基于主导子系统的非线性系统鲁棒故障诊断

针对非线性不确定系统的故障诊断问题,提出了一种基于主导子系统的自适应模糊观测器设计方法。利用主导子系统的观测器增益矩阵进行模糊观测器的设计,并推导出了系统状态估计误差有界的条件以及故障估计所要满足的自适应算法。另外,考虑到系统带有建模不确定,对故障检测的鲁棒性和灵敏度进行了分析。给出的仿真示例说明所提出的方法是有效的。     

基于自适应模型非线性系统容错控制的研究

针对未知的多变量非线性动态系统,提出了一种新型的自适应故障容错控制方法。该方法首先通过设计一个自适应RBF神经网络模型建立未知过程的动态模型,并利用扩展卡尔曼滤波算法在线调节RBF网络权值学习系统的时变参数和故障动态,然后设计基于此模型的自适应迭代逆模控制算法实现相应的容错控制策略。将容错方法成功应用到一个连续的多变量三水箱过程。     

基于T-S模糊模型的网络控制系统鲁棒H∝容错控制

针对同时存在网络时延和数据包丢失的网络环境,研究了执行器故障下一类非线性网络控制系统的鲁棒H_∞容错控制问题。基于不确定T-S模糊模型描述的非线性网络控制系统模型,考虑了更实际、更常见的执行器部分失效情况。通过引入一个积分不等式,获得了此类系统的时滞相关鲁棒稳定性条件,且采用锥补线性化算法给出了此类系统的鲁棒H_∞容错控制器设计方法。仿真算例表明,对于任意容许的不确定性以及执行器故障,所设计的控制器能使系统鲁棒渐近稳定,且具有H_∞范数界。       

一类非线性系统的执行器组合故障自适应容错控制

针对一类具有执行器组合故障的多输入单输出非线性最小相位系统提出了自适应容错跟踪控制方案。考虑系统执行器卡死和部分失效组合故障,基于微分几何反馈线性化,设计了模型参考自适应容错控制算法。设计的控制律能够保证系统在执行器故障时闭环系统稳定,而且渐近跟踪给定的参考信号。仿真结果表明了所提方法的有效性。     

基于非线性自适应观测器的故障诊断

将自适应控制的思想和状态观测器方法相结合研究了一类非线性控制系统的故障诊断问题。针对一类满足Lipschitz条件的带有未知参数的非线性系统,提出了一种非线性自适应状态观测器的设计方法,并将其应用到控制系统的故障诊断中。通过设置未知故障向量的自适应调整律,保证了状态观测器的渐近稳定。数字仿真证明了该方法的有效性,系统渐近稳定,状态向量和故障向量的估计值均趋近于实际值。     

一类参数不确定非线性系统的故障检测与重构

飞行器在全包络上表现出明显的气动参数不确定性,以某无人机纵向模型为研究对象,提出一种不确定参数在线估计的自适应观测器故障重构方法。首先,将系统状态方程描述为一类带时变参数的仿射非线性结构,在参数增广系统能观性分析基础上,采用增广容积卡尔曼滤波(augmented cubature Kalman filter, ACKF)算法实现气动参数在线估计,以克服鲁棒性死区故障检测方法的保守性,提高检测灵敏度。其次,将所估计参数用于自适应观测器设计,由于Lie导数分析方法保证了对象系统的能观性,故系统不必满足文献方法中的特定规范形式;在此基础上,给出了故障检测自适应阈值和故障参数调节律,并分析了估计误差的收敛性。仿真实验表明了所提方法的有效性。     

鲁棒自适应输出跟踪控制在船舶操纵中的应用

针对带有未知控制增益、常参数不确定性以及外部扰动的船舶运动非线性模型，将自适应逆推技术与Nussbaum增益方法相结合，提出一种新的非线性自适应鲁棒控制策略，实现了船舶运动航向渐近跟踪控制。在所得控制器作用下的系统性能不仅能够通过设计参数而得到保证，且可克服控制器奇异值问题。设计过程及数字仿真结果均表明，所设计的自适应非线性跟踪控制器对不确定性具有良好的适应性及鲁棒性。     

Design and simulation of fault diagnosis based on NUIO/LMI for satellite attitude control systems

This paper presents a scheme of fault diagnosis for flexible satellites during orbit maneuver. The main contribution of the paper is related to the design of the nonlinear input observer which can avoid false alarm arising from the disturbance from orbit control force. The effects of orbit control force on the fault diagnosis system for satellite attitude control systems, including the disturbing torque caused by the misalignments and the model uncertainty caused by the fuel consumed, are discussed, where standard Luenberger observer cannot work well. Then the nonlinear unknown input observer is proposed to decouple faults from disturbance. Besides, a linear matrix inequality approach is adopted to reduce the effect of nonlinear part and model uncertainties on the observer. The numerical and semi-physical simulation demonstrates the effectiveness of the proposed observer for the fault diagnosis system of the satellite during orbit maneuver.     

