未知输入观测器组的航空发动机分布式控制系统传感器解析重构控制

针对具有控制时延和未知干扰的航空发动机分布式控制系统,提出了一类基于未知输入观测器组的传感器解析重构控制方法。每一未知输入观测器与传感器一一对应,其输入为控制量和其他传感器信息,输出即为对应传感器发生故障时的重构信号。以航空发动机小偏离状态空间模型为研究对象,推导了用线性矩阵不等式表示的未知输入观测器存在的充分条件,当给定控制器增益时,可求解出任一未知输入观测器的参数矩阵,通过迭代即可设计出所有未知输入观测器。仿真表明:当传感器发生故障时,采用观测器的估计值代替故障传感器的信号作为状态反馈,在不同的干扰作用下,系统均具有较好的动态响应,观测器能对外部干扰完全解耦,且不受故障传感器影响,能对故障传感器实现有效重构。     

基于慢特征重构与改进DPLS的软测量建模

针对过程数据中存在的噪声干扰及动态特性,提出了一种基于慢特征重构与改进DPLS的软测量建模方法。该方法首先利用慢特征分析提取变化缓慢的成分,并用于重构原始输入,同时提出一种重构相似性指标来评价重构效果,实现用尽可能少的成分刻画数据的原有趋势,减少噪声干扰;然后梳理改进DPLS方法的完整流程,并用于分析重构输入与原输出间的关系,获得的模型更符合数据间的动态关系。本方法的有效性在TE过程及脱丁烷塔过程的软测量模型中得到了验证。     

汽车侧倾角速度传感器的故障诊断和重构

针对汽车侧倾角速度传感器故障对控制系统的影响问题, 提出了一种基于模型的故障诊断和故障重构方法, 并给出了系统的理论证明。对于满足Lipchitz 条件的多输入多输出非线性系统, 可应用带有模型不确定性的一维线性状态方程作为其等效模型, 进行传感器的故障诊断。并在此基础上应用经典的观测器理论设计了残差生成器, 通过特征结构配置的方法, 证明了模型不确定性、执行器故障和干扰可以实现在残差中的完全去耦。采用整车的八自由度模型进行Simulink 仿真, 结果证明了结论的有效性。与其他方法相比, 笔者算法得到的残差具有很强的鲁棒性, 重构出的传感器信号具有很高的精度。     

基于LS-SVM软传感器的容错控制方法及应用

针对一类非线性系统中传感器卡死、恒增益和恒偏差失效等易发故障,考虑控制系统多存在耦合、非线性、时变、滞后等难以建立精确的解析模型,基于数据驱动技术提出一种软传感器容错控制方法.基于LS-SVM构建了系统软传感器,并利用软传感器的预测输出与实际传感器输出之差获取残差信号;采用SPRT算法进行故障检测,当传感器发生故障时,用LS-SVM软传感器预测输出代替物理传感器的实际输出,从而以软闭环方式实现对传感器故障的容错控制.将所提出的方法应用于一阶水箱液位控制系统,实验结果表明,基于LS-SVM软传感器与SPRT的结合能够可靠及时检测非线性系统中各类传感器故障,而借助于软闭环切换还可对传感器故障实现安全容错.     

基于核回归区间模型的电液位置伺服系统故障检测

针对电液位置伺服系统在运行过程中存在非线性、干扰性、复杂性以及参数不确定性等问题,提出了基于核回归区间模型的电液位置伺服系统故障检测方法。该方法利用反映系统诸多不确定性的无故障可测输入-输出数据,建立能控制核回归模型精度、又能平衡该模型结构复杂性的区间模型,用于判断电液位置伺服系统的实际输出是否越过系统健康运行时的区间输出,进而实现故障检测。该方法由于考虑了基于区间的动态阈值对故障进行检测,消除了传统的固定阈值易引起故障误报现象,所以具有一定的自适应性能力。实验论证了所提出的故障检测方法,可用于电液位置伺服系统故障的实时检测。     

基于APCA的电站热力过程故障传感器自适应检测方法

为自动适应电站热力过程的连续变化,提出了基于APCA的电站热力过程传感器故障诊断方法,通过模型参数的自动更新,使模型及时反映当前的系统状态,从而连续可靠运行.对PCA重构残差进行研究,在对电站实际测量数据可靠性分析的基础上提出了参数自适应预估计方法,利用预估计值来替代故障数据,以抑制残差污染,提高重构参数的准确性.利用电厂实际测量参数进行了算例分析,表明所提算法能很快适应系统状态变化,并给出正确的检测结果,即使在系统同时存在多个传感器故障时,通过对不良数据的检验,也能够获得准确的重构数据.     

