采样数据系统故障检测的H∞方法

提出一种对采样数据系统进行故障检测的H∞方法.首先构造离散时间故障检测系统,分析残差产生器的动态特性.然后从故障检测的角度引入算子,定量考察连续时间未知输入信号和故障信号对离散时间残差信号的影响.最后优化残差产生器的参数,使得故障检测系统对未知输入具有较强的鲁棒性,同时对故障具有较高的灵敏度.     

采样数据系统故障检测的H∞方法

提出一种对采样数据系统进行故障检测的H_∞方法. 首先构造离散时间故障检测系统, 分析残差产生器的动态特性. 然后从故障检测的角度引入算子, 定量考察连续时间未知输入信号和故障信号对离散时间残差信号的影响. 最后优化残差产生器的参数, 使得故障检测系统对未知输入具有较强的鲁棒性, 同时对故障具有较高的灵敏度.     

基于区间观测器的矿井水位传感器故障检测

研究矿井的安全监测问题,根据矿井传感器存在的故障隐患,由于矿井环境复杂,不确定因素干扰,造成检测不准确,严重影响安全性。为了解决检测不精确的问题,提出了一种区间观测器的传感器实时诊断模型。采用故障特征矩阵处理故障检测和隔离之间的接口,矩阵中储存了检测信号和故障之间的相关程度和发生时间,系统的状态特征可从故障信号和故障之间的关系推理得到,故障信号的信息得以有效地利用。对观测到的故障信号,用离散方法处理得到信号发生时间,并进行实验,表明检测方法可用在矿井水位传感器网络中,说明方法比标准的二元故障检测方法更合理。     

基于LSTM网络在时变转速鼠笼电机断条诊断中的应用

针对鼠笼电机在时变转速状态下运行时破坏了电机电流信号特征分析(Motor Current Signature Analysis,MC-SA)的使用条件,使MCSA方法没办法诊断出时变情况下电机断条故障的问题.基于长短期记忆(Long Short-Term Memory,LSTM)网络提出一种高效准确的鼠笼电机断条诊断方法.首先通过采集故障鼠笼电机电流信号对LSTM网络进行训练,应用训练好的网络预估下一时间状态故障电机的电流值,然后通过对比采集信号和预估信号检测出故障,最后该方法通过时间域电流信号直接进行检测,并且从机器学习角度解决电机断条故障.结果表明,即使在短时数据条件依然能够诊断出早期断条故障.     

基于故障传播与因果关系的故障溯源方法及其在牵引传动控制系统中的应用

针对故障溯源问题, 提出一种基于故障传播与因果关系的故障溯源方法. 该方法首先建立体现时空特性的系统故障传播模型; 其次利用Granger因果关系技术判定不同观测点信号间的因果关系, 确定适合提取信号故障特征用于故障诊断的观测点; 然后提取系统运行时这些观测点故障特征和故障传播时间; 最后同故障传播模型中对应观测点的时空特性相匹配, 从而确定故障类型与位置, 实现故障溯源. 所提方法在高速列车牵引传动控制系统半实物仿真平台上进行了实验验证, 结果表明该方法可行有效.     

光纤通信网络中故障优化诊断方法仿真

在光纤通信网络故障诊断问题的研究中,为及时准确的诊断出光纤故障,对光纤通信网络故障的检测需根据光纤通光后的信号异常曲线变化,完成各种故障判断.但是,由于在长距离的光纤通信中,通光后的故障信号随着传输距离的扩大,会发生较大程度的衰减,造成故障信号曲线发生非正常形变.传统的光纤故障检测方法只能根据采集的信号的异常变化判断光纤故障,对于光纤故障信号的长距离衰减形变无法与正常故障信号进行区分,容易出现误判.提出一种利用光功率值监测方法的光纤故障诊断方法.根据OTDR发射的激光脉冲信号在光纤中的后向瑞利散射和菲涅尔反射对光纤通信网络的功率值进行监测,并将样本的光功率值数据进行均值化处理,获取准确的OTDR故障曲线,为故障点的定位提供准确的数据基础.综合OTDR接收到的反射光功率值变化情况,最终获取准确的光纤故障点的定位.实验结果表明,利用光功率值监测方法对光纤故障进行诊断,极大的提高了诊断结果的准确性,缩短了诊断时间.     

基于观测器的非线性不确定系统鲁棒故障检测新方法

针对非线性不确定系统的鲁棒故障检测问题,提出了一种采用统计理论的新方法.通过设计全阶故障观测器产生残差信号,将鲁棒故障检测观测器设计问题转化为H∞优化问题;利用H∞范数描述故障检测的鲁棒性,保证系统的抗干扰能力,同时引入H_范数,确保对故障信号的灵敏度;应用线性矩阵不等式技术给出了该设计问题解存在的条件和求解方法.将统计理论用于故障检测阈值的确定,充分考虑了残差信号的随机特性,使故障决策更加准确和可靠.最后通过仿真实例验证了本文方法的有效性.     

