基于自学习采样粒子滤波器的不完备故障空间交互诊断方法

针对不完备空间混合系统,提出一种基于自学习采样粒子滤波器(SLSPF)的交互诊断方法.融入自学习采样机制,利用自学习即时概率指导采样,以摆脱粒子滤波器对转移概率的依赖;结合自学习采样与诊断的动态交互方式调整模式空间,使粒子滤波器采样粒子数动态减少;同时给出了不完备信息空间的真实模式与未知模式阈值的决策条件.实验结果表明,尤其在高维状态空间下,SLSPF不仅可以保证粒子滤波器的诊断精度,而且能够提高计算效率.     

粒子滤波器在移动机器人故障诊断中的应用

针对移动机器人存在的8种不同模式,引入粒子滤波器算法,用于解决移动机器人系统故障诊断问题。基于粒子滤波器的故障诊断算法,通过一组带权值的粒子估计系统状态,计算故障状态的分布情况和故障发生的概率,从而判断是否发生故障以及所发生的故障类型。对粒子滤波器在移动机器人故障诊断中的应用进行仿真实验,并与CMAC神经网络故障诊断方法比较。实验结果表明,采用该方法能有效诊断移动机器人的故障模式,与CMAC神经网络故障诊断方法相比具有优越性。     

随机逼近自适应滤波在捷联惯导系统初始对准中的应用

对于测量噪声方差未知的捷联惯导系统(SINS),采用常规Kalman滤波进行初始对准会造成较大状态估计误差,甚至使滤波器发散。为了解决系统测量噪声方差未知或不确切知道时SINS的误差估计问题,提出一种基于随机逼近的自适应滤波方法。该方法将Robbins-Monro算法与Kalman滤波相结合,通过简化求逆运算,解决了系统观测噪声特性未知情况下SINS的误差估计问题,并提高了算法的数值稳定性。仿真结果表明,该方法能在系统测量噪声方差未知情况下有效实现SINS初始对准。     

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.     

一种基于简单自适应控制的闭环H_∞滤波算法的验证与改进

采用固定积分变量的方法,对基于简单自适应算法(SAC)的闭环H∞滤波算法进行了改进,增强了经典H∞滤波的动态跟踪特性,确保了该算法的稳定性,同时初步分析了这种新算法提高鲁棒性的原理.通过建模仿真及比较分析表明:与常规H∞滤波器相比,当建模误差存在或者系统模型统计特性未知时,采用改进的简单自适应算法H∞滤波器能够改善滤波的动态特性,降低H∞滤波器对噪声的敏感性,精度更高.     

带未知通信干扰和丢包补偿的多传感器网络化不确定系统的分布式融合滤波

研究了带有未知通信干扰、观测丢失和乘性噪声不确定性的多传感器网络化系统的状态估计问题.通过白色乘性噪声描述系统状态和观测中的随机不确定性,采用一组服从Bernoulli分布的随机变量描述网络传输过程中存在的观测丢失现象,且数据传输中存在未知的网络通信干扰.当发生丢包时,以当前丢失观测的预报值进行补偿.对每个单传感器子系统,应用线性无偏最小方差估计准则设计了不依赖于未知通信干扰的最优线性滤波器.推导了任两个局部滤波误差之间的互协方差阵.进而,应用矩阵加权融合估计算法给出了分布式融合状态滤波器.仿真例子验证了算法的有效性.     

线性时滞系统故障检测滤波器设计H∞优化方法

研究一类线性时滞系统的基于观测器的故障检测滤波器设计问题.通过对线性时滞系统进行广义坐标变换,得到了只包含输入、输出时滞,无状态时滞的新的系统表达形式.在此基础上,选用基于观测器的故障检测滤波器作为残差产生系统,使得到的残差动态方程为仅包含未知输入时滞和故障时滞的线性时不变形式,进而可应用已取得的线性时不变系统故障诊断研究成果设计故障检测滤波器.同时给出一种线性时滞系统故障检测滤波器设计的H∞优化设计方法,并通过算例验证了所提方法的有效性.     

