带扰动的线性系统微小故障早期诊断方法

针对带有未知扰动的线性系统微小故障的早期诊断,提出一类综合自适应滑模观测器方法,使得该观测器既能估计微小故障又能对未知扰动有强鲁棒性.将线性系统通过坐标变换解耦为两个子系统,其中:一个子系统与扰动无关,对其设计自适应观测器,实现对微小故障的检测;另一个子系统既受未知扰动又受微小故障的影响,对其设计滑模观测器,以消除未知扰动的影响,从而保证系统的强鲁棒性.通过四旋翼直升机模型验证了所提出的综合自适应滑模观测器微小故障早期诊断检测算法的有效性.     

一类自适应观测器的故障估计性能

采用H∞跟踪性能指标,给出了一类自适应观测器的一种综合过程,通过对故障自适应律的设计和比较,得到了影响这类自适应观测器故障估计性能的几个因素·所设计的自适应观测器的故障估计误差与故障的幅值大小没有关系,而且可以通过调节H∞跟踪性能指数使故障估计误差达到任意小·仿真例子验证了理论分析的有效性·     

故障估计的自适应观测器设计

研究了一类自适应观测器实现线性系统的故障估计问题·这类自适应观测器不仅能实现对系统状态的估计,而且也能实现对故障的估计·采用H∞跟踪性能指标分析了这种观测器的设计方法和稳定条件·由这种观测器得到的估计故障与故障幅值大小没有关系,只与故障变化率和给定的H∞跟踪性能指数有关,进而使估计故障能以给定的H∞跟踪性能指数逼近真实故障·最后通过感应电机的传感器故障验证了所提方法的有效性·     

基于多级观测器的液压伺服系统自适应故障检测与隔离

针对传统的基于固定阈值的故障检测及诊断方法虚警率高,无法有效实现液压伺服系统的故障检测与隔离,提出了一套基于多级观测器的液压伺服系统自适应故障检测与隔离方法。首先,采用第1级RBF网络作为液压伺服系统观测器,通过比较观测器估计输出值与实际系统输出得到残差信号。其次,采用第2级RBF神经网络产生自适应阈值,实现了液压伺服系统自适应故障检测。最后,采用小波包分析提取残差信号特征,利用第3级RBF神经网络实现系统的典型故障隔离。实验结果表明,利用多级观测器模型能够有效实现液压伺服系统的自适应故障检测及隔离。     

基于观测器的无速度传感器感应电机控制

为了辨识感应电机的转速,提出了一种模型参考自适应观测器.该观测器基于模型参考自适应系统(model reference adaptive system,MRAS),将感应电机和全阶观测器分别作为参考模型和可调模型,基于两模型输出之间的误差构造了一个自适应律,通过自适应律不断调整观测器的参数,全阶观测器的输出将实现对实际系统输出的跟踪,并用李雅普诺夫稳定性定理验证了系统的稳定性.理论分析和仿真结果表明,所提出的感应电机无速度传感器矢量控制系统的转速辨识方法具有令人满意的动静态性能.     

Lipschitz非线性系统自适应观测器设计

对具有未知参数的Lipschitz非线性系统自适应观测器设计问题进行了讨论。首先，在一定的条件假设下，讨论了可同时辨识出系统常量参数的全维自适应观测器。然后，在同样的条件下，基于一坐标变换的方法，提出了一种降维自适应观测器设计方法。由此得出结论：具有常未知参数的Lipschitz非线性系统在同样的条件假设下，既可进行全维自适应观测器设计，也可进行降维自适应观测器设计。     

基于参数自适应滑模观测器的发动机气缸压力估计

气缸压力是发动机燃烧分析与故障诊断的重要参数,为了提高发动机动力学模型中的气缸压力估计精度,提出参数自适应滑模观测器设计方法.建立了基于参数自适应滑模观测器的发动机动力学模型,通过对发动机摩擦偏移及散热损耗比例系数进行修正,并依据Lyapunov稳定性理论得出观测器收敛的充分条件,在保证全局系统误差尽可能小的基础上,使得气缸压力估计误差趋近于零.仿真结果表明,参数自适应滑模观测器方法较传统滑模观测器方法具有更高的估计精度,而且该方法只需利用曲轴位置传感器得到转速信号,其硬件成本低.     

基于LMI的一类Lipschitz非线性系统自适应观测器设计

采用Lypunov方法讨论了一类具有未知参数的Lipschitz非线性系统的状态观测器设计问题, 给出了观测器的结构形式和参数估计的自适应律.并以线性矩阵不等式组的形式给出了观测器渐近稳定的充分条件.合理地选取了增益矩阵,消除了增益矩阵选择不当所带来的保守性和盲目性.改善了有关文献的结果.     

