基于相关分析的非线性模拟电路参数型故障诊断方法

针对非线性模拟电路故障诊断中参数型故障元件定位的难题,基于Volterra频域核的频谱比较,提出了利用小波滤波器组结合相关分析定位故障元件的方法．首先选择特定的激励信号测定Volterra频域核的非参数频谱;然后用小波滤波器组对得到的正常电路和故障电路的频谱序列进行子带分解;通过计算子带响应序列的相干函数,对正常电路和故障电路进行相关分析,实现参数型故障元件的特征提取．对比实验结果表明,该方法能有效提取故障特征,提高了故障诊断效果．     

航空发动机气路故障诊断

介绍了航空发动机气路故障诊断基准参数的选取和监测参数偏差的产生方法,探讨了采用故障相似系数进行气路故障隔离和辨识的方法,并用某型涡扇发动机实测数据验证了该方法的有效性.相似系数不仅具有明确的物理意义,而且使得故障诊断系统构造简便,故障模式扩展容易.采用相似系数进行故障模式隔离不必要求监测参数的个数大于故障模式个数.在隔离故障模式的基础上,进一步辨识发动机部件性能衰退程度,对气路故障的诊断更为深入.     

非平稳过程突发性故障的在线检测与辨识

突发性故障的检测与故障幅度辨识是过程监控和技术过程安全性研究领域的重要 课题.基于线性回归模型参数的容错估计,提出了一组适用于多故障过程脉冲型故障的在线 检测与故障幅度容错辨识的新方法,并利用该方法解决了过程阶跃型故障的检测与辨识问 题.通过理论分析和仿真计算,证实了该方法的有效性.     

电子电路的常见故障及其检测技术探讨

随着我国电子电力技术在国防军事和工业生产领域的广泛应用,对电子电路的运行质量提出了更高的要求。电力电子设备一旦发生故障,可能够会对装置的运行造成较大的伤害。因此对电子电路故障的检测显得十分的重要。本文运用小波分析和马氏距离方法,诊断电子电路常见的故障,这种方法能够有效检测出参数型和结构性故障,经过结果检验能够达到较高的故障诊断率。     

ARX过程突发性故障的检测与辨识

在分析突发性故障对带外生变量自回归过程(ARX)影响的基础上，本文建立了脉冲 型故障检测与故障幅度辨识算法，提出了采用脉冲型故障的检测与辨识方法处理阶跃型故障 的技术途径，并通过仿真计算验证了本文方法的有效性．     

工业机器人故障的实时检测与诊断

本文首先建立了直流电机驱动机器人的驱动系统的动态故障模型,它包容了电枢电阻、电感等故障.随后建立了工业机器人传感器的动态故障模型,可包容位置、速度及力传感器的阶跃型和缓变型故障.在此基础上,应用作者提出的可处理一类非线性系统参数偏差型故障的系统性算法,成功地检测并诊断出这些故障.最后进行了数值仿真验证.     

一种基于数据重构的KPCA故障识别方法

针对核主元分析(KPCA)方法只能实现故障检测,但无法实现故障变量识别的问题,提出一种基于数据重构的KPCA故障变量识别方法。采用改进的数据重构方法对各参数进行重构,然后利用故障识别指数对监控参数进行故障变量识别。通过对某型涡扇发动机进行实验的结果表明,该方法能够准确识别故障变量,从而有助于维护人员分析故障原因,初步确定可能的故障源,大大缩短故障定位及排故的时间,可预防重大事故的发生。     

基于参数估计的传感器故障诊断的改进方法

针对基于参数估计的非线性系统传感器故障诊断方法中存在的滤波稳定性差、估计精度低的缺点,提出了卡尔曼滤波与小波滤波相结合的方法.在将传感器故障参数都等效为偏差型故障参数的基础上,通过增大强跟踪滤波器算法中的量测噪声方差和系统噪声方差,使其大于实际噪声方差,以提高滤波器的稳定性和故障检测的快速性,同时引入小波滤波以提高对故障参数的估计精度.仿真实验表明,该方法较好地兼顾了滤波稳定性、估计精度及速度.     

