基于非线性动态模型的质子交换膜燃料电池故障诊断

为了对质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)系统进行故障诊断以提高系统的安全性和可靠性,针对PEMFC系统的强非线性,在九阶状态空间模型的基础上提出一种滑模观测器实时生成残差,利用故障阈值检测法建立故障特征矩阵检测故障,进而为了隔离故障,引入相对故障敏感度函数建立理论相对故障敏感度矩阵,在系统运行时实时计算各故障相对故障敏感度与理论相对故障敏感度的欧氏距离,最小欧氏距离对应的故障则为系统发生的故障,结果验证了所提出的基于模型的故障诊断方法的有效性,且所构建观测器可以估计PEMFC系统中难以直接测取的状态变量,平均相对误差在6%以内。     

基于诊断用COMSOL模型的PEMFC故障诊断方法研究

基于COMSOL+Multiphysics 3.5平台建立了诊断用PEMFC二维分布参数模型。在所建立诊断用模型的基础上,进行了阴极欠气、膜干和水淹3种典型故障的嵌入研究。通过对比故障发生前后PEMFC内部相应物理量的变化,验证了故障嵌入的可行性。最后,应用小波分析故障诊断方法,对PEMFC端口电压信号进行相关的数字信号处理,识别了3种典型故障, 初步达到了故障诊断的目的,验证了利用模型发展相关诊断方法的有效性。     

一种基于结构优化SRAMS的传感器故障诊断方法

针对基于具有最大敏感性结构化残差的传感器故障检测与诊断方法（SRAMS）在设计影响矩阵时只考虑故障编码的可分离性，而没有考虑故障诊断的快速性和灵敏性的缺点，给出了故障敏感度和故障诊断灵敏度等指标，并提出了两种影响矩阵的优化设计算法。将本文方法应用于催化裂化过程传感器故障检测与诊断，结果验证了故障诊断效果优于原有的SRAMS。     

一类不匹配不确定动态系统的鲁棒执行器故障检测与重构

针对一类不匹配不确定性动态系统,将不匹配不确定性的滑模控制方法与线性矩阵不等式（LMI）方法结合,设计一种新的鲁棒滑模观测器,提出了不匹配不确定动态系统滑模观测器稳定的充分必要条件以及LMI的存在定理,并证明了对系统不确定性以及外界干扰具有鲁棒性。无须对动态系统进行规范化处理,直接利用LMI方法求解鲁棒观测器增益矩阵,简化了滑模观测器设计过程。根据上述设计的鲁棒滑模观测器,应用等价输出误差介入原理和LMI方法,设计重构执行器故障的优化策略,提出在线获取故障信息的鲁棒执行器故障检测与重构方法,实现执行器故障的检测与重构。数字仿真验证了执行器故障重构方法的可靠性。     

基于模糊神经网络的发动机故障诊断研究

基于模糊神经网络理论,对发动机涡轮增压系统、冷却系统以及润滑系统常见故障进行了研究,在MATLAB环境中,利用常见的故障案例样本,训练BP神经网络,建立涡轮增压系统、冷却系统及润滑系统三大系统的模糊神经网络模型,并通过未参与训练的故障案例样本对模型进行验证,经验证模型的预测误差均在5%以内,可以满足故障诊断的要求。另外,针对各系统的模糊神经网络模型,利用MATLAB GUI建立发动机故障诊断系统,该系统可以根据故障现象,诊断故障原因,并通过实际故障案例验证,诊断结果与实际故障原因相符,说明故障诊断系统具有指导性。     

基于主元分析的FPSO故障检测与诊断

应用基于主元分析的故障诊断方法对浮式油轮生产储油卸油系统(FPSO)进行故障检测与诊断研究.选取FPSO油气水分离系统的18个主要过程监控变量为研究对象,通过对系统历史数据进行预处理分析,建立主元模型;利用主元模型对仿真实时数据进行故障检测,应用SPE统计法和Hotelling统计法判断系统是否发生故障;使用贡献图法实现故障分离.研究结果表明:基于主元分析的故障诊断方法可以准确地对FPSO生产过程的早期故障进行检测和诊断;且对于系统的细小扰动,动态主元分析法的故障诊断能力优于主元分析法.     

