多传感器故障检测与隔离的残差产生器设计方法研究

为了解决多传感器故障检测与隔离这一难题,建立了包含卡死、增益时变和偏差时变等三种典型传感器故障的数学模型.借助输出方程,将待检测的传感器故障转换到系统状态方程中进行处理.设计出既能检测出故障,又能将各个故障进行有效隔离的残差产生器,同时还要给出设计残差产生器过程中未知参数的求解方法.用算例对上述设计结果的有效性进行计算机仿真验证.

汽车主动悬架传感器故障检测与隔离研究

针对汽车主动悬架(Active Suspension System,ASS)传感器卡死、增益变化、恒偏差常见故障,提出一种故障检测与隔离方法(Fault Detection and Isolation,FDI)。建立主动悬架4自由度半车模型和传感器故障时故障悬架模型,在利用故障检测滤波器获得主动悬架输出残差的基础上,设计故障检测指标,计算故障检测指标实时值并于阈值比较,实现传感器故障定量化检测。利用Kalman滤波器组获得主动悬架状态估计信息,选取合适二级决策变量构造故障隔离决策函数,根据决策函数对故障响应敏感情况隔离故障传感器。Matlab/Simulink仿真实验结果与分析表明:故障检测指标实时值大于等于阈值0.5时,可定量化检测出主动悬架传感器故障;同时,相对其他二级决策变量出现明显大幅跳跃性波动的二级决策变量,对应传感器被隔离为故障传感器。该方法能有效实现汽车主动悬架传感器故障检测与隔离,优化悬架设计,提高车辆控制可靠性和使用安全性。

对特定传感器故障敏感的最优奇偶向量检测与隔离方法

提出了一种利用对特定传感器故障敏感的最优奇偶向量进行故障检测与隔离的方法。主要思想是设计一个性能指标函数，使得最优奇偶向量对被检测的传感器故障最敏感，而对其余传感器故障和未知输入不敏感。与常用的广义似然比方法相比，该方法明显地提高了故障的检测能力，此外，对故障的隔离效果也更好。

多传感器故障检测与隔离算法

在系统状态、执行器及传感器故障检测与隔离的问题研究过程中,对传感器故障的检测与隔离难度最大,而针对欠量测系统和传感器冗余系统中传感器故障检测与隔离问题难度更大。为此,首先建立了包含卡死、增益时变和偏差时变3种典型传感器故障的数学模型;其次,借助输出方程,将待检测的传感器故障转换到系统状态方程中进行处理,对欠量测系统转换结果不唯一这一问题,分别采用最小二乘和基础解系的方法进行处理,对传感器冗余系统,通过两次利用系统状态,分别构造两个并行运行的残差产生器;然后,设计出既能检测出故障,又能将各个故障进行有效隔离的残差产生器;最后,用算例对上述设计结果的有效性进行计算机仿真验证。

基于观测器的传感器故障检测与信号重构方法

针对含未知有界干扰输入的线性系统进行传感器故障检测研究.通过对输出信号进行非奇异线性变换,将传感器故障等效转化为执行机构故障,提出对干扰具有鲁棒性、对故障具有敏感性的残差生成方法,设计滑模观测器进行残差估计,实现对传感器故障的检测,得到对传感器故障信号的精确估计,并实现对传感器信号的重构.基于飞机纵向小扰动模型,对于传感器的缓变偏差、突变偏差、完全失效和反相等故障的信号重构仿真结果都表明了该方法的有效性.

传感器和执行器故障检测与隔离方法

设计构造一种基于观测器的故障检测与定位方法,该方法对多输入多输出随机系统中传感器和执行器同时发生的故障或分别发生的故障进行检测和定位.为确定故障位置,先将原系统按传感器个数划分成若干子系统,使每个子系统与特定的传感器故障不相关而与其他传感器故障相关,再为每个子系统设计一个观测器,使其对特定的执行器故障不敏感而对其他执行器故障的敏感度最大.由此,利用观测器的信息统计量,经逻辑判别便可确定系统中传感器或执行器故障位置.