多态系统可靠性分析广义灰色贝叶斯网络模型

针对多态系统可靠性分析过程中部件和系统的故障状态难以准确界定、故障逻辑关系难以精确测度等问题,基于模糊数学和灰色系统理论提出了一种广义灰色贝叶斯网络模型。该模型首先运用含有区间灰数的模糊子集表征部件所处的故障状态;然后通过运用区间灰数表示系统故障发生的条件概率表征多态系统复杂多样的故障逻辑关系;最后基于贝叶斯网络推理算法和区间灰数运算规则,给出系统处于不同故障状态的概率和部件重要度等可靠性特征信息,为不确定条件下的多态系统可靠性分析提供了完整的解决方案。通过对某民航飞机的可脱离应急跟踪设备的案例研究,表明了所提模型的可行性。     

基于SE(3)的航天器姿轨一体化有限时间容错控制

针对相对运动航天器,当执行机构出现故障以及外部干扰和系统不确定性同时存在的情形下,利用滑模控制的鲁棒性,提出了一种有限时间容错控制方法。基于李群SE(3)建立了单刚体航天器姿轨一体化模型,并在指数坐标下推导了相对运动航天器误差动力学方程。设计了一类非奇异快速终端滑模面,并采用等价自适应方法设计控制器估计和补偿外总扰动,提出的容错控制算法可以不依赖于故障诊断与检测环节。运用Lyapunov方法证明了系统在故障和扰动等多约束条件下的稳定性和有限时间快速收敛性,数值仿真结果分析也验证了该容错控制器的快速性、准确性与可靠性。     

非线性系统执行器死区故障的鲁棒自适应控制

针对一类具有不对称执行器死区故障的不确定非线性系统,基于反推滑模控制原理提出了一种神经网络鲁棒自适应控制方案。通过简化死区故障模型,取消了模型倾斜度相等和边界对称条件,结合动态面控制避免了传统反推设计方法存在的计算复杂性问题。所提控制方案取消了控制方向已知的条件,消除了执行器死区故障的影响,使得系统输出趋于给定参考轨迹的一个小领域。仿真结果验证了该方法的有效性。     

模拟退火自适应模糊系统学习算法及其在故障诊断中的应用

把自适应模糊系统的学习过程分解为聚类和线性优化,用模拟退火作为聚类的工具,提出了一种基于模拟退火的自适应模糊系统学习算法,用该学习算法建立某非线性伺服机构的模型,并构造基于模型的故障诊断系统,实验取得了良好的结果。     

不确定非线性系统自适应滑模跟踪控制及应用

针对一类非匹配不确定非线性系统,设计了一种高阶鲁棒自适应反推滑模变结构控制方法。在控制器设计中,考虑存在系统建模误差和外界未知干扰,借鉴动态面思想降低控制器复杂性,引入双曲正切函数和抖振衰减因子降低控制输入抖振,设计系统建模误差自适应律增强控制器鲁棒性,并将系统的稳定性证明简化为判断一个n阶对称矩阵的正定性问题。将设计的反推滑模控制器用于F-8飞机纵向机动控制并进行仿真,实现了飞机对指定轨迹的稳定跟踪。     

Backstepping-based active fault-tolerant control for a class of uncertain SISO nonlinear systems

Active fault-tolerant control is investigated for a class of uncertain SISO nonlinear flight control systems based on the adaptive observer, feedback linearization and backstepping theory. Firstly an adaptive observer is constructed to estimate the fault in the faulty system. A new fault updating law is presented to simplify the assumption conditions of the adaptive observer. The asymptotical stability of the observer and the uniform ultimate boundedness of the fault estimation error are guaranteed by Lyapunov theorem. Then a backstepping-based active fault-tolerant controller is designed for the faulty system. The asymptotical stability of the closed-loop system and uniform ultimate boundedness of the tracking error are proved based on Lyapunov theorem. The effectiveness of the proposed scheme is demonstrated through the numerical simulation of a flight control system.     

