生的故障.与以往基于观测器的故障诊断方法不同的是,故障跟踪估计器可同时检测和估计系统中发生的故障,而且针对不同类型的故障亦有很好的适应性.仿真结果表明了所提出算法的可行性和有效性.

     

基于ESO迭代学习算法的故障估计

针对基于迭代学习的故障估计器方法,提出一种基于扩张状态观测器(ESO)思想的迭代学习算法,以提高虚拟故障的收敛速度。该算法将ESO的输出误差非线性反馈机制用于迭代学习过程,利用故障估计器当前输出残差的非线性函数修正下次迭代时的虚拟故障值。对所建立的故障估计器的收敛性进行理论分析,并在此基础上进行了仿真实验。仿真结果表明,所提出的算法具有良好的收敛速度和故障估计精度。     

基于混合系统状态估计的故障诊断

如果将故障的发生视为一个离散事件,则存在故障可能的系统可以看作随机混合系 统,那么故障诊断问题就可转化为混合系统的离散状态估计问题.文中试图从这个角度研究 在非高斯噪声环境下非线性系统的故障诊断问题.在发生故障后的系统模型是已知的假定条 件下,使用随机混合自动机对系统建模,并利用基于粒子滤波的混合估计算法估计出混合状 态,从而完成故障诊断.仿真结果表明,所提的方法是可行的,可以处理某类故障诊断.     

一类基于神经网络非线性观测器的鲁棒故障检测和诊断

利用神经网络的非线性建模能力，对一类具有建模不确定项的非线性系统提出一种基于观测器的故障检测和诊断的方法。设计的观测器不仅能实现故障检测，而旦应用神经网络设计的故障估计器能在线估计系统中的故障向量。通过分析验证了该方法对系统中的建模误差和外部扰动具有良好的鲁棒性。仿真结果表明所提出的方法是有效的。     

一种新颖的鲁棒模糊滑模观测器设计及干扰重构方法

针对一类由T-S模糊模型描述的不确定非线性系统,提出一种新颖的鲁棒模糊滑模观测器设计和干扰重构方法.首先,给出一种T-S模糊模型的等价形式.其次,在考虑滑模匹配条件不满足、状态不可测的情况下,利用高增益估计器构造辅助变量.为避免其峰化问题,提出基于高增益估计器的鲁棒滑模观测器.然后,基于所提出的等价形式,给出一类不确定非线性系统的鲁棒模糊滑模观测器设计方法.并证明其不但对系统的未知干扰具有鲁棒性,而且能保证状态估计残差在有限的时间内收敛于任意小的邻域,并可应用等价输出误差介入原理重构出系统的干扰.最后,将该方法应用于双关节机械臂的控制仿真实验.结果表明所提方法的有效性.     

离散时间线性时变系统的传感器故障估计滤波器设计

针对一类离散时间线性时变系统提出了一种传感器故障诊断方法.本文首先通过状态增广的方式将被研究的系统转化为描述系统的形式,并且基于该描述系统模型,采用方差最小化原则设计了一种能够同时估计系统状态和传感器故障的故障估计滤波器,然后利用一组故障估计滤波器提出了一种故障诊断方法.本文的主要贡献在于针对离散线性时变系统提出了一种不需要对故障动态进行假设的传感器故障诊断方法.所提出方法的另一个优点是该方法能够在存在过程和测量噪声的情况下实现故障检测、分离与估计.仿真结果说明了所提出方法的有效性.     

非线性不确定系统的自适应观测器设计

非线性状态观测器可改善过程控制性能和故障诊断,针对一类参数不确定非线性系统提出了自适应观测器设计方法。通过微分同胚变换,将非线性系统转换为仅依赖原系统输入、输出的自适应观测器规范形式。利用自适应调节器估计未知参数,用构造的观测器实现状态的重构。Lyapunov稳定性理论分析了状态观测误差动态方程的稳定性,用来证明所设计的自适应观测器为全局渐近收敛的,既实现了系统状态的渐近重构又确保了在持续激励条件下未知参数估计以指数快速收敛到真值,并通过仿真试验。仿真结果表明提出方法的有效性。     

OFDM系统中线性插值信道估计器的性能研究

为了得到由线性插值信道估计器本身精度造成的插值误差与噪声所带来的误差间的定量关系,通过基于一阶线性插值的OFDM系统梳状导频信道估计器和块状导频信道估计器误差性能的分析,推导出了插值误差和高斯噪声对估计器性能影响的数学表示式,并得出了线性插值信道估计器导频间距的选择规范;最后,在IEEE802.11 a环境下进行了系统仿真,仿真结果表明,插值误差与插值带来的噪声降低二者存在折衷,并且在室内环境中具有相同导频间距的梳状导频估计器比块状导频信道估计器性能优越。     

Multi-faults detection and estimation for nonlinear stochastic system based on particle filter and hypothesis test

This paper is concerned with the fault detection and estimation for nonlinear stochastic system with additive multi-faults. The states of system are estimated by the improved particle filter which composed of basic particle filter and preliminary fault estimation. Since the preliminary fault estimation contains noise, the faults are detected by the method of hypothesis testing, while the amplitude of each fault is estimated by the average of the sample of preliminary fault estimation. Meanwhile, the relationship of the sample size, the significance level of two types of error, the amplitude of fault and the variance of the error of preliminary fault estimation are also given. The effectiveness of the proposed method is verified by the simulation of three-vessel water tank system.     