电源车传感器故障检测和数据重构方法

针对电源车由于运行环境复杂而容易发生传感器故障的问题,提出了一种基于时空相关性的传感器故障检测和数据重构方法。针对单个传感器运行数据的时序关系特征,借助具有选择与遗忘机制的极限学习机(SF-ELM)建立了电源车传感器时间序列预测子模型,并据此实现对电源车传感器的故障检测;针对已检测的故障传感器,利用不同传感器之间的空间相关性,通过冗余度分析,使用改进后的互信息熵筛选出与故障传感器数据相关性较高的辅助传感器数据,实现对故障传感器失效数据的在线重构;通过仿真验证了所提方法在电源车传感器故障检测和数据重构中的可行性与有效性。

一种欠量测系统传感器故障检测与隔离方法

为了解决欠量测系统传感器故障检测与隔离这一难题,在对传感器故障进行合理建模的基础上,首先,借助输出方程,利用最小二乘和基础解系的方法,将传感器故障特征转换到系统状态模型中;然后,提出一种残差产生器的设计方法并给出其参数求解方法;最后,用算例对上述设计结果的有效性进行计算机仿真验证。

基于迭代PCA的油田传感器故障检测与隔离

针对油田采油现场采集的传感器数据本身存在不规律动态特性,使得传统的主元分析(PCA)故障检测方法在实际应用中准确度较低、容易出现误报的问题,采用一种迭代PCA模型方法,即累积数据达到一定长度之后对PCA模型进行迭代更新,可以有效地减小误报的发生.检测出故障后,利用故障数据和残差向量的映射向量定义一个传感器故障指数,可以实现故障隔离.仿真实验表明,与传统的PCA方法相比,本文所采用的更新PCA模型的迭代方法能更好地适用于数据具有动态特性的油田传感器故障检测;通过对传感器故障指数的计算可以准确地实现故障隔离.实验表明,本文用的传感器故障检测与隔离方法可以很好地应用在实际系统中.

控制力矩陀螺高速转子霍尔传感器故障检测与重构

控制力矩陀螺高速转子通常采用无刷直流电机作为驱动电机,采用霍尔位置传感器对电机磁极位置进行检测。为提高其运行可靠性,提出一种变转速情况下的霍尔故障检测和信号重构方法,该方法考虑了霍尔传感器安装误差和转速的变化,采用霍尔信号的占空比预报下一个电角度周期内6个霍尔脉冲的宽度,从而对故障进行诊断,并对故障信号进行重构,故障检测和重构均在FPGA中完成。该方法实现简单,故障角小,可实现霍尔信号故障和非故障下的无痕衔接,对于稳速也同样适用。实验结果表明,该方法是有效的。

电控空气悬架系统高度传感器故障检测与隔离研究

为解决电控空气悬架在车身高度调节过程中,因高度传感器故障所致车身高度调节混乱问题,本文采用Matlab/Simulink软件,建立了含四支高度传感器及其典型传感器故障的电控空气悬架系统参数化整车悬架仿真模型,并采用Stateflow软件,建立控制策略状态机模型,实现车身高度在高位、中位、低位三种位置的实时调节。同时,针对高度传感器典型故障,采用信息数据冗余设计思想,综合利用车身俯仰角与侧倾角两种信息,对四支高度传感器进行状态估计,实现对传感器故障的检测与隔离。为验证所提出的故障检测指标在各种工况下的不同表现,对电控空气悬架系统高度传感器各种典型故障工况进行仿真分析。仿真结果表明,所提策略能够快速有效地实现电控空气悬架高度传感器的故障检测与隔离,可提高电控空气悬架系统的可靠性和稳定性。该研究具有一定的实车应用前景。

高速列车双通道速度传感器故障检测与隔离研究

高速列车双通道速度传感器在随列车高速运行时受粉尘、振动、温度变化等因素影响,易出现车轴故障检测虚漏警或误诊等问题。现阶段工程中常利用测试对比等方法检测速度传感器状态,但无法及时监测且易产生虚报警。因此,利用改进主元分析法(PCA)和改进重构贡献图法(IRBCP)建立全新的速度传感器故障检测隔离系统。首先,利用可检测故障幅值选择合适的故障检测统计量并细化,再利用基于组合最大化思想的改进重构贡献图法,确保单故障、多故障均可隔离。以高速列车双通道速度传感器为例,实验验证了所提的策略能够满足常见速度传感器故障的检测隔离需求,准确有效。