多故障的奇偶方程-参数估计诊断方法

提出一种将奇偶方程与参数估计相结合的多故障诊断方法。构造了一种新的奇俩方程，其产生的残差仅对一个传感器故障和一个执行器故障敏感。将传感器和执行器故障模型表示成刘度因子和偏差的形式，应用卡尔曼滤没方法对各故障模型参数进行估计。某型号飞机控制系统的仿真结果表明，新方法能对传感器故障和执行器故障同时存在的线性系统进行诊断，有效地估计出各故障的模型参数。     

具有参数跟踪自适应观测器的故障检测与诊断系统

本文简单概括了故障检测与诊断的方法,介绍了具有参数自适应跟踪观测器的故障检测 与诊断系统,分析了收敛性和渐近稳定性的条件,分别对参数匹配和不匹配两种情况的故障检 测与诊断问题进行了讨论.     

FDI by extended Kalman filter parameter estimation for an industrial actuator benchmark

The extended Kalman filter (EKF) is formulated as a parameter estimator and used to estimate position sensor bias and actuator current bias signals for the industrial actuator benchmark system. These bias estimates are compared instantaneously to a threshold for fault detection and identification (FDI). The paper reports results for applying this method to given benchmark data. The FDI performance is good for detecting position sensor and actuator current faults in the presence of unmodeled nonlinear dynamics and an unmodeled load change for small-amplitude signal conditions when the EKF implementation assumes parameter pseudonoise and a slow decay in the parameter dynamics. For large-amplitude signals, the results are reasonably good, but they suggest that a more accurate model for a saturation nonlinearity could improve the method's FDI performance.     

Fault detection and estimation for a class of PIDE systems based on boundary observers

In this paper, we propose a simultaneous state estimation and fault estimation approach for a class of first‐order hyperbolic partial integral differential equation systems. Specifically, we consider the multiplicative boundary actuator and sensor faults, ie, unknown fault parameters multiplying by the boundary input or boundary state (ie, output). As a consequence, two difficulties arise immediately: (1) simultaneous estimation of both plant state and faults is a nonlinear problem due to the multiplication between fault parameters and plant signals; (2) no prior information is available to determine the type (actuator or sensor) of faults. To overcome these difficulties, this paper develops adaptive fault parameter update laws and embeds the resulting laws into the plant state observer design. First, we propose new approaches to estimate actuator fault and sensor fault, respectively. Next, we develop a novel method to simultaneously estimate actuator and sensor faults. The proposed observer and update laws, designed using only one boundary measurement, ensure both state estimation and fault parameter estimation. By choosing appropriate Lyapunov functions, we prove that the estimates of state and fault parameters converge to an arbitrarily small neighborhood of their true values. Numerical simulations are used to demonstrate the effectiveness of the proposed estimation approaches.     

基于广义回归神经网络的传感器故障诊断研究

针对诊断传感器偏置故障与漂移故障的难点问题,提出了一种基于广义回归神经网络(GRNN)的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息,建立一组多输入单输出GRNN观测器,通过将观测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现控制系统传感器故障在线诊断。仿真结果表明:该方法可以快速准确地检测和分离传感器故障,辨识传感器故障类型、故障大小以及故障发生的时间。     

一种非线性系统容错控制的混合方法

针对连续搅拌箱式反映器,提出一种闭环非线性系统容错控制的混合方法。即利用“等价偏差”的新概念建立传感器的故障模型,然后基于一种伪偏差分离估计算法,在线得到系统状态和“等价偏差”的估计值。数值仿真结果验证了该方法不仅具有很强的关于传感器故障的容错能力,而且还可检测、分离和估计出相应的故障。     

基于干扰补偿和自适应阈值的鲁棒故障检测

研究某实物液压舵机的鲁棒故障检测 .基于简化模型观测器产生检测残差 .通过提出的干扰补偿方法和自适应阈值来提高检测系统的鲁棒性和敏感性 .仿真表明 ,该方法能快速有效地检测出舵机的小幅值突变故障和早期缓变故障 .     

