基于RBF神经网络的锅炉燃烧系统故障诊断

为了提高锅炉燃烧控制系统的可靠性,针对热力系统自身的特点,基于热力系统的解析冗余理论,提出用RBF神经网络构建状态观测器,对传感器和执行机构进行故障检测与诊断的新方法。采用正交最小二乘法(OLS)训练神经网络。在锅炉负荷控制系统中采用这一方法,对传感器和执行机构构建状态观测器,通过分析比较传感器及其观测器输出和残差、执行机构及其观测器的输出和残差,就可以进行故障诊断。实验结果表明:该方法可以有效地进行锅炉燃烧控制系统故障检测和诊断。     

锂离子动力电池传感器多故障诊断策略综述

锂离子电池作为新一代可充电电源,具有能量密度大、安全性能高等优点,显示出了广阔的市场前景。但锂离子电池在运行过程中会发生各种内、外部故障,所以锂离子电池安全问题一直备受关注。锂离子电池里的传感器正常运行是保证对电池系统实时监测的关键,但是传感器故障微小且不易察觉,并且故障具有关联性、并发性的特征,可能引起多故障的发生,进而触发热失控的风险。所以如何保证传感器精确、快速的进行锂离子电池故障检测与诊断是确保安全稳定运行的关键。本文首先从锂离子电池结构出发总结了锂离子故障的类型及成因,并详细分析了传感器故障和多故障产生的机理。然后,对锂离子电池从单体电池到电池包所涉及的传感器故障和多故障诊断策略进行全面的阐述,并且分析了可能成为未来发展趋势的传感器多故障协同诊断策略和电池新模式下的故障诊断方式（如气体检测等）。最后,以全文锂离子电池的传感器多故障研究的重难点,提出了传感器多故障诊断未来可能的研究方向。     

电动汽车锂离子电池管理系统的关键技术

 锂离子电池具有能量密度高、功率密度高、寿命长、环保等特点,已经在电动汽车中获得应用。但电动汽车锂离子电池组的容量大、串并联节数多、安全工作区域有限,需要电池管理系统对其进行有效控制与管理,以充分保证电池的安全性、耐久性和动力性。电池管理系统由各种传感器、执行器、控制器等构成,其关键技术包括:传感器的精度及传感器之间的同步技术、电池单体及电池组的状态(荷电状态、健康状态、功能状态、能量状态、安全状态等)估计技术、电池组一致性辨识与均衡技术、安全充电和故障诊断技术。为了研发先进的电池管理系统,首先要对锂离子电池性能进行测试研究,确定影响其性能的主要因素及变化规律;然后采用基于机理、半经验或经验的建模方法建立电池系统模型,设计基于模型的电池系统状态估计及性能优化管理算法,并进行系统集成和应用开发,以保证在电池安全可靠运行的前提下发挥出最佳的动力性能。     

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。     

基于观测器的闭环系统故障检测及其在飞控系统中的应用

通过在闭环系统中加观测器,并基于实际飞行控制系统中控制器经常饱和的考虑,对执行器、反馈传感器故障进行了Matlab仿真研究.通过结果分析,提出了一种获取残差的新方法:即把控制器的输出残差和观测器的输出残差结合起来检测故障.该方法对于实际系统可能发生的各种故障更为有效,可以提高系统检测故障的性能,减小漏报率.针对一个飞行控制系统的仿真结果表明:新提出的诊断方案是有效的.     

基于小波神经网络的一类非线性系统的故障检测

针对一类非线性系统,提出一种小波神经网络(wavelet neural network,WNN)自适应故障检测方法。WNN具有较强的泛化能力及不同的激活函数。通过设计自适应状态观测器技术,利用小波神经网络观测器良好的观测性能来观测系统的当前状态,并将其应用于一类非线性系统中,实现故障检测与诊断。利用Lyapunov直接方法从理论上证明了小波神经网络故障检测观测器的稳定性,仿真结果亦表明了该非线性系统故障检测观测器的可靠性和稳定性。     