基于Monte Carlo方法的自适应多模型诊断

多模型混合系统的模型切换服从有限状态的Markov链,其转移概率通常假定是已知的.当模型转移概率未知的时候,本文基于Monte Carlo粒子滤波器给出了混合系统状态估计的一种自适应算法.该算法假定未知的转移概率先验分布为Dirichlet分布,首先通过采样得到一组模型序列的随机样本,利用其中状态的转移次数计算先验转移概率,使用量测信息对样本更新选择后,获得模型转移概率的一种迭代的后验估计值,同时由粒子滤波器得到系统状态和模型概率的后验估计.将该方法用于混合系统的状态监测和故障诊断,仿真结果表明了算法的有效性.     

基于粒子滤波与线性自回归的故障预测算法

粒子退化是粒子滤波在故障预测应用中存在的主要问题.针对粒子滤波算法样本贫化问题,提出一种基于粒子滤波与线性自回归的故障预测算法.在算法的状态估计阶段,使用混合状态系统模型和粒子滤波算法对系统状态的概率密度函数进行估计,并实时给出故障发生概率;在算法的状态预测阶段,采用线性自回归模型对故障征兆随时间的演化情况进行估计及修正,同时给出剩余使用寿命的概率密度函数.故障预测仿真实验结果证明了算法的有效性.     

基于随机摄动粒子滤波器的故障预报算法

针对粒子滤波算法在故障预报中的大计算量和粒子退化问题,提出一种基于随机摄动粒子滤波器的故障预报算法.当粒子退化严重时,对粒子用随机摄动方式进行再采样,一方面可改进样本的多样性,缓解粒子退化;另一方面可缩短再采样时间,减少计算量,从而提高粒子滤波算法的跟踪能力.仿真结果表明该算法可行,能及时准确地对系统故障进行预报.     

一种非线性非高斯随机系统的故障诊断方法

针对非线性非高斯随机系统在线故障诊断的问题,运用粒子滤波器提出了一种基于方差自适应粒子滤波器的非线性非高斯随机系统的故障诊断方法,可以用来解决系统的参数偏差型故障诊断问题。通过对连续搅拌釜式反应器(CSTR)的仿真研究,可以看出,该算法实现简单,易于对系统进行在线估计,对于发生缓变和突变的参数偏差型故障的检测与估计均较为有效。     

An adaptive particle filter for soft fault compensation of mobile robots

Soft fault compensation plays an important role in mobile robot locating, mapping, and navigating. It is difficult to achieve fast and accurate compensation for mobile robots because they are usually highly non-linear, non-Gaussian systems with limited computation and memory resources. An adaptive particle filter is presented to compensate two kinds of soft faults for mobile robots, i.e., noise or factor faults of dead reckoning sensors and slippage of wheels. Firstly, the kinematics models and the fault models are discussed, and five kinds of residual features are extracted to detect soft faults. Secondly, an adaptive particle filter is designed for fault compensation, and two kinds of adaptive scheme are discussed： 1） the noise variances of linear speed and yaw rate are adjusted according to residual features; 2） the particle number is adapted according to Kullback-Leibler divergence （KLD） of two approximate distribution denoted with two particle sets with different particles, i.e., increasing particle number if the KLD is large and decreasing particle number if the KLD is small. The theoretic proof is given and experimental results show the efficiency and accuracy of the presented approach.     

A Novel Fuzzy Approach for State Estimation of Nonlinear Hybrid Systems Using Particle Filtering Method

Reliable state estimation is challenging for nonlinear hybrid systems. Particle filtering has emerged as an appealing approach for online hybrid state estimation. Mode detection in nonlinear hybrid systems is, however, a troublesome issue for the conventional particle filter mainly due to sample impoverishment. The problem is also exacerbated when dynamics that govern healthy or faulty modes are close together. False mode detection consequently leads to erroneous continuous state estimation. This paper proposes a novel fuzzy‐based particle filter to reduce continuous state estimation errors due to failures in mode detection. It is fulfilled by considering a fuzzified contribution of each feasible mode in overall estimation. In addition, two new resampling strategies are presented to tackle the degeneracy problem. A set of simulation test studies are conducted to extract the characteristic features and evaluate the performance of the proposed algorithm compared to observation and transition‐based most likely modes tracking particle filter (OTPF) as one of the most meticulous proposed estimation algorithms. The simulation results demonstrate the superior efficiency of the algorithm in dealing with the considered potential estimation problems.     