多时滞不确定非线性系统传感器鲁棒故障诊断

提出了一种带有多时滞不确定非线性系统的传感器鲁棒故障诊断方案,非线性仅与系统输入和输出有关,不确定性包括系统输入和状态等环节;通过构造观测器对状态和输出进行估计,得到具有鲁棒性的阈值;若系统的实际输出与估计输出之差(即残差)超出阈值,说明有故障发生,同时用自适应跟踪器对故障进行跟踪;在理论上证明了该方案的鲁棒性、灵敏度和稳定性,最后通过仿真说明了该方法的有效性。     

基于集员估计的线性MIMO系统故障检测方法

考虑了一类具有未知有界噪声的线性多输入多输出(MIMO)系统的故障检测问题,提出了一种基于集员估计的故障检测方法.通过当前时刻系统状态范围和测量输出值的一致性检验来检测系统是否发生故障.如果系统正常运行,则利用系统测量输出信息校正当前时刻系统状态范围.利用三容水箱系统模型进行了仿真研究,结果表明了所提方法的有效性.     

软阈值时序卷积网络在冷水机组传感器故障诊断中的应用

为了提高冷水机组传感器的故障诊断性能,提出了一种基于软阈值时序卷积网络的编码-解码器重构模型(ST-TCN),并建立基于该模型的传感器故障诊断方法。采用时序卷积网络(TCN)充分挖掘冷水机组传感器的时间相关性、热力学物理量间的数据相关性以及动态响应差异性特征。在TCN的残差块中引入软阈值自适应模块剔除冗余信息,降低噪声干扰。依托ST-TCN模型“端到端”的网络结构优势,将绝对重构残差向量与故障阈值向量进行比较,直接定位故障传感器。在实际压缩式冷水机组平台上采集传感器数据进行实验,结果表明,软阈值自适应模块能有效地增强网络模型的重构能力,从而提高故障传感器的诊断性能。以压缩机吸气温度传感器T1为例,ST-TCN的平均偏差故障识别率比改进前提升了45.9%;与其他故障诊断方法相比,所提的最新框架获得了较高的偏差故障识别率。     

非线性多时滞不确定系统鲁棒故障诊断

提出了一种带有多时滞不确定非线性系统的鲁棒故障诊断方案,非线性与系统输入和输出有关,不确定性包括系统输入和状态等环节;通过构造观测器对状态和输出进行估计,得到具有鲁棒性的阈值;若系统的实际输出与估计输出之差(即残差)超出阈值,说明有故障发生,同时用自适应跟踪器对故障进行跟踪;在理论上证明了该方案的鲁棒性、灵敏度和稳定性。     

Sensor Fault Tolerant Generic Model Control for Nonlinear Systems

Introduction　　Conventionalfeedbackcontrolforacomplexprocessmayresultinunsatisfactoryperformance,oreveninstability,intheeventofmalfunctionsinactuators,sensorsorothersystemcomponents.Aclosed-loopcontrolsystemwhichtoleratesmalfunctions,whilestillmaintainingdesirableperformanceandstabilityproperties,canbesaidtobefaulttolerant[1].Faulttolerantcontrolenablesincreasedavailabilitybyavoidinginadvertentprocessshutdownsfromsimplefaults,e.g.,ininstrumentationandcontrolloops,thatcouldresultinproductionst…     

基于PSR和SVM方法的化工过程单变量故障诊断

基于相空间重构(SPR)和支持向量机(SVM)算法本文提出了一种利用单一变量进行化工过程故障诊断的方法。首先进行变量筛选,然后对筛选出的关键变量进行相空间重构,再利用SVM对重构后的数据进行故障分类。通过对TE(Tennessee Eastman)过程几类故障进行仿真测试,结果表明在单一故障和多故障情况下,本方法均可实现化工过程的单变量故障诊断;与传统SVW方法相比,相空间重构可有效提高诊断正确率。此方法可为建立简单而有效的单变量故障诊断系统提供理论依据。     

基于改进CNN-GRU网络的多源传感器故障诊断方法

提出一种复杂系统内多源传感器的故障诊断方法.利用多源传感器数据之间的相关性,使用卷积神经网络提取不同传感器之间的联系和特征.在卷积网络中,设计了传感器数据标定模块使得网络更关注学习与故障信号相关的传感器数据.利用循环网络对传感器自身的时序特征建模,引入跳跃连接和辅助损失函数降低网络的训练难度.最后综合时空特征,一次计算得到故障分类结果和故障参数估计.仿真结果表明,改进后的CNN-GRU网络能够实时准确地诊断传感器的固定偏差故障和漂移偏差故障,传感器数据标定模块和跳跃连接的引入有效地提高了诊断算法的准确率和精度.      

