Unknown Input Extended Kalman Filter and Applications in Nonlinear Fault Diagnosis

未知输入观察员是为线性系统的柔韧的故障诊断的最著名的策略之一，但是非线性的案例上的研究不是足够的。在另一方面，当非线性的确定的系统的一个观察员最近被导出，扩大 Kalman 过滤器(EKF ) 在非线性的评价，和它的集中是著名的。由联合 EKF 和未知输入 Kalman 过滤器，我们建议一个柔韧的非线性的评估者把未知输入称为 EKF (UIEKF ) 并且用线性矩阵不平等(LMI ) 在一些温和条件下面作为一个非线性的柔韧的观察员证明它的集中。一个三坦克的系统的模拟“ DTS200 ”，在工艺程序的控制的一个基准，基于 UIEKF 与不确定性，和故障诊断为非线性的系统作为一个观察员表明 UIEKF 的坚韧性和有效性被发现成功。

基于结构随机场的桥梁移动荷载统计矩识别

由于结构、材料不确定等因素,桥梁结构往往具有随机性,因此,基于桥梁结构的响应识别得到的桥梁所受移动荷载也是不确定的,但相关研究还较少。为此,本文研究桥梁结构为空间随机场的情况下,有效识别移动荷载的统计矩。提出的识别方法基于桥梁结构随机场的Karhunen⁃Loeve(KL)展开、未知输入的卡尔曼滤波与改进的两点估计法的结合。桥梁结构参数为空间相关的随机场,通过KL展开将随机场转化为多随机变量的组合。在多随机变量下的不确定传播中,利用改进的两点估计法,将识别移动荷载统计矩问题转化为若干个确定性识别移动荷载识别的逆问题。采用未知输入的卡尔曼滤波进行确定性识别移动荷载,可有效估计识别移动荷载的统计矩。通过数值模拟算例验证了提出的估计方法的有效性。

含未知输入不确定系统的扩展递归滤波算法

对一类具有未知输入、乘性噪声和量测丢失的不确定系统的扩展递归滤波问题进行研究。其中,实际系统存在时变性和不确定性的情形通过乘性噪声描述;量测丢失现象用服从伯努利分布且统计特性已知的随机序列表示;先验信息未知的外界干扰以未知输入的形式存在于系统方程和量测方程中。综合考虑上述因素,首先,利用传统的递归滤波性质和线性无偏最小方差估计准则,设计一种能同时估计系统状态和未知输入的扩展递归滤波器;然后,采用加权最小二乘优化理论和拉格朗日乘子法求取滤波器中待定的增益矩阵;最后,通过数值仿真实验验证了该算法的有效性。

一种基于最优未知输入观测器的故障诊断方法

针对含有未知输入干扰和噪音的不确定动态系统,使用全阶未知输入观测器(Unknown input observer,UIO)来消除干扰项,实现状态估计,结合Kalman滤波器算法来求解状态反馈矩阵,以使得输出残差信号的协方差最小,从而增强系统对噪声的鲁棒性,实现了一种基于最优未知输入观测器的残差产生器.采用极大似然比(Generalized likelihood ratio,GLR)的方法对残差信号进行评估,通过设定的阈值来提高诊断率.最后以风力发电机组传动系统出现加性传感器故障和乘性传感器故障为例,进行了残差信号的仿真,仿真结果说明了该方法的有效性.

基于UIO/双KF的4WID-EV驱动轮纵向力估计

四轮独立驱动电动汽车(4WID-EV)能独立实现4个轮胎纵向力的控制与分配,实时保证电动汽车的最佳运行状态。基于单个驱动轮的动力学和轮毂电机特性建立了驱动轮模型,采用电流、电压、转速等常用参数设计轮胎纵向力估计模型。考虑系统结构参数的不确定性和传感器噪声干扰,将驱动轮纵向力估计与干扰分离,基于卡尔曼滤波算法,设计了驱动轮纵向力-未知输入观测器。仿真和台架道路模拟试验结果表明,设计的观测系统能实时估计驱动轮纵向力,且具有较高的估计精度和抗干扰性,能满足四轮独立驱动电动汽车动力学控制要求。

输入未知条件下基于自适应广义卡尔曼滤波的结构损伤识别

发展一种输入未知条件下的自适应广义卡尔曼滤波(Adaptive Extended Kalman Filter with Unknown Inputs,AEKF-UI)方法,在线复合反演系统参数与未知输入,结合基于改进粒子群优化算法的自适应技术实现系统时变参数追踪,进而识别结构损伤,包括损伤发生的时间、位置和程度。建立基础隔震结构实验模型及理论模型,其中隔震层的非线性动力学特性通过Bouc-Wen模型描述。对基础隔震结构进行振动实验研究,采用刚度元件装置模拟时间、位置和程度不同的结构损伤,基于测得的加速度响应和AEKF-UI方法进行实时系统参数与未知输入的同步反演。研究结果表明:在两种典型地震波激励下,AEKF-UI方法得到的识别值与参考值相一致,验证了该方法在系统辨识中的有效性和准确性。

