基于线性化技术的非线性系统故障诊断

针对非线性闭环稳定系统,提出了一种基于线性化技术的故障诊断方法.首先将原系统在其工作点进行线性化处理,在此基础上设计系统的状态观测器,从而得到故障信号的初始估计结果;然后利用状态观测误差和故障估计误差之间的关系对估计结果进行校正,得到最终的故障辨识结果.仿真结果表明了该方法的有效性.     

一类状态不可测非线性时滞系统的神经网络故障诊断

针对一类状态不可测的非线性时滞系统,提出了基于神经网络故障诊断的新方法.采用系统的状态和时滞状态的估计值作为神经网络的输入对故障进行估计.首先构造一种状态观测器结构,利用输出信息和神经网络的非线性逼近能力对系统不可测状态进行估计,然后对系统发生的故障用另一个RBF神经网络进行估计,故障估计器的输入为系统的当前估计状态以及时滞状态,所估计出的故障是随时间变化的非线性函数.基于Lyapunov理论,分析并证明了系统的稳定性和参数收敛性,同时作了仿真研究.仿真结果表明,该方法能够很好地解决一类状态不可测的非线性时滞系统的故障诊断问题.     

风电齿轮箱复合故障诊断方法研究

针对风电齿轮箱的复合故障诊断问题,本文提出了基于改进变分模态的风电齿轮箱复合故障的特征提取方法,并采用改进鲸鱼算法优化的最小二乘支持向量机(DEWOA-LSSVM)故障诊断模型进行故障诊断。通过变分模态方法将收集的信号分解为K个模态分量,通过加权排序熵对其进行量化处理,得到特征向量,将特征向量输入到经过改进鲸鱼算法优化后的最小二乘支持向量机模型完成故障诊断,并通过试验验证该方法的有效性。     

基于空域调制效应的干扰极化参数估计

干扰极化估计精度是影响雷达极化抗干扰能力的重要因素,而雷达天线空域极化特性存在一定的病态性,使来波极化估计的最小二乘解在病态情况下变得不稳定. 针对最小二乘方法估计来波极化所存在的病态性问题,提出一种改进极化矢量估计的约束最小二乘方法.首先分析影响来波极化估计稳定性的因素,针对具体的天线型式给出病态情况下的计算机仿真结果,推导了带二次约束的极化估计最小二乘解并给出了算法流程. 仿真结果表明了改进极化估计均方误差的有效性,该方法可显著提高干扰极化估计精度,提高雷达极化抗干扰能力.     

四旋翼飞行器的分散式容错控制

针对存在复合干扰和执行器故障的四旋翼飞行器姿态系统提出一种故障调节策略. 首先给出了四旋翼飞行器的姿态模型和存在复合干扰情况下的姿态模型,并给出执行器的失效故障表达形式. 针对姿态控制系统的复合干扰和执行器失效故障,分别给出一种复合干扰估计和局部故障诊断和辨识(fault diagnosis and identification,FDI)算法. 复合干扰估计器由干扰估计误差驱动,并非直接与传统的状态跟踪或预测误差有关. 针对执行器失效故障的局部FDI结构类似于模型参考自适应,基于复合干扰估计和局部FDI设计出四旋翼飞行器姿态系统backstepping容错控制器. 仿真实验验证了文中所提容错控制策略的正确性和有效性.     

故障系统状态观测器及其在一类非线性系统故障诊断中的应用

首次提出了故障系统状态观测器(FSSO)的概念,分析了FSSO与传统观测器的区别,指出了FSSO的两种可能的结构形式;针对一类满足Lipschitz条件的非线性、有界不确定性系统,提出了一种基于FSSO的新型鲁棒故障诊断方法,分析了诊断方法的鲁棒性和灵敏度.该方法不但能够检测、分离故障,而且能够给出故障信号随时间变化的特性估计.仿真结果验证了该方法的有效性.     

基于压缩感知的MIMO系统稀疏信道估计

在多输入多输出通信系统中,接收端信道均衡与相干检测需要利用信道状态信息. 传统信道估计方法如最小二乘法和最小均方误差法均基于多径信道密集型假设,导致频谱利用率低下. 为此,该文研究在单载波MIMO系统中的稀疏信道估计,利用多径信道的稀疏特性提出一种基于压缩感知理论的信道估计方法. 这种方法能利用较少的导频信号达到与传统方法相比拟的估计性能,从而提高频谱利用率. 仿真验证和理论分析表明,基于压缩采样匹配追踪的压缩感知信道估计方法为MIMO系统稀疏信道估计的最优选择.     