线性系统的鲁棒故障诊断

本文讨论了线性系统关于执行器故障的鲁棒诊断问题.应用混沌同步方法,能够将线性系统关于执行器故障的鲁棒诊断问题转化为极点配置问题或线性矩阵不等式的求解问题.该方法能够直接重构故障信息而不是通过产生和评价残差信号得到故障信息,从而避免了产生和评价残差信号的复杂性.     

电机故障诊断的仿真研究

研究电机故障诊断问题.针对电机信号具有非平稳和随机性特点,为保证电机运行的安全性,准确进行故障诊断,传统方法不能有效识别故障信号特征,导致故障识别准确率低,现提出一种基于小波分析和神经网络相结合的电机故障诊断方法.采用小波包变换技术对电机故障振动信号进行去噪处理,然后利用小波包分解系数计算各子频带能量值,根据能量值的变化构建故障特征向量,利用将特征向量作为RBF神经网络的输入进行故障识别,并在Matlab仿真平台上进行仿真.仿真结果表明方法提高电机故障诊断的准确率,有效克服了传统方法存在不足,同时缩短了电机故障诊断的时间.     

基于输出时滞方法的非均匀采样数据系统传感器故障检测(英文)

研究一般非均匀采样数据系统鲁棒传感器故障检测设计问题.首先,基于输出时滞方法将非均匀采样数据系统转换成具有时变时滞输出的连续系统;然后,选择故障检测滤波器作为残差产生器,并将故障检测设计问题描述成一个多目标优化问题,即连续时间过程噪声和离散时间测量噪声对残差信号的H∞范数小于一个给定值,同时传感器故障对残差信号的l2增益大于一个给定值,基于输入输出方法以矩阵不等式的形式给出该多目标优化问题有解的充分条件;进一步的,提出一个迭代算法来权衡噪声鲁棒性与故障灵敏度,并将矩阵不等式转换成可解的线性矩阵不等式.最后,对某型飞控系统的仿真实验验证了所提方法的有效性.     

Fuzzy-model-based robust fault detection with stochastic mixed time delays and successive packet dropouts

This paper is concerned with the network-based robust fault detection problem for a class of uncertain discrete-time Takagi-Sugeno fuzzy systems with stochastic mixed time delays and successive packet dropouts. The mixed time delays comprise both the multiple discrete time delays and the infinite distributed delays. A sequence of stochastic variables is introduced to govern the random occurrences of the discrete time delays, distributed time delays, and successive packet dropouts, where all the stochastic variables are mutually independent but obey the Bernoulli distribution. The main purpose of this paper is to design a fuzzy fault detection filter such that the overall fault detection dynamics is exponentially stable in the mean square and, at the same time, the error between the residual signal and the fault signal is made as small as possible. Sufficient conditions are first established via intensive stochastic analysis for the existence of the desired fuzzy fault detection filters, and then, the corresponding solvability conditions for the desired filter gains are established. In addition, the optimal performance index for the addressed robust fuzzy fault detection problem is obtained by solving an auxiliary convex optimization problem. An illustrative example is provided to show the usefulness and effectiveness of the proposed design method.     

Active fault detection based on set‐membership approach for uncertain discrete‐time systems

Active fault detection facilitates determination of the fault characteristics by injecting proper auxiliary input signals into the system. This article proposes an observer‐based on‐line active fault detection method for discrete‐time systems with bounded uncertainties. First, the output including disturbances, measurement noise and interval uncertainties at each sample time is enclosed in a zonotope. In order to reduce the conservativeness in the fault detection process, a zonotopic observer is designed to estimate the system states allowing to generate the output zonotopes. Then, a proper auxiliary input signal is designed to separate the output zonotopes of the faulty model from the healthy model that is injected into the system to facilitate the detection of small fault . Since the auxiliary input signal generation leads to a nonconvex optimization problem, it is transformed into a mixed integer quadratic programming problem. Finally, a case study based on a DC motor is used to show the effectiveness of the proposed method.     

融合诊断中信息容错性的证据重构方法

在基于证据理论的故障融合诊断过程中,错误的待融合信息会引起故障的漏诊.针对此类容错性问题,提出了一种证据重构方法,在已有的故障诊断识别框架的基础上,利用多传感器信号的方差计算信号的相对可靠程度,构造新的信度函数,对待融合证据进行了重新分配,以减少出错信息对融合结果的影响,同时对该方法中可调参数的选取原则进行了理论分析.融合诊断实验在隔振器硬件实验平台上进行,诊断对象为振动发散故障,针对的信息容错性问题为基础加速度信号断路情况.对比性实验及结果分析表明,采用该方法能够在单路信号传输出错的情况下及时诊断振动发散故障,增加了融合诊断系统的容错性.     