基于观测器的时滞系统故障诊断

针对状态含有时滞的故障系统,给出一种故障诊断设计方法。通过对系统设计未知输入观测器,利用观测的状态得到残差方程,从而诊断出时滞系统的故障,并能对传感器故障和执行器故障进行分离,最后给出故障诊断系统阈值的选取原则。     

基于LMI的Lipschitz非线性观测器设计

综合讨论了一类Lipschitz非线性系统状态观测器的设计,给出观测器的结构形式。当输出相对状态为非线性时,采用LMI技术进行观测器增益矩阵的选取,并运用Lyapunov方法以线性矩阵不等式组的形式给出观测器渐近稳定的充分条件。结论推广至输出相对于状态为线性时的情况。该算法可以处理具有更大Lipschitz常数的非线性系统。当输出相对于状态为线性时,给出了两种求解采用Lyapunov方法所允许的最大Lipschitz常数的算法。通过仿真实例验证了结论的有效性。     

关联向量机在微生物发酵传感器故障诊断中的应用

微生物发酵过程具有严重的非线性和时变性,有许多过程参数需要监控,因此发酵罐的传感器故障诊断显得尤为重要。为此提出了一种微生物发酵的故障诊断新方法,即两个关联向量机分别作为观测器和分类器。观测器用于估计某传感器所测得的参数值(文中以二氧化碳释放率为例)以便得到残差序列,分类器用于对残差序列进行分类。仿真结果表明这种方法是可以有效地诊断传感器的故障的。     

基于DMVU-OCSVM的故障诊断方法

针对工业过程的非线性和动态特性,提出一种基于动态最大方差展开（DMVU）和单类支持向量机（OCSVM）的故障诊断方法DMVU-OCSVM。为了分析数据的动态特性和非线性,应用流形学习技术DMVU提取数据变量中的非线性动态流形特征。基于所提取的流形特征信息建立OCSVM统计模型,并构造非线性监控统计量实时检测过程故障。在连续搅拌反应器（CSTR）系统上的仿真结果说明,本文提出的方法能够比OCSVM更有效地检测过程故障。     

Estimation and fault diagnosis for non-linear system with time-varying faults and measurement noises: Application on two CSTRs in series

A continuously stirred tank reactor (CSTR) is largely used in water treatment and in chemical and biological processes. It is characterized by a complex non-linear behaviour. Operating large reactors in industry can be expensive, so a common trick used to reduce costs is to operate multiple CSTRs in series. Consequently, the CSTR is usually exposed to faults and noises. This paper addresses the design of a robust observer for estimation and fault diagnosis strategy on two CSTRs in series. The considered system is affected simultaneously by time-varying actuator and sensor faults with measurement noises. The Takagi-Sugeno multimodel approach is proposed to transform the non-linear model into an interpolation of several linear sub-models with non-measurable premise variables. The purpose of this brief is to provide the state and the fault estimation for the considered system using a proportional multiple integral (PMI) unknown input observer. The exponential stability conditions are studied with the Lyapunov theory and L2 optimization and formulated in terms of linear matrix inequalities. In addition, a comparative study with a PMI observer is conducted. Finally, the proposed observer is used for time-varying fault detection and isolation.     

基于自适应小波神经网络的往复泵故障诊断

为了对往复泵的故障进行正确诊断,提出了基于自适应小波神经网络的往复泵故障诊断方法.以往复泵单个泵缸内的压力信号作为系统特征信号采用小波变换来提取故障特征向量,同时将此特征向量作为小波神经网络的输入,利用小波神经网络对故障做进一步的精确实时诊断.通过对往复泵液力端多故障诊断实例的检验表明：该系统故障诊断正确率达到了93％以上.     

基于自适应量子蚁群算法的石脑油裂解炉故障诊断

针对实际生产过程中缺乏故障数据,采用适合小样本问题的支持向量机对石脑油裂解炉进行故障诊断。为了消除高维数据及系统噪声对故障诊断的干扰,将量子编码引入蚁群算法,提出一种新的自适应量子蚁群算法进行故障特征选择以进一步提高诊断性能。数值仿真实验结果显示,提出的自适应量子蚁群算法具有更好的全局寻优性能;对石脑油裂解炉传感器故障的诊断结果表明自适应量子蚁群算法能快速、准确地搜索到关键故障特征,有效地提高了支持向量机故障诊断的正确率和鲁棒性。     

不确定推理在火电厂水汽化学过程故障诊断中的应用

以火电厂水汽化学过程中的凝结水、给水、炉水、饱和蒸汽及过热蒸汽等子系统为研究单元,分析系统中故障原因及故障征兆之间的模糊关系;利用不确定推理方法,构建各子系统的诊断模型块及相互间跳转条件,形成一个适用于整个水汽化学过程的故障诊断模型。运用该模型进行故障识别,能够快速准确地得到诊断结果。     

基于小波理论的主元分析在故障诊断中的研究与应用

主要分析主元分析的原理和主要算法及其在故障诊断方面的应用 ,简单介绍数据预处理的小波分析方法 ,并把这两种方法结合用于过程故障诊断。常减压装置的应用实例表明 ,结合这两种方法进行基于过程的故障诊断取得了较好的效果