基于非线性参数的电液伺服系统滑模控制

针对在电液伺服系统跟踪控制中存在非线性不确定参数和外界扰动的问题,提出了一种基于积分微分器的滑模Lyapunov函数的控制方法。首先,在只有位移信号测量输出的情况下,采用高阶积分链式微分器对其速度和加速度信息进行预估。系统存在非线性不确定参数,利用微分器对状态和不确定项的实时估计,设计出积分滑模控制器,实现自适应规律以及对电液伺服系统中不确定扰动的抑制。搭建电液伺服系统AMESim模型并与Matlab构成联合仿真平台,对控制器进行仿真。仿真表明,该控制器具有良好的对非线性不确定参数变化的补偿能力和跟踪性能。     

基于扰动估计的飞行控制系统传感器故障重构

针对飞行控制系统的传感器故障重构问题,讨论了基于扰动估计的传感器故障检测与重构方法。首先,通过建立观测器,对已有系统的干扰进行估计;其次,通过干扰的估计值来建立系统的鲁棒观测器;最后,再通过对系统建立多个降维鲁棒观测器来隔离并重构传感器故障。采用某飞机横侧向模型进行仿真验证,仿真表明基于扰动估计的鲁棒观测器能够有效地对传感器故障进行隔离与重构。     

离散时间线性时变系统的传感器故障估计滤波器设计

针对一类离散时间线性时变系统提出了一种传感器故障诊断方法.本文首先通过状态增广的方式将被研究的系统转化为描述系统的形式,并且基于该描述系统模型,采用方差最小化原则设计了一种能够同时估计系统状态和传感器故障的故障估计滤波器,然后利用一组故障估计滤波器提出了一种故障诊断方法.本文的主要贡献在于针对离散线性时变系统提出了一种不需要对故障动态进行假设的传感器故障诊断方法.所提出方法的另一个优点是该方法能够在存在过程和测量噪声的情况下实现故障检测、分离与估计.仿真结果说明了所提出方法的有效性.     

不确定受扰电液伺服系统智能自学习PID控制

针对具有参数不确定和外负载扰动的不确定受扰电液伺服系统,提出一种智能自学习PID控制策略.该方法不依赖于系统的精确模型,是一种数据驱动的控制方法.首先,通过改进的动态线性化方法将非线性非仿射的电液伺服系统等效为含有时变参数项和非线性不确定项的线性仿射形式;然后,采用梯度估计算法和时间差分算法分别对时变参数项和非线性不确定项进行估计;接着,利用iPID控制引入附加误差信息对过度线性化丢失的信息进行补偿;最后,根据最优准则,设计不确定受扰电液伺服系统的参数更新律和学习控制律.通过理论分析和仿真实验验证所提出控制策略的收敛性,并通过对比实验,验证该控制方案应用于电液伺服系统的优越性和精确性.实验结果表明,所提出方法能够抑制非线性扰动对系统造成的不良影响,实现理想轨迹的精确跟踪.     

具有非线性不确定参数的电液伺服系统自适应backstepping控制

针对电液伺服系统中存在非线性不确定参数的问题,提出了一种采用积分型Lyapunov函数的自适应backstepping控制方法.首先定义积分型Lyapunov函数,将电液伺服系统中的非线性不确定参数转化为线性表示;然后逐步递推设计backstepping控制器,同时在控制律中加入阻尼项,从而补偿外界干扰对控制性能的影响;基于Lyapunov稳定性方法,设计了参数自适应律,并且在自适应律中引入充分光滑投影算子,实现对电液伺服系统中不确定参数漂移的抑制作用.搭建了AMESim与MATLAB的联合仿真平台,对所设计的自适应backstepping控制器进行仿真,作为对比,设计了不带有非线性参数估计的自适应backstepping控制器和PID算法.仿真表明,本文所设计的控制器具有良好的跟踪性能和补偿非线性不确定参数变化的能力.     

