不确定动态系统的执行器故障检测与重构

讨论不确定动态系统的执行器故障检测与重构问题.以滑模观测器为基础,利用状态和输出变换方法与奇异值分解方法相结合对系统进行降阶,提出一种鲁棒故障重构观测器.给出了优化滑模策略,并作了严格论证,保证对系统不确定性具有鲁棒性和跟踪系统状态的收敛性.应用等价输出控制的概念和设计的鲁棒故障重构观测器,获取故障信息并实现执行器故障的检测与重构.最后通过数值仿真验证了该方法的有效性和可靠性.     

控制领域的故障系统状态估计研究综述

随着系统变得越发复杂和庞大,故障的出现会直接或间接影响系统的性能,因此,针对故障系统的研究越来越引起学者们的关注。针对故障系统的故障特点,将故障系统分为执行器故障系统和传感器故障系统,并进一步分别概括出现有执行器故障系统和传感器故障系统的状态估计方法。针对每种系统的基本特点,分别介绍了相应的状态估计研究进展,适用条件和应用范围。最后综述了故障系统状态估计方法目前诚待解决的问题。     

具有不确定动态线性系统的鲁棒状态估计

本文研究了一类具有参数和噪声特性不确定线性系统的鲁棒状态估计问题。利用对策论思想,定义了能使不确定下最坏性能最好的极小极大鲁棒状态估计器,提出了一种简单的近似设计方法,即设计最坏对象的最优滤波器。给出了这种设计方法设计滤波器导致的性能误差边界,进一步指出当满足文中给出的鞍点条件时,最坏对象的最优滤波器就是极小极大鲁棒滤波器。     

一类不确定线性系统鲁棒状态估计器设计

本文对一类不确定线性系统给出了一种鲁棒状态估计器设计方法，其主要思想是对允许的系统扰动，通过设计估计器参数矩阵使增广系统的极点位于左半复平面指定圆形区内或指定直线的左侧，且稳态误差协方差阵不超过给定上限，给出了鲁棒估计器存在条件及其解的一般表达式。     

故障系统的状态估计

本文讨论故障系统的状态估计问题.文中给出了在故障检测滤波器误差方程基础上,利用未知输入观测器或逆系统算法,根据输出误差估计状态误差,从而得到故障系统状态的估计方法.文中还给出了一个数字仿真例子.     

具有不确定噪声的连续广义线性系统的鲁棒状态估计

本文讨论了一类具有不确定噪声的连续广义线性系统的鲁棒状态估计问题，文章提供了一种比较实用的状态估计方法，针对噪声不确定性。文章采用对策论的基本原理，导出了 一种最小化不确定下最坏性能的极小极大鲁棒状态估计器。     

隐蔽式攻击下网络化控制系统状态与故障的联合区间估计

研究隐蔽式攻击下网络化控制系统状态与执行器故障的联合区间估计问题.首先,根据隐蔽式攻击信号的特性,得到隐蔽式攻击信号的上下界信息;然后,将执行器故障视为增广状态,构造与原系统等价的增广系统,基于所得到的增广系统和隐蔽式攻击信号的上下界信息,利用$L_{\infty     

不确定时滞系统增益型故障的检测与估计

针对一类不确定连续线性定常时滞系统,提出了一种执行器、传感器增益故障的鲁棒检测与估计策略。该类系统含有多状态与输出时滞,状态和输出方程上同时作用有非结构有界未知扰动。在Trunov和Polycarpou方法的基础上,设计了一种新的时滞系统自适应观测器用于检测并估计突变或缓变的增益故障。与Wang等针对线性无时滞不合输出扰动系统的工作相比,该结论更具一般性。理论分析表明,该方法对于未知扰动鲁棒,能够保证故障的估计,状态与输出估计偏差一致有界。数值仿真验证了方法的有效性。     

基于多元状态估计的引风机故障预警

引风机作为大型机械动力设备,它的安全性和可靠性非常重要,传统的故障检测方式是对设备进行故障诊断,这是一种事后检修方式,电站设备一旦因为故障停机,会带来财产损失,甚至会有人员的伤亡.因此如何用其他的方法在故障发生前发现设备出现问题——也就是实现故障预警,就显得尤为重要.本文以引风机为例,使用主成分分析法,小波降噪法优化数...     

延迟不确定马尔科夫跳变系统的执行器和传感器故障同时估计方法

针对具有参数不确定和延迟环节的马尔科夫跳变系统,在状态转移概率矩阵（Transition probability matrix,TPM）不确定的情形下,讨论了其执行器和传感器故障同时估计的方法.通过扩展系统状态,将系统转换为一个具有马尔科夫跳变参数的广义描述系统,基于此广义描述系统设计马尔科夫跳变观测器实现对其状态和传感器故障的估计.与此同时,还设计了一组自适应律对执行器故障进行在线调节.通过求解一组线性矩阵不等式最优化问题,得到观测器存在的充分条件.最后,针对两个数值实例,验证了所设计方法的有效性.     

