基于Gridsearch-SVM梯形区域极点分类的故障诊断

针对一类线性定常系统,基于梯形区域极点配置,给出了执行器部件故障诊断的一种方法。首先,利用极点观测器,通过测量系统的状态,得到极点的动态信息;其次,根据模拟各通道执行器故障,实时采集闭环系统的极点信息,形成极点分类数据库;最后,利用支持向量机算法(Support Vector Machine,SVM)根据不同通道发生故障时极点所处位置不同,设计极点分类器,对极点进行分类,实现对系统的故障诊断。针对SVM中惩罚因子和核宽度系数需要依靠先验知识的缺陷,采用Grid search优化其参数,缩小寻优范围。仿真结果表明设计方案的可行性以及故障诊断的有效性。

基于SVM极点分类的故障诊断与可靠控制

利用SVM分类技术,针对系统故障极点进行分类,利用网格搜寻法,实现对不同故障极点的分类进而实现对系统故障的检测和诊断,为了实现对系统极点变化的实时监测,给出了通过系统状态估计系统极点的新方法.在给出故障诊断的基础上,同时给出了针对相应故障的可靠控制器的设计.最后通过数例验证极点观测器对极点估计的准确性和故障诊断的准确性及可靠控制的有效性.