基于观测器的机械臂执行器故障诊断方法研究

为了提高机器人系统的可靠性，针对机器人的机械臂控制系统，提出一种基于观测器的执行器故障诊断方法。在考虑系统存在外部干扰的情况下，通过设计干扰观测器抵消外部干扰对故障诊断结果的影响。为了进一步诊断系统执行器故障，提出一种基于二阶滑模观测器的故障诊断方法，通过等效输出注入项对系统执行器故障信号进行故障估计，以完成机械臂执行器的故障诊断任务。最后，建立了双关节机械臂控制系统仿真模型并通过数值仿真分析说明了该故障诊断方法的有效性和应用前景。因此，本研究有助于提高工业机器人系统的可靠性和安全性。     

基于DPCA方法的传感器故障检测与诊断

针对多传感器的相关时序测量数据,在假设只存在传感器故障的前提下,提出了一种基于动态主成分分析（DPCA）的传感器故障检测方法。根据测量数据建立传感器的DPCA模型,在该模型基础上利用T2和SPE统计量进行传感器的故障检测。同时,将基于主成分分析（PCA）模型的传感器有效度指标SVI推广应用于DPCA模型中。通过对污水处理系统中重要传感器的故障诊断仿真实验表明：该方法能有效地检测和识别出故障传感器。     

基于深度学习的故障预测技术研究

针对常规故障预测方法难以分析复合故障的情况下各个故障对系统的交互作用、难以分析装备数据复杂特征、难以实时准确预测故障等现状,对现代大数据和人工智能方法应用在故障预测领域进行研究,提出基于深度学习的故障预测技术,将系统故障预测可分为动态预测和静态预测。利用深度学习算法处理装备状态监测和试验验证获得的海量故障数据,通过故障模型训练、故障特征识别、故障演化规律获取来对系统进行在线动态预测;针对软件故障突变特性,利用软件质量特征属性进行静态故障预测;同时,提出使用开源深度学习框架TensorFlow进行系统研制方法。通过基于深度学习的故障预测技术,能够提高装备故障预测能力。     

风力发电系统传感器故障诊断

针对非线性风力发电系统,提出了一种基于滑模观测器的传感器故障诊断方法.基于考虑传感器加性故障的非线性动态模型,利用T--S模糊理论建立风力发电系统全局T--S模型,设计模糊T--S系统滑模故障观测器,产生对故障具有敏感性的残差,实现故障检测.通过等价输出控制方法来维持滑模运动,直接获取故障信息,重构传感器故障.最后以三叶片水平轴风力发电系统为例,仿真验证了该方法的有效性与可靠性.     

不确定线性系统有限时间状态估计与故障重构

针对具有外部干扰和执行器故障的不确定线性系统,给出了一种有限时间内估计系统状态及重构执行器故障的方法．首先,通过状态和输出等价变换,得到不受执行器故障和建模不确定信息干扰的降维解耦系统．在此基础上设计有限时间状态估计器,并设置任意小的时延参数,实现对降维系统状态的有限时间估计,从而达到对原系统状态有限时间估计的目的;其次,考虑高增益滑模微分器对系统输出微分进行有限时间估计;之后,在原系统状态和系统输出微分有限时间估计的基础上,提出一种对系统不确定信息和执行器故障同时估计的方法;最后,通过对具有执行器故障的F-16飞行器纵向系统模型进行仿真,验证所提方法的有效性．     

非线性动态突变系统的多模型自适应执行器故障补偿设计

本文针对因多重不确定执行器故障而引起系统动态突变的非线性系统,设计了一种基于多模型切换的自适应执行器故障补偿控制策略,以提高系统应对动态突变的能力,同时实现不确定执行器故障的快速精确补偿.针对执行器故障模式的不确定性问题,采用基于多模型的参数估计方法,设计了自适应控制器组;基于最优性能指标函数,提出了一种控制切换机制,...     

基于滑模状态观测器的电液位置伺服系统控制

在电液伺服系统优化设计的研究中,针对电液位置伺服系统的高阶非线性特性、系统参数不确定性以及系统状态信号测量困难的情况,提出一种基于滑模状态观测器的反演控制策略.策略采用滑模方法设计状态观测器,只需要位置传感器,不需要速度传感器和加速度传感器.对采用状态观测器之后的系统,设计反演控制器,针对系统中的不确定性,在反演控制的最后一步采用滑模控制设计,基于Lyapunov方法证明了系统中所有信号是一致最终有界的,闭环系统是稳定的.仿真结果表明,上述策略为电液伺服系统优化设计提供了参考.     