基于自适应观测器的线性离散系统故障诊断

为诊断线性离散系统中的故障,提出了基于状态估计的自适应观测器故障诊断方法。利用基于Lyapunov函数的自适应观测器构造残差信号,设计了观测器增益矩阵和故障估计值的自适应调节规律。保证Lyapunov函数的一阶导数为负,所提出的自适应调整律能够实现观测器稳定和故障估计误差收敛。仿真结果表明,该方法可以及时检测系统故障,且能够诊断故障大小。     

机器人重力参数辨识新方法

将一类新型自适应观测器推广应用到机器人自适应状态观测器上，解决了机器人重力参数辨识的收敛性问题。     

基于自适应神经网络的电路系统故障诊断研究

针对人工神经网络的特点，对传统BP算法进行了全面改进，通过采用自适应学习率和动量因子修正等方法，有效克服了传统BP算法在实际应用中学习收敛速度慢和容易出现局部极小点的缺点。以电路系统的故障诊断为例，引入了模糊数学中的隶属度函数，对故障特征量进行处理后作为自适应神经网络的输入，故障编码作为网络的输出。实验仿真结果表明，该系统对电路故障类型能够有效地进行诊断和识别。     

高精度故障电弧检测多传感器数据融合算法

 由于故障电弧的物理特性复杂, 且电路中存在与故障电弧波形相似的负载, 因此传统 检测故障电弧的方法误判率较高. 提出了一种多传感器数据融合算法, 用于提高故障电弧的检测精度. 该算法包括自适应加权融合算法和神经网络融合算法, 实现了对温度传感器、声音传 感器和弧光强度传感器所获取的传感信号的数据融合. 自适应加权融合算法克服了单个传感 器的不确定性, 实现了同质传感器中故障电弧特征的提取, 为神经网络融合算法提供了精确的测试样本数据; 神经网络融合算法可自行调整各类异质传感器的权重, 使故障电弧的辨识率更高. 实验结果表明, 该算法可有效提取故障电弧的特征, 辨识精度超过98%, 实现了高精度的故障电弧检测.     

基于模糊T-S自适应观测器的近空间飞行器故障诊断与容错控制

提出了一种基于自适应观测器的故障诊断与容错控制策略,应用到近空间高超声速飞行器(NSHV)上处理执行器故障.NSHV是非线性、多变量和强耦合的系统,首先使用T-S模糊技术建模,基于T-S模型设计自适应故障诊断观测器(AFDO).然后定义AFDO和实际系统误差的范数作为残差来检测故障,采用自适应故障估计算法估计系统故障.基于所得故障信息,设计容错控制器(FTC)来补偿执行器的失效.通过求解线性矩阵不等式得到AFDO的增益矩阵,采用Lyapunov理论证明了误差系统的稳定性.最后,对高超声速飞行器的纵向模型进行算法验证,仿真结果表明了所提方法的有效性.     

异构网络环境中的自适应在线故障检测

通过研究网络流量异常检测，提出一种新的基于自适应自回归(AAR)模型的在线故障检测算法．该算法只利用标准管理信息库，因此检测不依赖于特定产品类别，适用于异构网络环境．验证了流量信号的非平稳特性，并采用模拟获取的网络流量拟合AAR模型．由于不必将整个时间序列进行分片和单独拟合，算法可以直接处理获取的新数据，实现真正意义上的在线故障检测．利用时间平均方法消除了网络噪声的影响．在实验中，故障检测结果与预设的故障场景完全对应，进一步证明了该算法的准确性．     

输电线路两相短路故障的自适应分相重合闸方法

针对不带并联电抗器的超高压输电线路上发生的两相短路故障,提出一种自适应分相重合闸方法.搭建两相短路故障分析电路模型,推导出瞬时性故障下不同阶段选跳相端电压的时域表达式,分析选跳相端电压特性.研究发现,瞬时性故障二次电弧熄弧时,选跳相断路器两端电压的相角差由-120°突变到180°,且熄弧后恢复电压中出现明显的衰减直流分量.利用选跳相端电压的上述特征,提出了二次电弧熄灭时刻捕捉判据,实现了超高压输电线路上的自适应分相重合闸,并通过仿真验证了分析结果的正确性及所提方法的有效性.     

基于逆系统方法的非线性系统故障调节

针对一类多输入多输出非线性可逆系统,提出一种基于逆系统原理的故障调节方法.该方法通过设计被控对象的自适应观测器来估计执行器故障,并根据故障估计值,基于逆系统方法产生附加控制律对逆系统进行调节补偿,使得被控对象和经调节后逆系统的串联仍能保持为无故障时的伪线性系统模型,从而在无需改变系统正常控制器参数的情形下,方便地实现对执行器故障的良好性能容错目标.     

HHT法在配电线路在线故障诊断中的应用

配电网中线路运行故障已经成为干扰线路运行的重要问题。采用HHT法(自适应的时域频率分析法)判断配电线路运行故障,并对配电线路中出现的局部故障进行仿真分析,结果表明:该方法对配电线路故障中的非线性、非稳态信号的处理具有较高的应用价值。