基于故障跟踪估计器的非线性时滞系统故障诊断

提出一种可有效检测和估计一类非线性时滞系统故障的故障跟踪估计器.根据预测控制和迭代学习控制的思想,在所选取的优化时域长度内,通过迭代算法调节故障跟踪估计器中的可调参数,使之逼近系统中实际发生的故障.与以往基于观测器的故障诊断方法不同的是,故障跟踪估计器可同时检测和估计系统中发生的故障,而且针对不同类型的故障亦有很好的适应性.仿真结果表明了所提出算法的可行性和有效性.

     

一类基于状态估计的非线性系统的智能故障诊断

针对一类含有建模误差的非线性系统,研究了基于状态估计的智能故障诊断方法.首先提出一种状态估计器设计方法;然后在进行状态估计的同时用RBF神经网络来逼近系统所发生的故障.故障估计器的输入为系统的状态估计,所估计出的故障既可用作故障容错控制,也可用作报警.根据微分同胚,将含有建模误差的非线性系统变换为易于分析的规范形式,并在此基础上分析了故障诊断系统的稳定性和鲁棒性.仿真例子证明了该方法的有效性.     

基于预测观测器的时滞系统故障诊断

提出一种新的可有效检测和估计时滞系统故障的预测观测器.借助预测控制思想,在选取的优化时域内构建预测观测器,通过调节预测观测器中的可调参数来跟踪系统实际输出.与以往基于H∞滤波器的故障诊断不同,预测观测器将其转化为控制问题来解决,不但能检测出故障的发生,而且还可估计出故障函数,对不同类型的故障也有很好的适应性.对各类故障的仿真结果表明了该方法的可行性和有效性.     

基于ESO迭代学习算法的故障估计

针对基于迭代学习的故障估计器方法,提出一种基于扩张状态观测器(ESO)思想的迭代学习算法,以提高虚拟故障的收敛速度。该算法将ESO的输出误差非线性反馈机制用于迭代学习过程,利用故障估计器当前输出残差的非线性函数修正下次迭代时的虚拟故障值。对所建立的故障估计器的收敛性进行理论分析,并在此基础上进行了仿真实验。仿真结果表明,所提出的算法具有良好的收敛速度和故障估计精度。     

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．     

一类互联非线性系统的分布式故障估计观测器设计

针对一类互联非线性系统,提出一种分布式故障估计观测器设计方法.首先,将状态向量和故障向量进行增广设计,得出等价的增广互联系统;其次,利用互联子系统之间的耦合信息,设计包含关联子系统估计信息的分布式故障估计观测器,用于在线实时估计子系统中出现的故障;再次,提出基于$H_\infty$性能和$L_2-L_\infty$性能的方法求解观测器增益矩阵;最后,通过一个仿真实验表明所提出方法的可行性和有效性.     

一类非线性系统的鲁棒故障估计

针对一类非线性系统,研究基于自适应观测器的故障估计问题.设计了保证诊断系统稳定的实现故障估计的自适应调节律, 并通过H∞跟踪性能,分析了调节律中的参数对故障估计精度的影响.数值仿真验证了该方法的有效性.     

一种新的基于迭代学习的故障检测和估计算法

将迭代学习策略应用到故障诊断中,提出一种新的故障检测和估计算法.引入虚拟故障参数,采用基于PID的迭代学习策略调节其中的虚拟故障,使虚拟故障逼近系统中实际发生的故障,从而达到对系统故障诊断的目的.理论证明和仿真结果验证了新算法的可行性和有效性.     

