基于神经网络的非线性观测器及在线故障检测

提出一种基于径向基函数神经网络的非线性观测器的设计方法，并将其应用于复杂非线性系统的故障检测与隔离。该方法将神经网络离线学习与在线学习相结合，获取系统输入输出的非线性动力学特性，进而实时计算出残差并进行逻辑判决，可显著提高故障检测的快速性、鲁棒性及准确率。最后，针对非线性同步交流电机的结构损伤故障进行了仿真，结果表明本文所提方法的有效性。     

基于H∞滤波器的非线性摄动时滞系统的故障诊断

针对一类非线性摄动时滞系统，基于H∞滤波器技术，探讨了系统的故障诊断问题．首先引入参考模型，通过构建故障观测器，形成能反映系统故障的广义残差模型；然后通过基于线性矩阵不等式（LMI）的方法，将故障诊断问题转化为系统鲁棒稳定性分析问题，并给出该问题解存在的LMI条件和求法．该方法既提高了故障观测器对残差的敏感性，又有效地抑制了干扰，提高了故障检测的效果．仿真结果表明了该算法的有效性．     

基于神经网络多步时序预测的非线性系统故障诊断

提出一种新的基于神经网络多步时序预测的非线性系统故障诊断方法。该方法先利用回归神经网络对多个传感器检测序列并进行多步预测,再由多步预测序列和传感器检测序列生成历史残差序列和预测残差序列。最后,根据统计定义的几个决策指标进行故障检测与诊断。与其它方法相比,本文方法所需信息较少、可诊断的故障较多。仿真表明该方法是有效的,可有效地增强故障信息、抑制非故障信息。     

基于多重结构神经网络的歼击机结构故障检测

提出了一种基于多重结构神经网络的故障检测方法。针对以歼击机为代表的非线性系统中存在的突发结构故障，构造了一个多重结构神经网络，在输入层对残差信号进行二进离散小波变换，提取其在多尺度下的细节系数作为故障特征向量，并将其输入到神经网络分类器进行相应的模式分类，之后再利用下一级的故障度辨识神经网络对故障的大小进行辨识。仿真结果表明，本文方法为歼击机组合结构故障的检测提供了有效的方法和途径。     

具有非线性扰动多时滞系统的鲁棒故障检测

基于状态观测器的方法研究了一类具有非线性扰动的多重状态时滞系统的鲁棒故障检测问题，应用RBF神经网络逼近系统的非线性扰动，采用线性矩阵不等式(LMI)给出了与时滞上界相关的增益阵设计方法，并利用Lyapunov函数和一致有界引理证明了故障检测残差信号的一致有界稳定条件和对非线性扰动的鲁棒性，仿真示例说明了该方法的有效性。     

一种基于神经网络在线逼近器的非线性鲁棒故障诊断方法

针对一类不确定非线性动态系统，提出了一种基于神经网络在线逼近结构的鲁棒故障 检测方法．该方法通过构造神经网络通过在线逼近结构学习非线性故障特性来监测动态系统 的反常行为,当故障发生时，在线估计器可逼近各种可能的未知故障，然后对其进行诊断和 适应．神经网络权重的在线学习律没有持续激励的要求，并采用Lyapunov稳定性理论保证了 闭环误差系统一致最终有界稳定．     

基于非线性电路频域核估计和神经网络的故障诊断

提出一种基于非线性电路频域核分析和神经网络的故障诊断方法．主要研究非线性系统频谱的获取,非线性系统频谱特征的提取及基于非线性系统频谱特征的故障诊断．利用Volterra频域核估计辨识非线性系统，通过系统广义频率响应函数的估算提取电路特征，将其预处理后作为递归神经网络的输入样本，利用神经网络的分类功能对电路的工作模式作出故障决策、最后。给出故障诊断实例验证了该方法的有效性．     