基于观测器的非线性系统执行器死区故障的自适应跟踪控制

研究了一类具有不对称执行器死区故障的非线性系统的跟踪控制问题。基于扩张观测器,提出了一种新的自适应跟踪控制方法。取消了系统所有状态完全可测的限制。在死区模型所有参数以及系统非线性不确定项上界均未知的情况下,所设计的自适应控制器可以很好地消除执行器死区故障的影响,保证跟踪误差有界。仿真结果表明该方法的有效性。     

自适应在线增量ELM的故障诊断模型研究

为满足现役装备根据故障样本数据集积累的特点进行自适应故障诊断的需求, 本文将极限学习机(extreme learning machine, ELM) 的数据增量学习、隐藏层增量学习和输出层增量学习(类增量学习)3种增量学习模式, 融合到一个统一的学习框架内, 提出一种凸最优自适应增量在线顺序ELM(convex optimal adaptive incremental online sequential ELM, COAIOS-ELM)。模型能够根据增量学习中误差的变化情况, 自适应地增加隐藏层神经元, 减小分类误差; 并可根据增量数据集中新出现的故障类别, 进行相应的类增量学习, 增加故障诊断的范围。有效解决了ELM增量学习过程中模型自适应动态选择最佳网络结构的问题, 提高模型的故障诊断的精度和故障诊断的范围。本文选择UCI数据集中公共数据集和Biquad低通滤波电路故障诊断数据集, 通过与类增量ELM (class incremental ELM, CI-ELM)模型对比实验, 验证了所提方法的有效性。     

基于不确定理论的退化数据分析方法

作为可靠性领域传统的数学工具,概率论难以解决现代可靠性工程面临的难题。本文以不确定理论在退化数据分析中的应用为切入点,阐述了不确定理论的基本公理、运算法则与不确定统计方法,给出了基于确信可靠性理论的可靠性建模思路,提出了不确定失效阈值情形下的退化数据分析与可靠性建模方法。利用时变不确定正态分布建立产品的退化方程,根据专家知识建立失效阈值的不确定分布进而构建裕量方程,最终根据度量方程推导出产品可靠性模型。使用不确定统计中的极大似然估计法与假设检验法解决参数估计与模型验证问题。案例分析说明如果不考虑失效阈值的不确定性,会造成可靠性评估结果较大偏差。研究表明不确定理论适合处理退化数据分析中的不确定性难题,具有广阔的应用前景。     

改进的强跟踪飞机舵面快速故障诊断方法

针对多模型自适应估计(multiple model adaptive estimation, MMAE)方法适应突变故障能力差、多重渐消因子强跟踪算法滤波发散、故障条件概率计算量大等问题,提出一种改进的多重渐消因子强跟踪多模型自适应估计(strong tracking multiple model adaptive estimation, STMMAE)快速故障诊断方法。通过多重渐消因子提高了故障突变时滤波器的跟踪性能;通过改进一步预测协方差阵更新方程,保证了滤波器稳定性,提高了估计精度;采用基于欧几里得范数的飞机舵面故障概率快速计算方法,降低了故障概率计算量。对比仿真表明,该算法跟踪性强、速度快、精度高,具有较好的鲁棒性和稳定性。     

基于ANFIS的自适应机动目标状态估计算法

针对基于当前统计(current statistics,CS)模型的机动目标状态估计算法对机动目标加速度的极限值依赖性大的缺陷,提出了一种利用自适应神经网络-模糊推理系统(adaptive neuro-fuzzy inference system, ANFIS)自适应调整目标状态噪声方差的方法。首先利用ANFIS算法对目标机动强度进行估计,进而对目标状态噪声协方差矩阵进行自适应调整;然后利用粒子滤波(particle filter, PF)算法对目标状态进行估计。仿真结果表明,与该方法能够有效提高目标状态估计的精度。     

基于故障树的复杂装备模糊贝叶斯网络推理故障诊断

复杂装备的小批量、个性化定制属性, 注定了其生命周期过程中存在着相对较多的不确定性, 故障隐患必不可免, 故障诊断尤为重要。因此，提出基于故障树的复杂装备模糊贝叶斯网络推理故障诊断模型。首先, 通过分析复杂装备的结构组成, 建立复杂装备的故障树模型。其次, 利用故障树转化法, 构建基于故障树的贝叶斯网络拓扑结构。然后, 针对复杂装备结构数据缺乏和专家打分的不确定性, 通过模糊集合论方法确定条件概率等参数。最后, 进行案例研究, 利用模糊贝叶斯网络推理中的因果推理和诊断推理, 诊断出案例中的故障(潜在故障)节点, 证明了所提方法的有效性。研究成果不仅解决了贝叶斯网络中利用搜索函数构建最优网络不符合实际的问题, 也通过模糊集合论解决了复杂装备数据缺乏和专家打分不确定性的不足。所提模型不仅适应于过程诊断中故障的确定, 同时也适用于事前诊断中潜在风险的识别, 而且对于故障(或潜在故障)节点的改善效果还能起到检测评估的作用。