一种动态校正的AGMM-GPR多模型软测量建模方法

工业过程常常是强非线性的,并有多个工况,传统的软测量方法存在预测能力差,不能有效利用误差信息等缺点.为了有效解决这些问题,提出一种基于自适应高斯混合模型-高斯过程回归(AGMM-GPR)的多模型动态校正软测量建模方法.首先,通过贝叶斯信息准则构建自适应高斯混合模型(AGMM),得到优化的子模型个数;然后,利用GPR方法建立各局部模型,当新的数据到来时,将其隶属于各局部模型的后验概率和预测值融合得到多模型输出;最后,为了进一步提高模型的精度,构建自回归积分滑动平均(ARIMA)模型对多模型输出进行动态反馈校正.通过数值仿真和硫回收装置(SRU)中H2S浓度的估计,验证了所提方法具有良好的预测精度和泛化性能.     

PCA在火箭发动机试车台传感器故障诊断中的应用

为了解决液体火箭发动机在试车过程中氢供应系统的关键传感器的故障诊断问题，该文利用主元分析（PCA）方法为几个重要传感器建立了主元分析模型。在所建立模型的基础上，根据平方预报误差（SPE）对传感器故障敏感的特点利用其进行传感器的故障检测。该文根据一种量化的指标参数——传感器有效度指标（SVI）对故障传感器进行辨识，实现故障分离。一般的基于传感器对SPE贡献率的辨识方法只能进行定性分析，而SVI则将辨识参数量化到0～1之间。更具实用价值。同时，证明了迭代收敛的重构解析表达式，去除了故障传感器数据对重构精度的影响，实现了数据重构。通过仿真实例验证了这种传感器故障诊断及重构方法的有效性．为发动机的正常试车提供了有力的保证。     

航空发动机智能容错数字控制

研究航空发动机智能容错控制方案，使控制系统在传感器故障时正常工作，执行机构故障时安全工作．在自联想网络的特征提取以及过滤噪声和故障能力的基础上，提出自联想网络的最优估计、轴向故障征兆和三级阈值的综合逻辑以区分软故障和发动机性能蜕化、安装制造公差等引起的不确定性．仿真结果表明，这种方法不需要发动机数学模型，对不确定性鲁棒性好．     

基于滑模观测器的非线性系统故障检测与重构

 为提高控制系统的安全性和可靠性,针对非线性系统传感器的故障诊断问题,提出一种利用滑模观测器进行故障检测和重构的方法。首先引入积分变量将传感器故障转化为执行器故障,通过对执行器故障的诊断间接诊断传感器故障。针对转化后的系统构造滑模观测器,进而实现传感器故障重构。采用Lyapunov稳定性理论,证明设计的滑模观测器的稳定性。对于构造的滑模观测器,给出一种用线性矩阵不等式方法求解的简便算法。最后,对于文献中给出的非线性系统,就不同的故障类型作用在传感器上的几种情形进行仿真。仿真结果表明,所设计的滑模观测器能够准确地重构非线性系统中传感器的缓变故障和突变故障;当系统存在未知扰动时,所设计的滑模观测器也能准确地重构故障。该方法从开始就对故障进行重构,避免了产生和评价残差信号的复杂性。     

不确定网络化控制系统的鲁棒容错控制

提出了网络化控制系统(NCS)的一种建模方法.该方法采用时延估计法和在线取得时延法来获取时变时延,不仅解决了采样时差和时变时延难以估计的难点,而且大大简化了NCS的建模过程.针对NCS中传感器和执行器的失效问题,利用Lyapunov法给出了一种新的鲁棒容错控制算法.运用该算法设计的控制器可使系统在网络时延、故障和建模误差的共同干扰下依然稳定运行,而且该算法接近于普通的状态反馈设计,便于工程实现.实验结果表明,算法能使系统在传感器失效和建模误差的作用下保持鲁棒稳定性.     

配电网单相接地故障的自动化检测模型设计

当前配电网单相接地故障检测模型知识表达能力较差,其产生过程只依据正常配电网样本数据,无需单相接地故障数据,未充分利用先验知识,导致检测精度低。提出新型配电网单相接地故障自动检测模型。提取配电网单相接地故障特征,设计配电网单相接地故障自动化检测模型,将故障特征向量作为输入向量,引入输入向量与权值向量元素之间的匹配程度,将其作为第二层节点的输入,将第二层的输出作为第三层的输入,对模型进行训练,输出的结果即为配电网单相接地故障检测结果。实验结果表明,所提模型具有很高的检测精度。     

卷取张力控制过程的故障诊断

在冶金工业生产中,带材的卷取过程会直接影响产品的最终质量.卷取张力是保证卷取过程稳定的重要因素.因此卷取张力控制过程的故障诊断具有现实意义.采用偏最小二乘（Partial Least Squares,PLS）对卷取张力控制过程的故障进行诊断.PLS是一种利用统计原理提取过程数据中的有用信息建立过程模型的降维技术.它不仅可以完成数据降维和特征提取,还考虑了输入、输出数据之间的回归关系.通过PLS分解可以降低空间的维数,使提取的主元具有变化度和可区分性,最后根据T²和Q统计量实现故障检测,通过累计贡献图实现故障识别.仿真结果验证了方法的可行性.