基于广义熵优化准则的非线性非高斯系统故障分离方法

针对非高斯随机系统研究了一种基于滤波的故障分离方法。通过故障、扰动的统计信息获取状态估计误差和输出估计误差的（联合）概率密度函数,再根据所建立的广义熵优化准则设计滤波器。仿真结果显示,在故障和干扰均出现及主要故障不出现两种不同的情况下系统响应完全不同,说明该广义熵优化准则能有效分离故障。     

基于中心误差熵准则的非高斯系统滤波器设计

针对现存的最小熵滤波理论由于熵具有平移不变性,基于最小熵准则的滤波方法只能保证估计误差的随机性尽可能小,而不能保证其收敛到零的问题,基于中心误差熵准则研究了一类线性非高斯系统的滤波器设计问题。首先在最小熵准则的框架下采用非参数估计理论和梯度下降法给出了滤波增益矩阵的设计方法,并对滤波误差系统的均方稳定性进行了分析。接着针对最小熵准则的不足,提出了新的中心误差熵准则,它是由信息势和互熵的加权求和构成的,最大化信息势以实现估计误差随机性的全局最小化,最大化互熵可以将误差概率密度函数的峰值固定到零,从而实现滤波误差尽可能小。最后采用数值算例分别针对最小熵滤波和最大中心误差熵滤波进行仿真,结果表明基于中心误差熵准则的滤波算法具有更好的性能。     

自适应非线性FIR主动噪声控制

针对非线性主动噪声控制系统的非高斯噪声问题,利用Hammerstein/Wiener模型思想简化Volterra滤波器,提出基于函数映射的非线性FIR主动噪声控制器.给出基于二阶Renyi误差熵和均方误差加权和的广义滤波-X梯度下降算法,实现自适应非线性主动噪声控制,并分析了控制算法的收敛性.该方法综合了信息熵和均方误差对误差信息的优势,结构简单且学习参数少.仿真结果表明了该方法的有效性.     

基于样本信息的振动能量采集系统的响应预测

文章提出了一种基于非线性能量采集系统响应过程信息的响应概率密度函数预测方法。首先，利用Euler-Maruyama方法得到随机系统响应的样本信息，进而获得响应样本的高阶中心矩信息。其次，基于最大熵原理和高阶中心矩信息，将响应过程的概率密度函数的预测问题转化为求解多目标函数的优化问题，并利用多目标粒子群优化算法获得概率密度函数的表达式。最后，以三种不同结构势函数的振动能量采集系统的高阶中心矩信息为例，得到了相应系统在高斯白噪声激励下的概率密度函数的表达式，并用直接蒙特卡洛数值模拟验证了结果。     

多传感器粒子滤波融合跟踪算法

对于非线性非高斯环境中的多传感器分布式状态估计问题,提出了一种基于二阶中心差分粒子滤波方法的融合跟踪算法.通过对量测方程的非线性分析,利用粒子滤波器计算目标状态估计值,以在线自适应加权融合算法的方式得到系统最优估计.仿真结果表明,与采用扩展卡尔曼滤波的方法相比,该算法具有更高的估计精度.     

基于广义互熵主元分析的故障检测方法

针对实际化工过程会受到不同程度非高斯扰动影响的问题,提出一种基于广义互熵主元分析的故障检测方法。从重构误差的角度出发,考虑过程的非高斯性,采用广义互熵准则构建PCA模型,利用核密度估计法确定故障检测指标的控制限。将所提出的方法用于田纳森-伊斯曼过程进行故障检测,并与基于传统PCA的故障检测方法和基于核PCA的故障检测方法进行对比。由田纳森-伊斯曼过程21种故障检测结果可知,本文所提出的广义互熵PCA在处理非高斯系统的故障检测方面表现出良好的性能,即有较低的误报率和漏报率。     

滑模观测器实现不确定系统的鲁棒故障重构

讨论了利用滑模观测器实现不确定系统的在线故障重构问题.首先应用奇异值分解,对系统进行规范化处理,设计了鲁棒滑模观测器的LMI算法,并通过非线性介入使设计观测器对系统不确定性具有鲁棒性及跟踪系统状态的收敛性;然后根据滑模观测器设计方法,利用等价输出误差介入、H∞约束优化原理以及加入输出滤波器方法,提出了执行器故障和传感器...     

基于核独立元分析的非线性工业过程故障诊断

复杂工业过程的数据具有非高斯、非线性特性,在进行故障检测时,利用核独立元分析(kernel independent component analysis, KICA)方法能有效解决这一问题。然而,由于在处理数据时使用了核函数,无法将线性的贡献图方法直接用于故障诊断,因此采用一种基于改进KICA结合非线性贡献图的方法,对非线性工业过程进行故障检测与诊断。该方法利用基于超松弛因子的FastKICA方法建立监控模型,得到检测故障信息。在发生故障后,通过非线性贡献图法诊断故障变量。最后,选用带钢热连轧工业过程实测数据进行仿真,通过与传统贡献图方法比较,结果表明此方法能够对非线性数据进行有效可靠的故障检测和故障诊断,验证了非线性贡献图的有效性。     

高斯白噪声下T-S模糊系统的传感器故障诊断

提出了一种传感器故障诊断的新方法，适用于高斯白噪声下的T－S模糊系统，利用基于T－S模糊模型的卡尔曼滤波器估计系统状态，系统的残差即测量输出与估计输出之差被用来检测和隔离传感器故障，并且推导了传感器故障隔离的充分条件，还用一个铁路拖动系统的感应发电机的例子验证了该方法的有效性。     

非高斯随机分布系统的集成故障诊断与容错控制

针对一类非高斯非线性随机分布系统,提出了一种集成故障诊断与容错控制算法. 将基于有理平方根模型逼近其系统输出概率密度函数（PDF）,在此基础上给出了基于RBF神经网络观测器的故障诊断算法,诊断出系统发生的渐变故障信息,基于Lyapunov稳定性定理对其观测误差系统进行收敛性分析. 根据故障诊断信息,给出了PI跟踪容错控制策略,使得系统输出概率密度函数仍能够跟踪给定的分布. 仿真结果验证了该集成故障诊断和容错控制算法的有效性.