基于滑模观测器的机器人系统传感器故障诊断

本文基于变结构滑模状态观测器，提出了一种在模型含有不确定性误差的情况下，机器人控制系统传感器故障的鲁棒诊断方法．通过滑模观测器与传感器的输出构造残差信号，然后从残差中提取故障信息，实现故障的检测与分离．实验结果验证了该方法的有效性．     

基于神经网络的非线性系统故障检测及容错控制方法

利用神经网络的非线性建模能力，提出了一种非线性系统的故障检测及容错控制方法。在本方法中，首先应用神经网络设计故障估计器，在线估计系统故障向量，实现故障检测；在此基础上，引入补偿控制器，消除故障对系统运行的影响，从而实现容错控制。同时基于Ｌｙａｐｕｎｏｖ方法进行了稳定性分析。     

基于神经网络的无刷同步电机控制系统故障诊断研究

设计了一套无刷同步电机控制器的故障诊断系统,利用实际的非线性控制系统训练神经网络状态观测器,根据系统实际输出与神经网络观测器输出之间的残差来判别和检测实际控制系统的故障,针对系统控制器、电流和速度传感器故障进行故障诊断研究仿真实验。仿真结果表明该方法能有效抑制噪声,能快速准确地确定故障发生的时间、位置、大小以及故障的类型,具有很强的鲁棒性。说明该方法具有很强的适用性和应用价值。     

基于自适应观测器的时滞系统执行器故障诊断

该文研究了一类含有未知输人干扰和模型不确定性的线性时滞系统的故障诊断问题。通过设计自适应诊断观测器，得到了一种新型的鲁棒执行器故障诊断方法。首先针对确定性系统分别设计了检测观测器和自适应诊断观测器，前者能够检测出故障的发生，后者能够理想地估计出故障随时间变化的形状。然后考虑系统的外部干扰和模型不确定，改进了自适应诊断观测器的算法，证明了故障诊断系统的稳定性，提高了故障诊断系统的鲁棒性。最后给出了故障检测过程中阈值的选取原则。仿真结果表明算法具有良好的诊断性能。     

基于PI 观测器的奇异摄动系统故障诊断和最优容错控制

针对线性奇异摄动系统, 提出一种基于PI (proportional integral) 观测器的故障诊断和最优容错控制方法. 基于奇异摄动系统相关理论和矩阵变换技术, 给出PI 全维观测器存在的条件, 该观测器可以观测系统的快慢状态和故障系统的状态. 在估测到系统状态的基础上进一步考虑最优性, 应用最优控制理论, 设计状态反馈控制器, 提出基于PI 观测器的故障诊断器和最优容错控制器的设计方法. 最后的数值算例验证了所提出方法的可行性和正确性.

     

基于自适应迭代学习算法的一类非线性系统故障检测与估计

针对迭代学习算法在非线性系统故障检测与估计过程中存在估计误差较大和收敛速度较慢等不足的问题,提出了一种基于龙格–库塔故障估计观测器模型的自适应迭代学习算法,有效降低了故障估计误差;并引入H∞性能指标,提高了故障估计观测器的收敛速度.该算法首先设计故障检测观测器对故障进行检测,然后设计故障估计观测器,并将自适应算法与迭代学习策略相结合,使得估计故障逐渐逼近真实故障,从而实现对非线性系统中多种常见故障的精确检测与估计.最后,通过机械臂旋转关节驱动电机的执行器故障仿真验证了所提算法的有效性.     

基于鲁棒观测器的带间隙三明治系统故障预报

工程实践中常见的带间隙的三明治系统的准确故障预报具有重要的现实意义,为此,本文构建了一种新的动态鲁棒观测器对其进行故障预报.首先,通过将非光滑项转化为干扰项的方法,将间隙非光滑三明治系统转化为可用动态鲁棒观测器设计方法设计的系统.其次,采用零点配置和最小化基准区间观测器的范数(H_∞,F/H_,F)指标的方法确定动态鲁棒观测器的增益矩阵.最后,通过仿真,分别比较了基于非光滑鲁棒观测器和基于传统观测器的故障预报效果,比较结果表明:鲁棒观测器能够及时地准确预报传统观测器无法预报的故障,且有效减少了故障的漏报和错报现象.     

