基于比例差分型迭代学习的故障诊断算法

因为微分运算会给系统带来不良影响,所以为了避免在迭代学习算法中使用微分运算,同时又可以取得比单纯比例型迭代学习算法较快的收敛速度,将比例差分型迭代学习策略应用到故障诊断中,提出了一种新的故障诊断算法。该算法利用残差以及相邻两次残差的差分信号对引入的虚拟故障信号进行逐次修正,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,并通过压缩映射方法,对故障跟踪估计器的收敛性进行了严格证明。该方法不仅可以有效地检测出系统不同类型的故障,还可以精确估计出各种故障信号。最后仿真结果验证了该方法的有效性。     

基于滑模迭代学习律的航天器姿态控制

针对航天器姿控系统长期运行期间因执行部件老化或故障引起性能下降的情形,设计了一种基于滑模迭代学习率姿态自主容错抗扰控制方案。采用虚拟控制输入设计了滑模控制器,以确保故障发生后系统能精确跟踪参考运动轨迹|通过李亚普诺夫稳定性分析,设计了新的自适应迭代学习率,根据系统跟踪误差,在线确定控制器参数以应对执行器故障和外部干扰的影响。数值仿真实验表明,该方法可以有效进行故障检测和干扰补偿。     

一类线性时变系统组合自适应迭代学习控制

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应控制方法与迭代学习相结合,提出了组合模型参考自适应迭代学习控制算法.基于Lyapunov方法推导出迭代学习控制律以及针对时变惯性参数与时不变高频增益的组合自适应参数更新律.该算法适于控制快时变系统,并使跟踪误差、参数估计误差和控制信号有界.当迭代次数趋于无穷时,跟踪误差关于有限时间区间一致收敛到零.系统仿真验证了所提控制算法的有效性.     

基于新型学习观测器的卫星执行机构故障重构

针对在轨微小卫星出现执行机构故障的情况,提出了一种基于非线性学习观测器(nonlinear learning observer, NLO)的卫星姿控执行机构故障重构方法。文中结合迭代学习算法和递推学习算法,设计了一种新型自适应学习算法,该算法应用前一时刻和当前时刻的姿态敏感器测量输出误差在线更新故障重构信号,使得所提NLO在估计卫星姿态角速度和姿态角的同时,能够快速精确在线重构卫星姿控执行机构故障。进一步给出了所提NLO的稳定性条件,并结合线性矩阵不等式技术给出了NLO增益矩阵的详细设计方法。最后,将所提方法应用于微小卫星姿控推力器故障重构,仿真结果验证了所提方法的有效性。     

基于滑模观测器的非线性系统迭代学习控制

针对相当广泛的一类非线性系统有限时间轨迹跟踪问题,提出了一种基于滑模观测器的迭代学习控制算法。根据系统的非线性特性,利用一种滑模观测器对系统的状态进行估计,根据估计信号设计了一种类D型开环迭代学习控制律。这种控制方法不需要对系统的跟踪误差信号进行微分,从而对系统的量测噪声不敏感。给出了控制算法的收敛性证明,通过仿真实验证明了这种算法的有效性。     

基于迭代学习-未知输入观测器的卫星姿控系统鲁棒故障重构

针对卫星姿控系统出现执行机构故障,提出一种基于迭代学习-未知输入观测器(iterative learning unknown input observer, IL-UIO)的鲁棒故障重构方法。首先,考虑卫星出现空间干扰力矩、模型不确定性以及陀螺漂移,建立小角度机动时的非线性姿控系统模型。其次,采用UIO干扰解耦原理和H_∞控制思想,设计IL-UIO估计卫星姿态欧拉角和角速度的同时,利用IL算法实现执行机构鲁棒故障重构。并利用Lyapunov稳定性理论证明了IL-UIO稳定性和动态故障偏差最终有界, 通过线性矩阵不等式(linear matrix inequaliry, LMI)工具箱求解了观测器部分参数矩阵。最后,建立卫星闭环姿控系统并进行仿真,仿真结果验证了此方法的有效性。     

基于辅助变量法的双基阵纯方位目标跟踪算法

伪线性估计算法是主要的纯方位目标跟踪算法之一,其计算简单,但估计结果严重有偏。针对伪线性估计算法估计的有偏性,提出了一种新的辅助变量方法对双基阵纯方位跟踪性能进行改进。该算法将上一时刻的目标估计值进行一次Levenberg-Marquardt迭代而得到的估计值作为辅助变量,进而对目标参数进行加权的最小二乘估计。通过仿真说明了利用该方法在不同的测量环境噪声下所得到的位置、速度跟踪误差曲线能快速地逼近CRLB,比双基阵EKF滤波器及伪线性估计算法有着更好的收敛速度和跟踪精度,证明了该方法的有效性。     

保证内回路稳定的鲁棒可靠控制器设计

鲁棒可靠控制器的设计是容错飞行控制系统研究的重要内容,设计思想就是建立系统的正常情况下的模型和故障情况下的模型,根据Lyapunov稳.定性定理求得反馈增益K,使得其能保证正常情况和故障情况下都能满足一定水平的指标要求.基于参数依赖Lyapunov方程和迭代线性矩阵不等式在直升机不确定性、H∞/LQ性能指标约束下提出直升机鲁棒可靠控制器设计方法,保证跟踪增广系统中内环系统的稳定性,通过仿真验证了该算法的有效性.     