电机驱动系统电流传感器故障诊断与容错控制

为有效解决电机驱动系统中的常见的电机电流传感器故障诊断与容错控制问题,结合Luenberger状态观测器与修正Bayes分类算法,提出了一种有效的传感器故障诊断与容错控制方法。该方法以一种可调增益矩阵的Luenberger状态观测器模型为基础,实现各种工况下电流值的实时估计。基于残差生成单元和修正的Bayes分类算法对故障传感器进行实时检测与定位,并在传感器故障工况下用观测器估计值代替电流传感器信号实现电机驱动系统的容错控制。仿真结果表明,本文所提算法能快速诊断出故障传感器并具有容错控制功能,可有效提高电机驱动系统可用性。     

非线性广义系统传感器故障估计方法

随着工业控制系统对可靠性的要求日益提高,故障诊断显得越来越重要。当系统存在干扰且干扰上界未知时,有效地对系统中的传感器故障进行估计,需要进一步的研究。为此,针对传感器故障为常值突变故障或缓慢变化故障的情况,研究了一类含外部干扰的非线性广义系统的传感器故障估计问题,提出了一种基于增广状态观测器的传感器故障估计方法。通过状态重构将传感器故障作为增广状态的一部分,构造出一个新的广义系统并设计增广状态观测器,使其能够同时对原广义系统中的状态和传感器故障进行估计;考虑到系统中的干扰项,根据李雅普诺夫稳定理论并结合线性矩阵不等式(LMI)方法,分两种情形给出了估计误差系统渐近收敛的充分条件,保证了可以对原系统中的故障进行渐近估计;通过仿真算例验证了增广观测器对传感器故障估计的有效性,表明了所提方法的可行性。     

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。     

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。     

应用麻雀搜索和概率神经网络的储能电池故障诊断

储能是构建新型电力系统的核心技术,其中,锂离子电池电化学储能是当前的主要形式,对实现“双碳”目标意义重大。故障诊断对于保障电池储能系统安全运营意义重大,尤其是微小故障的准确诊断能有效预防严重故障的发生,然而,传统故障诊断方法时效性差、精度较低,难以捕捉微小故障特征。因此,提出了一种应用麻雀搜索算法(sparrow search algorithm, SSA)改进的概率神经网络(probabilistic neural network, PNN)的储能电池微小故障诊断方法。首先,通过对锂离子电池故障类别分析故障特性,提取微小故障发生后的状态特征信息;然后,将磷酸铁锂储能电池故障信号分解成一系列特征向量并输入SSA-PNN模型;最后,开展了实验验证研究。结果表明,与传统的基于误差反向传播算法的故障诊断方法相比,基于SSA-PNN的故障诊断方法精度达到99.7%,具有更高的诊断精度和实时性。     

基于电化学机理模型的锂离子电池早期内短路电热特征研究

锂离子电池的内短路故障是诱发其热失控的主要原因之一,早期内短路特征研究能够为电池管理系统的故障诊断和安全预警提供支撑,对提高电动汽车的安全性具有重要意义。构建了锂离子电池内短路电化学机理模型,实现了不同内短路阻值下的锂枝晶内短路故障模拟。结果表明,由锂枝晶导致的电池内短路产热98%以上来源于正负极产生的焦耳热,早期内短路过程中正负极集流体表面的温升小于1.5 K,不显著的外部热特征无法用于早期内短路故障诊断。与正常电池相比,内短路故障将使得电池充电速度变慢,放电速度变快,端电压异常下降,上述电特征可以为构建早期内短路故障诊断方法提供依据。     

基于电流斜率的SRM功率变换器故障诊断

功率变换器是开关磁阻电机调速系统重要部件之一,同时也是系统可靠性最弱的环节。针对传统功率变换器故障诊断方法通用性差、需增加额外硬件、无法进行开路器件定位等问题,以不对称半桥式功率变换器为研究对象,改进传统电流传感器安装位置,各相检测电流为绕组和上续流二极管电流之和,通过分析电流斜率在不同故障下的特点,提出一种基于电流斜率的诊断方案。该方案以逻辑信号、检测电流及其斜率为输入建立了故障变量的数学模型,通过模型输出值,即可对功率管开、短路故障进行快速定位,且各相诊断相互独立、不受电机相数及控制方式限制,通用性强;无需增加额外硬件,诊断功能丰富且控制器负担小。仿真和实验验证了方案的有效性。     