基于小波神经网络的空调系统传感器故障诊断

详细阐述了小波神经网络(WNN)的原理、结构,并对传统的BP算法进行了改进。以空调系统传感器故障检测问题为目标,提出了基于WNN的故障诊断方法。通过采集天津博物馆中的传感器数据,对训练好的WNN进行了传感器故障诊断能力的验证,对温度传感器的1℃偏差故障、0.05℃/s速率漂移故障、完全故障、与不同方差下的精度等级下降故障进行了仿真,结果表明:这种方法对传感器故障具有很好的诊断效果。     

延迟不确定马尔科夫跳变系统的执行器和传感器故障同时估计方法

针对具有参数不确定和延迟环节的马尔科夫跳变系统,在状态转移概率矩阵（Transition probability matrix,TPM）不确定的情形下,讨论了其执行器和传感器故障同时估计的方法.通过扩展系统状态,将系统转换为一个具有马尔科夫跳变参数的广义描述系统,基于此广义描述系统设计马尔科夫跳变观测器实现对其状态和传感器故障的估计.与此同时,还设计了一组自适应律对执行器故障进行在线调节.通过求解一组线性矩阵不等式最优化问题,得到观测器存在的充分条件.最后,针对两个数值实例,验证了所设计方法的有效性.     

Fuzzy adaptive nonlinear sensor‐fault tolerant control for a quadrotor unmanned aerial vehicle

In this paper, a novel fuzzy adaptive nonlinear fault tolerant control design scheme is proposed for attitude dynamics of quadrotor UAV subjected to four sensor faults (bias, drift, loss of accuracy, loss of effectiveness). The sensor faults in Euler angle loop are transformed equivalently into a mismatched uncertainty vector, and other unknown items involving faults, uncertain parameters and external disturbances in angular velocity loop are lumped into an unknown nonlinear function vector. Fuzzy logic systems with adaptive parameters are used to approximate the mismatched uncertainty and lumped nonlinear function vectors. Dynamic surface control is applied to design the fault tolerant controller, and sliding mode control is introduced to improve the control accuracy. All signals of the closed‐loop control system are proved to be semi‐global uniformly ultimately bounded. Simulations demonstrate the effectiveness of the proposed approach for sensor faults.     

Intermittent sensor fault detection for stochastic LTV systems with parameter uncertainty and limited resolution

ABSTRACT

This paper considers the detection problem of intermittent sensor faults in stochastic linear time-varying systems with both parameter uncertainty and limited resolution. By introducing the soft measurement model, a state estimator is designed whose upper bound of estimation error covariance is obtained and minimised at each time step. Based on it, the residual is generated and its relationship with the fault is analysed quantitatively. Then the evaluation function and corresponding detection threshold is given. Our proposed method is recursive and therefore suitable for real-time online applications. At last, two simulation studies are carried out to illustrate the validity of our proposed method.     

基于滑模观测器和神经网络的传感器故障诊断方法比较研究

针对航空发动机传感器故障诊断中各种方法的优势和劣势,选择滑模观测器和神经网络这两种故障诊断方法分别对航空发动机转速传感器进行故障诊断研究,采用实验室搭建的发动机实验台DGEN380的实验数据,选择对航空发动机控制系统影响较大的偏置故障、漂移故障、脉冲故障、周期性干扰故障这四类传感器故障进行诊断。研究结果表明,滑模观测器和IPSO-BP神经网络都能实现航空发动机传感器的故障诊断;滑模观测器方法可以诊断出偏置故障、脉冲故障和周期性干扰故障,但不能诊断出传感器发生的漂移故障;IPSO-BP神经网络方法可以诊断出偏置故障、漂移故障、脉冲故障和周期性干扰故障。因此,滑模观测器在故障诊断中可能会出现漏诊的现象,IPSO-BP神经网络相对滑模观测器而言不会出现漏诊的现象。