存在未知时滞非线性系统的迭代变区间预测迭代学习控制

本文针对机理模型未知的非线性非仿射多入多出(multiple-input and multiple-output,MIMO)离散时间系统, 研究了系统同时存在未知时滞和迭代变化运行时间区间的预测迭代学习控制(predictive iterative learning control,PILC)问题. 首先利用未知时滞的上下界信息建立了一种新型的动态线性化(dynamic linearization,DL)模型, 理论分析表明该模型能够等价描述本文所考虑的存在未知时滞的未知非线性系统. 同时, 设计一种新的数据补偿机制用以处理由于系统运行时间区间迭代变化而引起的数据丢失问题. 基于所建立的DL模型和数据补偿机制, 设计了能够同时处理未知时滞和迭代变化运行时间区间的预测迭代学习控制方法. 通过严格的理论分析同时给出了建模误差和跟踪控制误差的收敛性质. 最后, 通过仿真进一步验证了所提方法的有效性.     

A novel approach to fault diagnosis for time-delay systems

In this paper, a novel fault detection and identification (FDI) scheme for time-delay systems is presented. Different from the existing FDI design methods, the proposed approach utilizes fault tracking approximator (FTA) and iterative learning algorithm to obtain estimates of the fault functions. Performance of the FTA is rigorously analyzed by investigating its stability and fault tracking sensitivity properties in the presence of slowly developing or abrupt faults for state delayed dynamic systems. A novel feature of the FTA is that it can simultaneously detect and identify the shape and magnitude of the faults. Additionally, an extension to a class of nonlinear time-delay systems is made by using nonlinear control theories. Finally, the applicability and effectiveness of the proposed FDI scheme is illustrated by a practical industrial process.     

Fault diagnosis based on high-gain observer with an update law for a class of nonlinear systems

In this paper, by using the well-known high-gain observer design, an update law for the gain and an adaptive estimation of parameters, a new method of fault diagnosis for a class of nonlinear systems is presented. Without resort to any transformation for the parameters, the estimation errors of the states and the parameters are guaranteed to be globally exponentially convergent by a persistent excitation condition. Compared to the existing results, it can be applied to nonlinear systems with nonlinear terms admitting an incremental rate depending on the measured output. A case study further verifies the validity of the proposed research.     

一类基于神经网络非线性观测器的鲁棒故障检测和诊断

利用神经网络的非线性建模能力，对一类具有建模不确定项的非线性系统提出一种基于观测器的故障检测和诊断的方法。设计的观测器不仅能实现故障检测，而旦应用神经网络设计的故障估计器能在线估计系统中的故障向量。通过分析验证了该方法对系统中的建模误差和外部扰动具有良好的鲁棒性。仿真结果表明所提出的方法是有效的。     

Robust fault diagnosis for a class of nonlinear systems

Robust fault diagnosis based on adaptive observer is studied for a class of nonlinear systems up to output injection. Adaptive fault updating laws are designed to guarantee the stability of the diagnosis system. The upper bounds of the state estimation error and fault estimation error of the adaptive observer are given respectively and the effects of parameter in the adaptive updating laws on fault estimation accuracy are also discussed. Simulation example demonstrates the effectiveness of the proposed methods and the analysis results.     

Robust fault diagnosis for a class of nonlinear systems

Robust fault diagnosis based on adaptive observer is studied for a class of nonlinear systems up to output injection. Adaptive fault updating laws are designed to guarantee the stability of the diagnosis system. The upper bounds of the state estimation error and fault estimation error of the adaptive observer are given respectively and the effects of parameter in the adaptive updating laws on fault estimation accuracy are also discussed. Simulation example demonstrates the effectiveness of the proposed methods and the analysis results.     

混杂系统故障诊断的强跟踪滤波器方法

混杂系统是近年来研究的热点,针对混杂系统故障诊断难题,在对混杂系统描述的基础上,给出了混杂系统状态估计及离散模态识别的强跟踪滤波器算法,并将该算法扩展到状态与参数的联合估计,最后利用修正的Bayes算法作出故障判决,实现了混杂系统的故障诊断。通过对两容水箱典型混杂系统故障诊断的仿真实验,验证了该方法的有效性。     

非线性系统的故障诊断技术

文中对非线性系统的故障诊断方面问题给予了归纳总结,指出了基于数学模型方法,基于信号处理方法和基于知识的方法在实现非线性系统故障诊断的基本思想,并进一步指出了各各非线性系统故障诊断方法及可能的发展方向。