未知激励下的无迹卡尔曼滤波新方法

无迹卡尔曼滤波(UKF)是一种识别非线性系统的有效方法,然而传统的 UKF 方法需要观测外部激励,这限制了 UKF 的应用范围。迄今为止,国内外对未知激励情况下的 UKF 方法的研究还非常少。该文在传统 UKF的基础上,推导出在未知激励情况下的无迹卡尔曼滤波(UKF-UI)方法的递推公式,通过对观测误差的最小化,利用非线性方程求解,识别未知外部激励,进而识别非线性结构系统状态与结构未知参数。进一步采用融合部分观测的加速度响应及位移响应,消除识别结果的漂移问题。分别通过白噪声和未知地震作用下识别非线性迟滞模型的两个数值算例,考虑观测噪声对非线性系统进行识别,从而验证提出新方法的有效性。结果表明,该文所提出的 UKF-UI 方法,能够在部分观测结构系统响应的情况下,有效地识别非线性结构参数和未知激励。

基于无偏线性最优估计的PET图像重建

正电子发射断层成像(Positron Emission Tomography,PET)技术在实体肿瘤的定性诊断和病灶转移的检查中具有举足轻重的作用,因此非常有必要提高PET的成像质量。然而,已有的迭代重建算法基本上都严重依赖于PET的线性模型。考虑到探测器效率、探测系统的几何尺寸、生物组织对光子的衰减以及散射效应等诸多物理因素,该模型无法真实地刻画示踪剂与正弦图数据之间的复杂关系。文中首先提出了一种新的观测模型,通过在原来的线性模型中引入未知输入项来刻画示踪剂与正弦图数据之间的关系。该项由两部分组成:1)系数矩阵,用于进一步描述投影的线性部分;2)未知输入,用于刻画示踪剂的浓度分布和投影数据之间的一些非线性关系。在此新模型的基础上,PET图像重构问题被转化成一个线性无偏的最优估计问题。然后,给出了具有待定增益的线性迭代估计模型,通过将正弦数据向未知输入项的系数矩阵的零空间零域上进行投影,消除了未知输入给线性最优估计带来的困难,借助卡尔曼滤波的设计思路,推导出了前述的估计增益。基于此估计模型,提出了一种基于无偏线性最优估计的重建算法。最后,通过仿真实验,将所提重建算法与期望极大估计算法(Expectation-Maximization reconstruction,EM)、核化的EM算法(Kernel method,KEM)以及基于标准卡尔曼滤波(Kalman Filtering method,KF)的重建算法从均方误差(Mean Square Error,MSE)、信噪比(Signal-Noise-Rate,SNR)两个方面进行了比较。实验结果表明:与其他3种算法相比,所提算法重建的图像具有更大的信噪比、更小的均方误差,视觉上更加清晰,更好地重建了肿瘤的形状和尺寸,因此具有更好的重构质量。

故障检测滤波器的鲁棒性设计

该文设计了全维非线性未知输入观测器 ,实现检测滤波器对于被控对象模型误差和系统不确定性因素的干扰解耦。某型航空发动机控制系统传感器和执行机构的故障检测仿真实验表明 ,具有干扰解耦的故障检测滤波器可以准确地对传感器和执行机构的故障进行检测和隔离 。

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.

随机线性系统多执行器鲁棒故障诊断

针对随机线性控制系统提出了新的故障诊断方法·对于执行器故障情形,通过数学变换将故障转化为系统的未知输入,然后利用未知输入卡尔曼滤波器技术实现执行器故障诊断·诊断算法给出含噪故障估计值·为得到精确值,又采用了小波去噪方法·两种方法有机结合可对同时或接连发生的多执行器参数故障进行有效诊断,故障检测与估计及时准确·最后给出了仿真实例,结果验证了提出方法的正确性·

一种新颖的故障检测滤波器设计

研究了含有未知输入线性系统的故障检测问题 ,针对传统方法丢失信息或繁琐复杂的缺点 ,设计了一种新颖的故障检测滤波器。该方法使未知输入在故障发生前衰减到几乎处处为零 ,系统近似为无未知输入的标准系统。残差只敏感于故障 ,动态的实现了未知输入与故障的分离。仿真结果表明 ,该方法效果很好。

考虑结构质量未知的非链式结构系统识别方法

目前已发展了许多基于结构振动响应进行结构系统识别的方法,但这些方法大都假定结构质量已知.虽然有部分学者研究涉及到质量未知的结构系统识别,但提出的方法还需要观测结构全部响应,尤其大多数为链式结构识别,对非链式结构研究很少.本文针对这些不足,研究考虑结构质量未知的非链式结构系统的识别,提出基于扩展卡尔曼滤波(EKF)方法,仅需要观测梁结构部分加速度响应,可同时识别结构的位移速度响应状态与未知的结构质量、刚度、阻尼参数.进一步推广了外激励未知情况下的扩展卡尔曼滤波(EKF-UI)方法,融合观测的结构部分加速度与应变响应,同时识别结构的位移速度响应状态与未知的结构质量、刚度和阻尼参数.并分别采用简支梁在已知和未知外激励下结构系统的识别算例,验证提出的两种方法的有效性.