分布式随机离散事件系统的模式故障预测EI北大核心CSCD

本文以随机自动机为模型,研究分布式随机离散事件系统的模式故障预测问题.首先根据分布式随机离散事件系统的分布特性对模式故障协同可预测性概念进行形式化,并通过构造模式故障识别器来识别系统中发生的模式故障.然后,构造一个模式故障协同预测器,提出一种基于协同预测器的具有多项式复杂度的算法,得到关于分布式随机离散事件系统模式故障协同可预测性的充分必要条件,实现对分布式随机离散事件系统的模式故障预测.     

分布式系统故障卷回恢复技术研究与实践

对时间要求苛刻的系统对可靠性的要求愈来愈高,尤其是在一些至关重要的领域如国防、航天技术等。本文介绍了分布式系统故障卷回恢复的关键技术。     

未知环境中移动机器人故障诊断与容错控制技术综述

以我国月球探测为研究背景,以轮式移动机器人为研究对象,介绍了在外星球表面等未知环境中进行深空探测的移动机器人的故障模型和传感器误差模型,分析了未知环境中移动机器人故障诊断与容错控制的特点.在此基础上综述了国内外在该领域的研究进展和主要方法,包括基于多模型的方法、基于粒子滤波器的方法、基于传感器信息融合的方法以及层次容错结构等. 最后,总结了该领域待解决的几个难点问题,并对该研究领域的发展趋势进行了展望.     

基于IPSO-BP神经网络的变压器故障诊断方法

标准粒子群优化(PSO)算法对惯性权重采取简单的线性衰减方案, 无法获得全局最优点. 为了弥补该方法的缺陷, 提出了一种改进的粒子群优化(IPSO)算法, 并将该算法与误差反向传播神经网络(BPNN)相结合, 进而提出一种基于IPSO-BPNN的变压器故障诊断新方法. 该方法将单个粒子连续被选为最优解的次数作为自适应变量, 并根据粒子的性能分类结果, 自适应地调整各粒子的惯性权重, 从而达到平衡局部和全局搜索能力的目的. 大量仿真表明该算法性能明显优于基于BPNN和PSO-BPNN的变压器故障诊断系统,     

一类不确定广义系统的分散容错控制

讨论一类不确定广义系统分散容错控制器设计问题.首先利用线性矩阵不等式(LMI)设计分散状态反馈控制器,使得广义系统执行器未出现故障时渐近稳定;接着针对广义系统的部分执行器出现故障的情况设计分散状态反馈控制器,使得闭环广义系统渐近稳定;进而利用LMI设计广义系统在分散状态反馈作用下具有完整性的容错控制器;同时对传感器故障情形设计了广义系统在分散输出反馈作用下具有完整性的容错控制器,得到了不确定广义系统关于执行器和传感器的分散容错控制器设计的方法.将所设计的控制器用于实际电子网络系统,验证了所提出方法的有效性.     

高可用实时系统中故障检测及故障恢复技术的研究

随着国防、航天等今天对系统的可用性和实时性的要求不断提高,如何保证这些应用系统的高可用及强实时,成为一个亟待解决的问题。本文论述了高可用实时系统听故障检 测及故障恢复技术。     

Fault estimation and fault tolerant control for linear stochastic uncertain systems

This article investigates the fault estimation and fault tolerant control (FTC) problems for linear stochastic uncertain systems. By introducing the fictitious noise, the fault is augmented as part of the systems state, and then a robust estimator is proposed to simultaneously obtain the state and fault estimation. Based on the estimated information, the active FTC is presented to eliminate the impact of the fault. Finally, a simulation example is conducted to demonstrate the effectiveness of our main method.