基于改进BP神经网络的传感器集成故障诊断

针对传感器故障，提出了一种基于改进的BP神经网络的集成故障诊断方法。在测量回路中引入“等价偏差”向量，用改进的BP网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合．进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

带有多非线性干扰观测器的电液伺服反演控制

针对高阶不匹配不确定非线性电液伺服系统,提出一种动态面反演控制策略,以实现对电液伺服系统的位置控制.采用多个非线性干扰观测器观测出电液伺服系统的各阶子系统的不确定项和干扰项,对使用非线性干扰观测器后的系统实行反演控制,使用动态面方法来解决传统反演控制中虚拟控制量随着系统阶数的增加而愈加繁杂的问题.基于Lyapunov方法从理论上证明了所设计的系统控制器能够保证闭环系统有界稳定,系统中所有信号是一致最终有界的,仿真结果验证了反演控制方法的正确性.     

基于系统参考模型的混合故障诊断技术研究

为满足复杂系统的故障诊断需求,提出了一种基于系统参考模型的混合故障诊断方法。针对不同系统中各节点的多种故障模式和交联关系,采用定性和定量的方法建立混合故障诊断参考模型。首先构建系统对象的故障元模型,然后建立对应的领域模型,最后基于故障诊断推理机实现对系统当前故障的诊断。通过构建某飞行数据设备的故障诊断模型,并进行仿真验证,结果表明该方法可以实时准确地判定系统故障,为提高复杂系统故障诊断的效率、提升系统运行安全提供了有效保障。     

航空发动机传感器故障鲁棒检测方法

研究发动机传感器故障准确检测问题,现代航空发动机数字电子控制系统对传感器的可靠性要求日益提高。针对航空发动机结构复杂,又工作在高温和高压下,常规采用的传感器故障检测方法的准确性易受到建模误差与外界扰动的影响,造成漏报或误报。为了提高检测精度,提出建立航空发动机数控系统传感器未知输入故障模型,采用特征结构配置的方法,通过配置闭环系统左特征向量实现故障检测残差对不确定性因素的干扰解耦,降低扰动对故障诊断结果的影响。用某型涡扇发动机数控系统传感器故障数字仿真试验表明,所设计的方法对范数有界的不确定量可以实现干扰解耦,抑制干扰对故障检测的影响,改善检测算法的鲁棒性,提高检测结果的准确性,同时满足在线运算的实时性要求。提高了航空发动机的可靠性,保证了安全飞行。     

交流伺服系统摩擦力补偿和优化滑模仿真

低速稳定性是伺服系统的一个重要性能指标.低速下,摩擦力的扰动引起伺服控制系统的不稳定.首先建立了伺服系统的动力学模型.模型由线性部分和非线性部分组成,非线性部分主要由摩擦力等扰动组成,使用最小二乘支持向量机对摩擦力等非线性部分、不确定参数进行辨识.其次,建立了基于线性伺服控制系统和摩擦力模型的补偿控制系统,并提出使用改进的优化滑模控制算法,同时对采样时间周期提出了优化选择.仿真结果显示:使用支持向量机建立的摩擦力模型能够较准确地反映系统低速摩擦力情况,对系统的低速补偿效果良好.低速时,误差控制在0.5r/min;通过实验研究,使用了摩擦力补偿和优化滑模控制后伺服系统的低速性能得到了改善和提高,克服了低速爬行现象.     

基于不完全故障数据的分布式系统故障诊断方法

在分布式系统中,系统的规模庞大,结构复杂,这使得故障数据的收集十分困难;为了对分布式系统进行故障诊断,文章提出了一种基于不完全故障数据的故障诊断方法;首先,应用非对称比较方法进行系统的故障诊断;其次,将系统的故障诊断转化为一个二分类问题;最后,根据系统运行的部分症状数据,应用线性支持向量机模型对系统中的节点状态进行分类;模拟实验表明,文章提出的方法能有效的识别出系统中的故障;此外为了进一步提高该方法的执行效率,可以采用系统的部分症状数据将故障节点限定在一定的范围内。     

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.     

一种集成传感器故障诊断方案

针对传感器故障，提出了一种基于小波奇异性检测和修正的Bayes算法(MB)的集成故障诊断方法。用RBF神经网络建立传感器故障模型．对系统的状态进行在线估计．进而得到残差．然后对残差进行小波分析．再用修正的Bayes算法进行传感器故障的在线检测、分离的估计。对连续搅拌釜式反应器(CSTR)的仿真结果表明．该集成故障诊断方法能够对传感器故障进行快速准确的分离和估计．克服了传统小波分析方法大尺度下存在时延的缺点．并对传感器故障具有容错性。