不确定时滞非线性系统的迭代学习控制

针对一类不确定状态时滞非线性系统 ,提出了一种形式简单的迭代学习控制算法 ,从理论上给出了算法收敛的充分条件 ,进一步分析了不确定状态时滞、系统采样频率与跟踪性能之间的关系。该学习算法无需精确已知系统的状态时滞 ,而只要估计状态时滞的界 ,因而具有算法简单、计算量小、易于实现等特点。仿真结果表明了该算法的实用性和有效性。     

一类执行器卡死的T-S模糊自适应容错控制

针对一类执行器发生故障的非线性系统,提出了基于T-S模糊模型和模型参考自适应控制的容错控制设计方案。该方案特点是:在利用Takagi-Sugeno(T-S)模糊模型对非线性系统进行建模时,假设局部线性模型的参数未知,利用自适应控制算法,在线调整控制器参数,实现系统对参考模型的状态跟踪。在系统发生故障时,系统能够重构控制律以抵消故障对系统的影响,维持系统的稳定性以及期望的跟踪目标。利用李亚普诺夫理论分析了系统的稳定性,给出了能够实现状态跟踪的匹配条件以及控制器参数更新律。利用某飞机模型进行了仿真,证明本文方法的有效性。     

Iterative learning based fault detection and estimation in nonlinear systems

Aiming at a class of nonlinear systems that contains faults,a novel iterative learning scheme is applied to fault detection,and a novel algorithm of fault detection and estimation is proposed.This algorithm first constructs residual signals by the output of the practical system and the output of the designed fault tracking estimator,and then uses the residuals and the differencevalue signal of the adjacent two residuals to gradually revise the introduced virtual faults,which can cause the virtual faults to close to the practical faults in systems,thereby achieving the goal of fault detection for systems.This algorithm not only makes full use of the existing valid information of systems and has a faster tracking convergent speed than the proportional-type(P-type) algorithm,but also calculates more simply than the proportional-derivative-type(PD-type) algorithm and avoids the unstable effects of differential operations in the system.The final simulation results prove the validity of the proposed algorithm.     

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。     

Robust fault detection filter and its application in MEMS-based INS/GPS

Since any disturbance and fault may lead to significant performance degradation in practical dynamical systems,it is essential for a system to be robust to disturbances but sensitive to faults.For this purpose,this paper proposes a robust fault-detection filter for linear discrete time-varying systems.The algorithm uses H∞ estimator to minimize the worst possible amplification from disturbances to estimate errors,and H_ index to maximize the minimum effect of faults on the residual output of the filter.This approach is applied to the MEMS-based INS/GPS.And simulation results show that the new algorithm can reduce the effect of unknown disturbances and has a high sensitivity to faults.     

Robust fault diagnosis with disturbance rejection and attenuation for systems with multiple disturbances

The fault diagnosis problem is investigated for a class of nonlinear neutral systems with multiple disturbances.Time-varying faults are considered and multiple disturbances are supposed to include the unknown disturbance modeled by an exo-system and norm bounded uncertain disturbance.A nonlinear disturbance observer is designed to estimate the modeled disturbance.Then,the fault diagnosis observer is constructed by integrating disturbance observer with disturbance attenuation and rejection performances.The augmented Lyapunov functional approach,which involves the tuning parameter and slack variable,is applied to make the solution of inequality more flexible.Finally,applications for a two-link robotic manipulator system are given to show the efficiency of the proposed approach.     

基于鲁棒故障诊断LPV模型的舰载QUAV跟踪控制

设计适用于外部干扰抑制的无人机鲁棒故障检测与跟踪控制系统。首先,将舰载四旋翼直升机(quad-roto unmanned aerial vehicle, QUAV)建模为线性变参数系统(linear variable parameter system, LPVs),作为目标来进行系统设计。同时,为了进行故障检测和隔离,设计了一个强大的LPVs观测器,利用一组可行线性矩阵不等式(linear matrix inequalities, LMI)给出保证系统渐近稳定和抗干扰鲁棒性的充分条件。此外,基于LMI区域的极点配置考虑观测器的增益设计。然后,通过观测器库考虑故障检测和隔离方案,检测和隔离传感器故障。其次,通过考虑比较器集成控制方案对反馈控制器进行设计。目标是设计鲁棒控制器,使QUAV无偏差跟踪设定位置。最后,通过在模拟模型中,对算法的有效性进行实验验证。     

基于自适应神经网络的非线性系统故障诊断

针对一类模型未知及状态不可测的非线性系统,提出了基于自适应神经网络的故障诊断策略,不仅在线估计神经网络的矩阵权重,而且在线估计高斯函数的宽度和中心。该方法对系统的未知非线性特性没有特别要求,仅对神经网络提出较弱的假设条件。首先利用径向基函数(Radial Basis Function,简称RBF)神经网络构造状态观测器,估计系统的状态。然后利用另一个自适应RBF神经网络作为故障估计器,其输入是系统的估计状态(而不是系统状态),其输出为系统所发生的故障模型。利用Lyapunov稳定理论详细分析了状态误差和故障误差的收敛性,分别给出了两个神经网络的参数调整律,仿真证明了该方法的实用性和有效性。     

Novel robust fault diagnosis method for flight control systems

A novel robust fault diagnosis scheme, which possesses fault estimate capability as well as fault diagnosis property, is proposed. The scheme is developed based on a suitable combination of the adaptive multiple model （AMM） and unknown input observer （UIO）. The main idea of the proposed scheme stems from the fact that the actuator Lock-in-Place fault is unknown （when and where the actuator gets locked are unknown）, and multiple models are used to describe different fault scenarios, then a bank of unknown input observers are designed to implement the disturbance de-coupling. According to Lyapunov theory, proof of the robustness of the newly developed scheme in the presence of faults and disturbances is derived. Numerical simulation results on an aircraft example show satisfactory performance of the proposed algorithm.     

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。