Control‐oriented fault detection of solid oxide fuel cell system unknown input on fuel supply

As the solid oxide fuel cell (SOFC) system work environment is a high‐temperature environment for a long time, it is difficult to obtain the SOFC stack internal state change directly. When the fault occurs, it is difficult to determine where the fault occurs. Moreover, the existing literature ignores the impact of faults, which creates many problems for SOFC system control. Therefore, a state observer‐based fault detection method, which is used to detect the input flow sensor fault and the fuel input fault, is proposed. Their advantage is that they do not need data processing. To realize the fault detection, the observer is used to track the changes of SOFC stack chamber temperature. To obtain the observer estimation parameter, an approach from the actual stack structure parameters is employed to approximate the observer parameters. The results show the proposed fault detect method can judge fuel input fault type quickly and shield the disturbances signals from the sensor effectively. The proposed method also can be used to other operating points or air input fault.     

基于向量集逆区间滤波的故障观测器设计

针对未知但有界扰动和噪声的线性时不变系统,提出一种基于向量集逆区间滤波的执行器故障观测器设计方法,以实现噪声未知但有界环境下的故障区间估计.通过将执行器故障视为增广状态向量,构造与原系统等价的增广系统;基于增广系统设计故障观测器,得到系统执行器故障的区间估计,同时利用多时刻的测量输出进行区间滤波;采用观测器估计区间和集逆收缩区间的交集,得到更紧致的当前时刻的状态区间,降低区间计算的包裹效应.仿真实例验证了所提方法的有效性和实用性.     

Optimal State Estimation and Fault Diagnosis for a Class of Nonlinear Systems

This study proposes a scheme for state estimation and,consequently,fault diagnosis in nonlinear systems.Initially,an optimal nonlinear observer is designed for nonlinear systems subject to an actuator or plant fault.By utilizing Lyapunov's direct method,the observer is proved to be optimal with respect to a performance function,including the magnitude of the observer gain and the convergence time.The observer gain is obtained by using approximation of Hamilton-Jacobi-Bellman(HJB)equation.The approximation is determined via an online trained neural network(NN).Next a class of affine nonlinear systems is considered which is subject to unknown disturbances in addition to fault signals.In this case,for each fault the original system is transformed to a new form in which the proposed optimal observer can be applied for state estimation and fault detection and isolation(FDI).Simulation results of a singlelink flexible joint robot(SLFJR)electric drive system show the effectiveness of the proposed methodology.     

基于广义未知输入观测器的鲁棒故障估计方法

当干扰存在时,有效地估计故障且放松故障的限制条件需要进一步的研究,为此针对含未知干扰的非线性连续系统的鲁棒故障估计问题提出一种广义未知输入观测器方法。首先,将执行器故障向量和传感器故障向量与原系统状态向量组成广义系统,放松对故障类型的限制,对此广义系统设计未知输入观测器解耦干扰,保证鲁棒性的同时估计出状态变量、执行器故障及其一阶微分和传感器故障。然后通过解线性矩阵不等式（LMI）给出估计误差渐近收敛的条件。最后,在MATLAB 的simulink平台上用三叶片水平轴风力模型仿真验证本文观测器的故障估计有效性鲁棒性。     

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.     

一种基于滑模—神经网络观测器的故障检测和诊断方法

本文针对一类非线性系统，提出了一种用于故障检测和诊断的滑模观测器方法．其 中，观测器中的滑模项保证了该系统在无故障情况时的鲁棒性，并且系统运行的滑动区域提供了故障检测的条件．当检测出故障之后，观测器中的故障估计部分被启动，利用RBF神经网络估计故障，从而能在线辨识故障的形态．仿真结果验证了该方法的有效性．