潜用惯导系统误差估计技术研究

根据中、小型潜艇的实际航行特点,利用最小二乘递推估计方法,设计了一种简单可行的INS误差估计方法.理论分析和仿真结果表明,通过合理选择采样周期,该方法能很好地估计出INS系统的速度误差和计程仪速度误差.最后,本文还对该方法的实用性进行了分析,为在潜艇上的实际应用奠定了基础.     

线性模型的广义最小二乘估计递推算法

基于广义线性模型,讨论了新增样品后其系数的广义最小二乘估计与原有的样品其系数的广义最小二乘估计之间的关系,在此基础上,讨论剔除某个过时的样品后,其系数的广义最小二乘估计与原有样品的系数的广义最小二乘估计之间的关系,最后研究新增样品、剔除样品和原有样品它们三个的系数的广义最小二乘估计之间的关系.     

先验信息整合的OFDM快衰落信道感知估计

在OFDM系统中,如何对快时变信道进行准确估计,同时提高频谱利用率是一个极具挑战的问题.传统信道估计方法如最小二乘法和最小均方误差法均基于多径信道密集型假设,导致频谱利用率低下.本文在压缩感知的框架下,利用多径信道的稀疏特性同时整合前次OFDM块中所估计的多径位置信息,提出了一个新的OFDM快衰落信道估计方法.因为利用了信道稀疏性与多径位置信息,本文提出的方法克服了奈奎斯特采样率的约束,大幅度减少了精确估计信道对导频数的需求.仿真实验结果表明,与经典的压缩感知和最小二乘方法相比,该文方法不仅获得了更好的估计精度,而且大幅度地提高了信道的频谱利用率.     

基于神经网络自适应观测器的鲁棒故障检测

提出一种基于动态神经网络的不确定非线性系统鲁棒故障检测方法,该方法通过构造神经网络自适应观测器来获取反映系统故障的残差信息以进行快速的故障检测,并采用Lyapunov稳定理论证明了闭环误差系统的一致最终有界稳定性.针对某型飞机舵面故障的仿真验证了本文方法的有效性.     

一类不确定非线性系统的鲁棒故障检测观测

主要研究了一类不确定非线性系统基于自适应故障检测(FD)观测器的故障估计问题.首先引入拟单边Lipschitz条件,相对于传统的Lipschitz条件在设计自适应故障检测观测器时是可以减少保守性的,并且利用Lyapunov函数和线性矩阵不等式(LM I)证明了自适应观测器的渐进稳定性以及故障估计误差是一致最终有界的.还证明了由传感器故障延拓至执行器故障时结论仍然是适用的,最后给出数值算例说明了结论的有效性.     

基于混沌的模拟电路故障诊断方法

针对模拟电路故障诊断的神经网络方法中,网络易陷入局部极小、收敛速度慢等缺点,网络结构、权值难以确定等难题,提出一种利用混沌优化神经网络的模拟电路故障诊断新方法.该方法中,将混沌变量引入神经网络结构的优化搜索,使得神经网络的隐层节点数以及所有权参数处于混沌状态中,从而整个网络结构呈现为动态变化.然后从动态的神经网络结构中,根据性能指标来寻找一个全局最优或近似于全局最优的网络结构.最后利用优化的神经网络对模拟电路进行故障定位.利用该方法对模拟电路进行实例仿真,结果表明该算法可以有效、可靠地运用于模拟电路故障诊断中.     

一种改进的小波网络与故障检测

提出一种基于改进的小波网络非线性观测器故障检测方法，利用小波网络对任意函数的逼近能力，获得系统的非线性特性，进而能快速实时地计算出残差并进行逻辑判决，仿真试验表明改进后的小波网络较BP网络和未改进的小波网络收敛速度快，效果好。     

系统辨识诊断的最佳摄动法研究

非线性系统的辩识和故障诊断是一个长期困扰的问题。最佳摄动法是一种基于小参量的系统辩识方法,特别适用于非线性系统,主要讨论了最佳摄动法辩识系统参数的原理。方法和迭代过程中的有关问题。