非线性时滞不确定系统传感器鲁棒故障诊断

提出了一种带有不确定性环节非线性时滞系统的传感器鲁棒故障诊断方案，非线性与系统输入和状态有关，不确定性包括系统状态和输出环节；通过设计观测器对系统状态和输出进行估计，得到鲁棒阈值产生方法；构建自适应跟踪器，若系统实际和估计输出偏差等于或大于阈值，开始跟踪故障；同时对该方案鲁棒性、灵敏度和稳定性进行详细分析；最后通过仿真实验验证了有效性。     

一种非线性系统容错控制的混合方法

针对连续搅拌箱式反映器,提出一种闭环非线性系统容错控制的混合方法。即利用“等价偏差”的新概念建立传感器的故障模型,然后基于一种伪偏差分离估计算法,在线得到系统状态和“等价偏差”的估计值。数值仿真结果验证了该方法不仅具有很强的关于传感器故障的容错能力,而且还可检测、分离和估计出相应的故障。     

基于降阶卡尔曼滤波器的水下机器人滑模容错控制

针对水下机器人执行器时变、非线性故障,提出一种基于降阶卡尔曼滤波器的故障估计和滑模容错控制方法.用降阶卡尔曼滤波器估计水下机器人故障解耦子系统的状态,受故障的影响,子系统状态可测.由估计的状态和测量的状态可进一步得到水下机器人执行器的故障信息.滑模容错控制器根据所估计的执行器故障调整控制器的输出以实现容错控制.仿真结果验证了所提出的故障辨识与容错控制算法的有效性.     

一类非线性时滞过程的传感器主动容错控制

通过结合非线性过程的一般模型控制(GMC)、强跟踪预测器(STP)和强跟踪滤波器(STF),本文提出了一类具有输入时滞非线性时变过程的传感器主动容错控制方法.基于强跟踪预测器对未来状态的预测,传统的一般模型控制被扩展到一类具有输入时滞的非线性过程.然后采用强跟踪滤波器估计过程状态及传感器偏差,传感器偏差估计用于驱动一个故障检测逻辑.当某一传感器故障被检测出来时,STF的状态估计值将用于重构过程输出(代替真实输出),此重构输出被STP用于继续进行状态预测,从而确保系统性能.最后,三容水箱系统仿真结果证明该方法的有效性.     

Bayesian Fault Probability Estimation: Application in Wind Turbine Drivetrain Sensor Fault Detection

In this paper, the extension of the Bayesian framework for sensor fault detection of nonlinear systems proposed in [25] is studied utilizing particle filtering and the expectation maximization (EM) algorithm, in which the fault probability is calculated. The proposed algorithm is implemented on a wind turbine benchmark model to detect drivetrain sensor faults, which are one of the most addressed and likely faults in offshore wind turbines. The fault probability estimation effectively eliminates the need for installing identical redundant sensors. Indeed, because of the use of the unknown wind speed estimator, the residual signal, constructed based on the drivetrain estimated states, is not able to clearly signify the fault periods, a situation in which the fault probability accurately does this task. Also, using the proposed algorithm, the fault size for each sensor is estimated via a one‐step calculation, which decreases the complexity of this algorithm. The fault identification is performed using the recursive least square method and two other modifications, including exponentially weighted and windowed estimates. Additionally, in the fault accommodation step, the concept of a virtual sensor is used to remove the need for reconfiguring the current controller, which reduces complexity and expense. In the simulation section, using a real measured wind speed for two different fault scenarios, the proposed algorithm is evaluated and finally, conclusions are stated.     

Integrated fault estimation and fault‐tolerant control for stochastic systems with Brownian motions

This paper presents an integrated robust fault estimation and fault‐tolerant control technique for stochastic systems subjected to Brownian parameter perturbations. The augmented system approach, unknown input observer method, and optimization technique are integrated to achieve robust simultaneous estimates of the system states and the means of faults concerned. Meanwhile, a robust fault‐tolerant control strategy is developed by using actuator and sensor signal compensation techniques. Stochastic linear time‐invariant systems, stochastic systems with Lipschitz nonlinear constraint, and stochastic systems with quadratic inner‐bounded nonlinear constraint are respectively investigated, and the corresponding fault‐tolerant control algorithms are addressed. Finally, the effectiveness of the proposed fault‐tolerant control techniques is demonstrated via the drivetrain system of a 4.8 MW benchmark wind turbine, a 3‐tank system, and a numerical nonlinear model.     

一类非线性系统故障诊断观测器设计

大多故障诊断算法集中在线性系统方面, 在非线性方面只考虑故障对状态起线性影响的那些系统. 本文根据系统的非线性本质特性, 提出了基于模型的一类非线性系统故障诊断观测器设计方法. 应用系统的(B;K; á)实现精确分解后的系统模型, 对它们的状态故障起非线性的影响. 采用干扰解耦技术,获得的残差对未知扰动有很好的鲁棒性. 在Lyapunov意义下, 验证了算法的稳定性. 仿真验证表明, 所提算法具有快速收敛性, 对一类非线性系统诊断效果较好.     

非线性多时滞不确定系统执行器鲁棒故障诊断

提出一种多时滞不确定非线性系统的执行器故障鲁棒诊断方案。非线性只与系统输入和输出有关，不确定性包括系统输入和状态等环节。通过构造观测器对系统状态和输出进行估计，得到具有鲁棒性的闽值；若系统的实际输出与估计输出之差超出了闽值，则有故障发生，启动自适应跟踪器对故障进行跟踪。在理论上证明了该方案的鲁棒性、灵敏虚和稳定性。最后通过仿真说明该方法的有效性。     

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.