广义系统的有限频域故障估计器设计

针对具有执行器故障和未知扰动的线性广义系统,提出一种新的故障估计器设计方法.所设计的故障估计器具有非奇异结构,便于实现.在故障频域范围有限的条件下,为了抑制未知扰动和有限频域故障对故障估计误差的影响,基于广义Kalman-Yakubovich-Popov(KYP)引理给出了故障估计器的鲁棒性设计条件,并将其转化为方便求解的线性矩阵不等式形式.最后,通过一个电路系统的仿真算例验证了所提出方法的有效性.

基于LMI的ROV执行器故障艏向容错控制

针对无人潜水器(remotely operated vehicle,ROV)的执行器故障问题,提出了一种基于线性矩阵不等式(linear matrix inequality,LMI)的鲁棒控制补偿修复方法。首先,建立了ROV 4自由度动力学模型,并对艏向模型进行线性化;利用自适应故障估计器对执行器故障大小进行估计,并对控制量进行实时补偿;基于反步法和鲁棒控制技术对其进行控制策略设计;最后,采用Lyapunov相关理论验证了控制系统的稳定性。仿真结果表明,当执行器控制输入效率损失30%时,经过补偿修复后超调量下降13.98%,稳定时间减少50%;当控制输入效率损失40%时,修复后的超调量下降6.65%,稳定时间减少22.86%;实验结果表明,控制方法可在发生故障后40 s内恢复稳定状态,偏航角稳态误差约为±2°。因此,所提出的故障补偿修复策略能够降低对艏向控制的影响程度,保障ROV的稳定控制,并为水下机器人容错控制提供了一种新思路。

基于故障跟踪估计器的故障诊断新方法

针对线性时不变系统提出了一种基于故障跟踪估计器的故障诊断新方法。首先引入一个可调参数,称作虚拟故障,构建线性时不变系统的故障跟踪估计器。然后,设计迭代学习算法,在选取的优化周期内通过反复迭代学习运算来动态调节虚拟故障,使之估计出系统中实际发生的故障。该方法可以同时检测和估计出系统中发生的故障,而且和发生的故障类型无关。最后,在垂直升降飞行器的线性化模型上进行了仿真研究,仿真结果表明了所设计算法的可行性和有效性。

一类基于状态估计的非线性系统的智能故障诊断

针对一类含有建模误差的非线性系统,研究了基于状态估计的智能故障诊断方法.首先提出一种状态估计器设计方法;然后在进行状态估计的同时用RBF神经网络来逼近系统所发生的故障.故障估计器的输入为系统的状态估计,所估计出的故障既可用作故障容错控制,也可用作报警.根据微分同胚,将含有建模误差的非线性系统变换为易于分析的规范形式,并在此基础上分析了故障诊断系统的稳定性和鲁棒性.仿真例子证明了该方法的有效性.

基于观测器的故障诊断技术的鲁棒性

基于观测器的动态系统故障诊断技术的可行性和应用性,关键是对系统不确定性因素具有良好的鲁棒性.根据基于观测器的故障诊断系统鲁棒性的特点,强调通过增加观测器自身的鲁棒性,提高线性不确定系统的故障诊断鲁棒性,并对利用未知输入观测器方法增强鲁棒性进行讨论.提出估计复合故障的一种新的复合故障估计器的设计方法,给出其存在条件以及理论证明,并提出相应的算法.

非线性状态估计在网络故障数据检测中的应用

在网络故障数据检测中,在使用传统的方法检测网络故障时,由于故障参数易受外界干扰因素的影响,稳定性差,表达方式过于单一,造成故障检测准确率低。提出一种采用非线性状态估计算法的网络故障数据检测方法。设计在线神经估计器,运用综合方法不断更新神经网络的参数,在线估计故障向量,通过判别逻辑完成网络故障检测,当检测出网络故障后,应用在线补偿控制器,完成控制律重构。无故障发生时,采用常规网络故障控制器;当有故障发生时,引入补偿控制器,保证网络系统正常运行。仿真结果证明,利用改进算法进行网络故障数据检测,检测精准度与效率都有了明显的提高。

基于自适应模糊估计器的卫星容错控制系统

针对姿态控制系统出现故障对卫星稳定性和控制性能的不利影响,本文提出了一种基于自适应模糊故障估计器的全局动态滑模变结构容错控制算法。设计了一个自适应模糊估计器对系统中的故障函数在线进行估计,通过将估计所得的故障函数引入控制律中,对未知故障进行补偿。为了使得系统响应对外部干扰具有全局鲁棒性,本文为控制器设计了一种全局动态滑模面。采用Lyapunov方法证明了在线故障估计器和控制器的稳定性,并通过仿真进行了验证。仿真结果表明,故障估计器能够很好地对故障进行估计,保证控制器在故障情况下具有良好的动态性能;控制器对某卫星具有良好的控制精度,并且对外界干扰有较强的鲁棒性。

一类状态不可测非线性时滞系统的神经网络故障诊断

针对一类状态不可测的非线性时滞系统,提出了基于神经网络故障诊断的新方法.采用系统的状态和时滞状态的估计值作为神经网络的输入对故障进行估计.首先构造一种状态观测器结构,利用输出信息和神经网络的非线性逼近能力对系统不可测状态进行估计,然后对系统发生的故障用另一个RBF神经网络进行估计,故障估计器的输入为系统的当前估计状态以及时滞状态,所估计出的故障是随时间变化的非线性函数.基于Lyapunov理论,分析并证明了系统的稳定性和参数收敛性,同时作了仿真研究.仿真结果表明,该方法能够很好地解决一类状态不可测的非线性时滞系统的故障诊断问题.

高压直流输电系统故障诊断新方法

提出了一种新的故障跟踪估计器来诊断高压直流输电(HVDC)系统中的故障。考虑到随机噪声对测量结果的影响,首先采用协同(Consensus)滤波器对HVDC系统的输出滤波,然后根据HVDC状态方程引入一个新的参数——虚拟故障,来构建故障跟踪估计器。根据预测控制中的滚动优化思想,选取优化时域,并根据故障跟踪估计器的输出电压和HVDC实际电压的差,通过反复迭代运算来调节虚拟故障,使虚拟故障逼近系统中实际发生的故障,从而对故障进行分类。与基于神经网络等方法的故障诊断不同的是,该设计方法不但可以检测出故障,还可以估计出故障函数,针对不同类型的故障也可以很好地进行诊断。最后针对不同类型故障的仿真结果表明了该算法的可行性和有效性。

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.