基于改进EEMD方法的轴承故障诊断研究

该文针对轴承故障诊断中信号处理的端点效应问题,提出基于极值波延拓与窗函数的改进集合经验模态分解EEMD方法。首先对原始信号进行极值波延拓,其次对延拓后的信号加入组合窗体,最后对信号进行EEMD分解,通过仿真验证改进EEMD方法的有效性。同时,进一步结合Hilbert变换建立了改进EEMD-Hilbert的轴承故障诊断模型,利用轴承故障的实测信号证明了该模型在提高轴承故障诊断效率方面有一定优势。     

基于信号特征提取和卷积神经网络的轴承故障诊断研究

轴承是机械设备主要零部件之一,也是机械设备主要故障零部件之一。轴承故障问题为机械设备的重点,机械设备的使用受到故障轴承的直接影响。针对传统的卷积神经网络算法轴承故障诊断效率低下问题,本文提出了一种基于信号特征提取和卷积神经网络的优化方法。首先对原始数据信号进行时域和频域的信号特征提取,获得有效的故障特征值。之后,使用卷积神经网络对提取的特征值进行故障诊断,完成故障分类。本文使用美国凯斯西储大学的滚动轴承振动加速度信号作为数据集,对提出的方法进行验证,得到的故障诊断平均准确率为74.37%,准确率的方差为0.0001;传统的卷积神经网络算法故障诊断平均准确率为65.6%;准确率的方差为0.0019。实验结果表明,相比传统的卷积神经网络,提出的方法对轴承故障诊断的准确率有显著的提高,并且该方法的稳定性更佳,计算时间更少,综合性能更佳。     

一类仿射型非线性系统智能故障诊断

针对一类仿射型非线性系统,在状态不完全可观测的条件下,研究其智能故障诊断问题.首先,利用微分同胚,提出系统观测器设计问题;然后针对该系统提出基于RBF神经网络逼近故障特性函数的故障诊断方法.所设计的观测器不仅能保证观测器稳定,而且通过观测误差信号识别系统故障的发生,保证了故障检测算法的鲁棒性和故障系统的稳定性;同时该设计方法对于设计常规的高增益观测器有一定帮助.最后通过仿真示例表明了所设计方法的有效性.     

基于北斗卫星通信的航天测控频段故障诊断系统设计

针对传统航天测控频段故障诊断方法受到信息传输时延影响而导致诊断精准度低的问题,提出基于北斗卫星通信的航天测控频段故障诊断系统设计;硬件结构设计了判断故障类型的波头信号检测模块;通过地面接收机接收卫星发出的微弱信号,计算本机晶振脉冲数,以此修改北斗卫星通信数据;利用北斗授时模块,保证了输出时间的准确性,避免了延迟问题;软件部分用逻辑推理设计航天测控频段故障诊断流程,并使用北斗卫星诊断技术,纠正误差;由实验结果可知,该系统信号线松动脉冲信号诊断结果与实际情况一致,陀螺输出角度量漂移与实际值一致,误差为0,具有精准诊断结果.     

基于UHF传感器与以太网的GIS局部放电监测系统设计

针对传统局部放电监测采样率低、信号易受干扰、不利于实时监测,而超高频（ UHF）传感器进行局放监测因设备通信速度慢、无法故障录波的问题,设计了一种基于UHF传感器与以太网的气体绝缘开关设备（ GIS）局部放电监测系统。该系统由一个主控采集系统和若干个传感器模块组成,传感器模块获取局部放电产生的UHF电磁波信号0.3～2 GHz,通过对数检波电路降频至2～10 MHz;主控采集系统采集该信号,通过SDRAM缓存后经以太网发送至变电站管理员,实现对GIS局部放电高速实时在线监测。测试实验结果表明：该系统功能强,速度高,工作稳定,监测范围广,当局部放电发生时,系统能实时发送报警信号,并可提供故障信号波形用以故障分析。10/100 M以太网通信实际速度可达500 kB/s,比传统的RS—485通信速度提高90倍以上。     

小波分析应用于直流系统接地故障检测

针对直流系统接地故障检测中常用的低频信号注入法容易受到各支路电缆中存在的对地电容的影响这一问题,提出了利用小波分析实现故障信号特征的提取的方法。分析了低频信号注入法的原理及存在的缺陷,针对其故障信号的特点,提出了基于小波变换的直流系统接地故障检测方案。基于小波去噪的原理,通过选择适当的小波函数,对支路电流信号进行分析和处理。经过仿真实验分析。表明该方法可以克服对地电容对接地故障检测的不利影响,完成故障信号分析,实现故障支路的准确定位。     

桥梁数据异常诊断方法在伸缩缝监测中的应用

针对由桥梁结构损伤和监测系统传感器故障引起的桥梁数据异常诊断问题,提出了一种基于主成分分析和超球面一类支持向量机的桥梁数据异常诊断方法。首先,对原始信号进行预处理和小波阈值去噪,然后,统计信号的时域、频域及自回归模型系数特征,利用主成分分析进行特征提取获得重要特征,最后,利用超球面一类支持向量机进行异常模式识别。通过江阴大桥伸缩缝相关监测数据表明,该方法可以较好识别和伸缩缝相关的数据异常,防止监测系统误报漏报的发生。