一类非线性系统的故障重构与容错控制

针对一类满足Lipschitz条件的仿射非线性系统,提出一种执行器故障重构与容错控制方法。通过非奇异变化矩阵对系统进行降阶,设计出滑模故障重构观测器,优化滑模策略,使滑模故障重构观测器渐进估计系统的状态,并给出稳定性分析。运用等价输出控制方法直接获取故障信息,实现执行器故障的检测与重构。设计出主动容错控制器,通过补偿控制,完成执行器故障的容错控制。最后通过数值仿真验证了方法的可行性与有效性。     

基于迭代学习的线性不确定重复系统间歇性故障估计

针对一类带有不确定参数项的线性重复系统间歇性故障估计问题, 本文提出一种基于迭代学习的故障估计算法.该算法通过设计基于迭代学习的故障估计器和状态观测器, 构造李雅普诺夫方程和优化函数证明该算法的鲁棒性和收敛性, 并通过线性矩阵不等式, 求解出算法中的观测器增益矩阵和迭代学习参数矩阵.区别于其他观测器方法, 本文中的方法利用上一次基于迭代学习观测器输出和系统实际输出产生的残差信号, 对本次的故障信号进行跟踪估计, 从而准确地估计出故障的幅值和形状.仿真结果说明了该算法的有效性和准确性.     

Reliable State Feedback Control Synthesis For Uncertain Linear Systems

This paper is concerned with the problem of designing reliable state‐ feedback control for a class of uncertain linear systems with norm bounded uncertainty. A procedure for designing reliable state‐feedback control is presented for the case of actuator faults that can be modeled by a scaling factor. In the design, the performance of the normal system (without fault) is optimized, as the considered system operates under the normal condition most of the time. In addition, when actuator faults occur, the closed‐loop system retains robust stability and satisfies a known quadratic performance bound. A numerical example is provided to illustrate the effectiveness of the proposed design method.     

Improved Input and State Estimation for Linear Stochastic Systems with Direct Feedthrough

This paper is concerned with the problem of joint input and state estimation for linear stochastic systems with direct feedthrough. Based on the fact that each unknown input between any two time steps is always bounded, a novel improved algorithm is proposed. Compared with existing results, this algorithm can effectively enhance estimation accuracy. Moreover, the stability of the algorithm is also discussed. Finally, an illustrative example is given to demonstrate the effectiveness of the proposed approach.     

线性不确定系统混合故障的可靠圆盘极点配置

针对一类不确定线性系统,利用更一般、更实际的执行器出现混合故障的模型,设计可靠控制器的同时将系统的极点配置到指定圆盘内问题,混合故障模型是指在一个系统中同时包含离散故障模型和连续故障模型,并给出系统将极点配置到指定圆盘上可靠控制的充分条件.通过求解LMI(线性矩阵不等式)完成状态反馈可靠控制器的设计.仿真验证本文提出的...     

Optimal State Estimation and Fault Diagnosis for a Class of Nonlinear Systems

This study proposes a scheme for state estimation and,consequently,fault diagnosis in nonlinear systems.Initially,an optimal nonlinear observer is designed for nonlinear systems subject to an actuator or plant fault.By utilizing Lyapunov's direct method,the observer is proved to be optimal with respect to a performance function,including the magnitude of the observer gain and the convergence time.The observer gain is obtained by using approximation of Hamilton-Jacobi-Bellman(HJB)equation.The approximation is determined via an online trained neural network(NN).Next a class of affine nonlinear systems is considered which is subject to unknown disturbances in addition to fault signals.In this case,for each fault the original system is transformed to a new form in which the proposed optimal observer can be applied for state estimation and fault detection and isolation(FDI).Simulation results of a singlelink flexible joint robot(SLFJR)electric drive system show the effectiveness of the proposed methodology.     

基于观测器的发电机功角与故障估计

针对发电机功角与故障估计这个问题,提出一种利用观测器的方法.该方法通过对系统数学模型进行状态变换,将数学模型分为含故障与不合故障两部分.对不合故障部分设计观测器,然后经过状态变换可以得到功角信息.在故障估计过程中,通过增广误差系统设计增广观测器可以得到故障的幅值.最后通过Matlab仿真分析,验证基于观测器功角与故障估计方法的有效性,结果表明该方法具有速度快、误差小的优点.