基于IMM-UKF方法的机电作动器突发性故障诊断研究

飞机飞行控制系统机电作动器（electromechanical actuator,EMA）的突发性故障会影响到飞机的飞行安全性,甚至导致飞机失控.针对EMA的突发性故障,提出一种基于交互式多模型（interactive multiple model,IMM）和无迹卡尔曼滤波（unscented Kalman filter,UKF）相结合的故障诊断方法.该方法利用UKF不仅能更好地逼近状态方程的非线性特性,而且能使滤波器具有更好的稳定性和更低的计算量要求;利用IMM不仅解决了可测量参数偏少导致的故障诊断困难的问题,而且还改善了发生的故障与预先假设的故障差异较大的情况下故障诊断的快速性和准确性.通过对某型EMA进行故障诊断,仿真结果表明所提出的IMM-UKF故障诊断方法可以实现对EMA部件和传感器故障的快速准确诊断.      

A discrete PI fault observer design and application in variable speed wind turbine system

For the discrete-time system which is subjected to uncoupled actuator faults and sensor faults simultaneously, a robust fault diagnosis method based on a proportional integral observer (PIO) is presented. The proposed PIO uses an additionally introduced integral term of the output errors to obtain the estimation of actuator faults. Besides, the sensor faults are regarded as the augment states so that the PIO can trace them. Moreover, the convergence of the PIO is proved. A variable speed wind turbine(VWT) example is given to demonstrate the fast convergence and diagnosis precision of the proposed PIO.     

KPCA在凿岩台车控制系统传感器故障诊断中的应用

传感器状态对于凿岩台车的作业有着极其重要的影响,对其展开故障诊断十分必要.核主成分分析(KPCA)方法通过集成算子与非线性核函数计算高维特征空间的主元成分,有效捕捉过程变量中的非线性关系,将其用于传感器4种常见故障的诊断,先用Q统计量进行故障监测,再用T2贡献量百分比变化来识别故障.仿真和实际应用结果表明:KPCA方法具有很好的故障监测与诊断能力.     

基于半导体制冷的动力锂电池包散热优化

为提升动力锂电池包的散热性能和能量密度,基于半导体制冷方案,提出一种多目标优化设计方法,对动力锂电池包的排布间距和半导体制冷量进行优化设计。基于建立的半导体制冷方案的热分析模型,采用拉丁超立方试验及径向基函数(radial basis function, RBF)、响应面法(response surface methodology, RSM)、Kriging代理模型方法建立最高温度、最大温差及间距体积的近似模型。以最大温差和间距体积为目标,最高温度为约束建立电池包散热优化模型,运用多目标遗传算法(multi-objective genetic algorithm, MOGA)进行寻优求解,并通过实验验证优化方案仿真结果的可靠性。优化后仿真结果表明：电池模组间距体积减小了32.42%,最大温差降低了13.64%,最高温度降低了0.53%,该方法显著地提升了电池包的散热性能和能量密度。     

锂离子电池剩余寿命间接预测方法简

针对锂离子电池在线剩余寿命预测时容量难以直接测量以及预测表达的不确定性等问题,提出一种利用锂离子电池充放电监测参数构建剩余寿命预测健康因子的方法框架,实现了锂电池健康状态的表征,同时利用高斯过程回归（Gaussian process regression,GPR）方法给出剩余寿命预测的不确定性区间,从而构建了锂离子电池在线剩余寿命预测的方法体系。基于NASA锂离子电池数据集和卫星锂离子试验数据的剩余寿命预测验证和评估实验,表明本文提出的方法框架可以很好地支撑电池在线剩余寿命预测的应用,具备较好的电池剩余寿命预测精度和不确定性管理能力。