基于数值微分技术构造鲁棒估计模型的方法及其应用仿真

在研究宏观空间运动特性的基础上,利用数值微分作为表达工具描述未知运动过程的动态特性,构造了数值微分型滤波模型(NDFM)和数值微分型滤波-预报联合模型(NDFPM)。这种方法能根据各种应用要求对动态特性完全未知的运动过程建立结构简单、鲁棒性强的估计模型,而且容易选择估计算法获得满意的性能。本文对未知扰动作用下的被控过程建立NDFM并实现状态重构和扰动补偿;对动态未知的被跟踪目标建立NDFPM并估计出运动参数的当前值和一步预报值。仿真结果表明这两种模型具有较强的鲁棒性和满意的估计精度。

基于未知输入的PET医学图像重构

正电子发射断层成像(PET)扫描技术是一项能够反映组织代谢水平的显像技术,对实体肿瘤的定性诊断和病灶转移的检查准确率较高。本文提出了一种PET图像的重建算法来提高PET图像的质量。考虑到大多已有重建算法的图像质量严重依赖于PET的线性测量模型,而该模型与实际情况不符,通过引入未知输入项,本文提出了一种新的测量模型。该未知输入项由2部分组成一部分是未知输入的输入矩阵,用以描述测量模型中投影矩阵的不确定性;另一部分是未知输入,用于刻画被干扰了的示踪剂浓度和一些未建模信息。在此新模型的基础上,利用最优估计理论,提出了一种不同于已有算法的重建算法,同时重构出了未知输入和示踪剂的浓度分布。最后通过实验验证了该算法比其他常用算法能更好地重建PET图像。

基于输入估计方法的振动主动控制试验研究

针对基于随机游走和输入估计策略的振动主动控制方法进行试验研究。该方法涉及的动力学模型既依赖于受控系统的基本物理参数,又与未知的外扰激励密切相关。采用模态识别方法离线辨识系统的物理参数,以获得系统状态方程;再利用随机游走模型将未知外扰视为辅助状态量构造新的状态方程,并借助Kalman滤波原理对新状态方程中未知状态进行估计,得到未知状态和外扰估计值。根据系统已知的测量输出、未知状态及外扰的估计值构造目标函数,应用LQG方法求解控制器增益,得到考虑未知外扰的最优控制输入。以柔性悬臂梁模型作为受控对象,对其实施振动主动控制,试验结果表明,该控制方法能有效抑制模型的前四阶模态振动,尤其对低阶模态控制,其效果远优于经典LQG控制方法。

双未知输入自校准滤波方法

在通信、导航、制导与控制、故障诊断等许多工程领域中,由于环境因素的影响、模型和参数的不当选取、量测设备故障等原因,系统状态方程和量测方程中往往含有未知输入(未知系统误差),而传统的Kalman滤波方法却无法消除这两种未知输入的影响,导致产生较大的滤波误差。为此,文章提出一种双未知输入自校准滤波方法,分别对线性系统和非线性系统进行了详细讨论,并给出了相应的公式和计算步骤。该方法能够自动识别状态方程和量测方程中有无未知输入,当有未知输入时,能对其进行自动估计、补偿和修正。大量实例计算和仿真模拟结果表明,与传统方法相比,该方法能够有效提高状态估计精度,且计算简单,便于工程应用。

自识别自校准Kalman滤波方法

在导航滤波、故障诊断等许多工程领域中,受环境因素影响、模型和参数的选取不当等原因,系统状态方程中往往含有未知输入(系统误差),传统的Kalman滤波方法无法消除这种未知输入的影响,导致产生较大的滤波误差。为此,提出一种自识别自校准Kalman滤波方法,并分别对线性系统和非线性系统进行了详细讨论,给出了相应的公式和滤波步骤。该方法能够自动识别状态方程中有无未知输入,当有未知输入时,则能自动估计未知输入,并对它进行补偿和修正。大量实例计算和仿真模拟表明,与传统方法相比,本文方法能够有效提高状态估计精度,且计算简单,便于工程应用。

火星进入段探测器自校准状态估计

由于大气密度、气动参数、突风和沙尘暴等因素的影响,火星探测器在进入段高速飞行的动力学模型中往往带来未知输入,这些未知输入使传统的滤波方法出现较大的偏差。研究采用一种新的自校准扩展Kalman滤波方法,对火星进入段的探测器进行状态估计,可以成功地消除这些未知输入带来的影响。数值仿真结果表明,该方法能有效提高导航精度。

基于未知输入集员滤波器的不确定系统故障诊断

针对一类具有参数不确定性和未知扰动的线性系统,提出了一种新的执行器故障诊断方法.将指定执行器故障视为未知输入,利用全对称多胞形近似状态边界,本文设计了一种未知输入全对称多胞形集员滤波器,以估计测量输出的上下边界.在此基础上,提出了一种利用一组未知输入滤波器的故障检测与分离策略.通过一个飞行控制系统的数值仿真验证了所提出方法的有效性.