航空发动机控制系统多传感器软故障检测研究

一般认为两个以上传感器同时发生故障的概率较小,但实际上不能排除其发生的可能性;提出了一种改进的多重故障假设方法来解决航空发动机控制系统多传感器同时发生软故障的问题,这一方法采用一组卡尔曼滤波器,每个滤波器对应一个被检测传感器的故障模态;采用残差加权二乘方处理滤波残差并与门限值作比较来判断是否发生故障;仿真结果表明,所提出的方法能有效解决多传感器软故障的检测与隔离问题。

采用序列概率比方法检测航空发动机传感器软故障

提出基于卡尔曼滤波和序列概率比方法进行某型涡扇发动机控制系统传感器软故障检测新方法.研究了采用修正的序列概率比方法处理滤波残差,检测传感器软故障;并将该方法与残差加权二乘算法WSSR(Weighted Sum of Squared Residual)检测传感器软故障过程进行了对比.仿真结果表明,序列概率比方法较WSSR法所需决策时间短,适合于航空发动机传感器软故障检测.

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。

电力系统中的故障检测与隔离技术

为了改善电力系统的稳定和可靠运行,本文提出了一种新型的故障检测和隔离方法。论文首先对电力系统的基本概念、故障类型和目前的研究现状进行了较为全面的阐述。并对自动隔离系统、智能断路器和隔离开关以及先进的通讯技术进行了研究。结合上述研究成果,给出了该系统的体系结构,并对其数据流程程、通信协议等进行了深入的研究,对系统的性能进行了评估,证明了该方法能够有效地提高缺陷的检测精度,并且能够有效地进行隔离。通过本项目的研究,将为我国电力系统优化改造提供新的思路和方法。

基于深度学习的航空传感器故障诊断方法

为解决传统神经网络进行传感器故障诊断时存在的过拟合、泛化能力有限等问题,提出一种基于深度置信网络观测器的航空传感器故障诊断方法。利用深度置信网络替代浅层神经网络,在优化网络结构的基础上,给出深度置信网络隐层节点数选取的递推公式,构建深度置信网络状态观测器。离线训练时,利用飞行数据训练深度置信网络观测器。在线诊断时,通过比较观测器输出值与实际输出值判断故障类型,并给出3种故障隔离与信号重构方法。仿真结果表明,与BP神经网络观测器相比,该方法能够快速准确地进行故障诊断与隔离,并且完成信号重构。

基于CA-CMAC的快速传感器故障诊断方法

针对动态系统的在线故障诊断问题,将信度分配小脑神经网络CA-CMAC(Credit Assigned Cerebellar Mod-el Articulation Controller)应用于主元分析模型,实现多传感器在线故障检测与隔离.首先,应用传感器正常工作时测量的历史数据,由主元分析模型得到所有传感器的预测值;接着计算传感器系统的均方预期误差值SPE(Squared Predic-tion Error),由SPE值的变化,判定是否发生故障,根据重构单个传感器信号的SPE值来隔离故障传感器;最后应用一个多传感器故障诊断仿真实例说明了该算法的可行性,并通过与误差反传BP(Back Propagation)神经网络和常规小脑神经网络CMAC(Cerebellar Model Articulation Controller)进行比较,说明了基于CA-CMAC的主元分析模型的优越性.

神经网络主元分析的传感器故障诊断方法

针对多传感器故障诊断问题,将神经网络引入主元分析(principal component analysis,PCA)模型之中,提出一基于主元分析的多传感器故障诊断模型。首先,应用传感器正常工作时测量的历史数据,由PCA模型得到所有传感器的预测值。其次,计算传感器系统的平方预期误差值(squared prediction error,SPE),根据系统的SPE值是否跳变,判定有无故障发生。通过分别重构单个传感器信号的SPE值来确定发生故障的传感器。最后,应用一个多传感器故障诊断仿真实例证明了该方案的可行性。

冗余传感器故障诊断的最优奇偶向量法与广义似然比检验法的等效性

通过分析用于冗余传感器量测系统故障检测与隔离(FDI)的广义似然比检验(GLT)方法和最优奇偶向量检验(OPT)方法,指出用OPT方法进行FDI所存在的问题,并进行修正。证明了GLT方法和修正后的OPT方法进行FDI是完全等效(一致)的。