基于区间解析冗余关系的参数不确定性研究

本文主要目的是拓展基于区间解析冗余关系法I-ARRs(Interval valued Analytical Redundancy Relations)对不确定性混杂系统的故障检测。该方法产生一组对故障估计的阈值,一旦标称残差超过阈值,则故障能被检测。现有的故障检测方法主要是针对参数性故障,因此对测量信号导数的估计呈现出各种限制。而且在I-ARRs中对测量信号导数十分敏感,这不可避免地涉及到对残差的估计。为解决这一问题,利用鲁棒滑模微分器方法得到对含噪声测量信号导数最优估计,降低残差噪声,以减小虚警、漏报,从而提高鲁棒性。通过典型电力电子电路BUCK电路仿真,验证了此方法的有效性。     

线性离散系统间歇故障的鲁棒检测方法

针对一类存在未知扰动、过程噪声和测量噪声的离散线性随机动态系统,研究了其鲁棒间歇故障检测问题.设计了降维未知输入观测器的输出,通过引入滑动时间窗口构造了截断残差信号,使得该残差信号对未知扰动解耦而对间歇故障敏感;针对间歇故障的发生时刻和消失时刻,分别提出了2个假设检验,在给定误报率和漏报率的情况下,分别定量确定了间歇故障发生时刻和消失时刻的检测阈值以满足检测性能要求,并在概率框架下分析了间歇故障的可检测性.同时,在某卫星模型上对所提出的方法进行了仿真验证.结果表明,所提出的方法能够快速、准确地检测出间歇故障的发生时刻和消失时刻.     

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。     

级联系统执行器故障的自适应诊断

针对一类非线性级联系统的执行器增益故障诊断问题,提出了基于自适应观测器的故障诊断方法.考虑理想情况下的非线性级联系统模型,研究带有未知扰动的非线性级联系统模型.通过设计的自适应检测观测器而产生残差,将残差与事先设定的阈值比较,来确定故障是否发生.所设计的自适应诊断观测器保证了残差信号的收敛及对故障的准确估计;在具有扰动情况下,可以确保信号指数衰减到残差集.对风力发电机非线性级联系统模型的仿真实验验证了设计方法的有效性.     

基于ARMAX模型的挖掘机液压系统故障检测

根据挖掘机的可靠性水平和智能化程度,提出了一种基于ARMAX(Auto-Regressive Moving Average Exogenous)模型的挖掘机液压系统故障检测方法.使用系统正常状态下的信号样本建立系统的ARMAX辨识模型,通过休哈特控制图分析ARMAX辨识模型的输出残差,以获取故障检测的阈值;然后,将系统故障状态下的信号样本代入ARMAX辨识模型,当模型残差超过阈值,即能判定系统发生故障.实验分析表明,基于ARMAX模型的故障检测方法够有效地检测挖掘机液压系统产生的故障.图3,参10.     

基于傅立叶变换的逆变器故障检测新方法

利用加窗傅立叶变换对逆变器输出的正序分量进行了分析,获得了输出信号的正序对称分量,提出了基本谱残差的概念.定义了故障决策函数,利用仿真或实验确定故障阈值,通过基本谱残差与阈值的对比可实现逆变器的故障检测,仿真结果表明了本文方法的有效性.     

基于集员滤波器的故障诊断

针对具有未知但有界故障的时变系统,提出一种集员滤波的故障诊断方法,保证系统的状态、故障信号的值100%包含在上下界内.假设过程噪声、测量噪声和故障信号的值有界,采用S-过程方法和线性矩阵不等式(LMI)方法设计集员滤波器,最后运用递归优化算法对集员滤波器进行优化.所提方法不仅可以对故障大小进行估计,还能够检测出故障信号类型.数值仿真证明了该方法的可行性和有效性.     

一种基于LMI的H-/H∞故障检测观测器优化设计方法

针对线性时不变动态系统,构造一个线性全阶输出观测器,获得包括扰动、噪声、建模误差等未知输入信号和故障信号的残差动态特性,选用残差对故障信号的H-指数描述其对故障的灵敏度,用残差对未知信号的H∞范数表示其对不确定因素的鲁棒性,将故障检测观测器的设计描述为一个优化问题.研究了基于线性矩阵不等式的故障检测观测嚣设计,给出了求解最优观测器增益的方法,并证明了该解存在的条件.实践结果表明,应用该方法所设计的故障检测观测器灵敏度高,对干扰信号具有强鲁棒性.     

基于鲁棒微分器的飞机舵面振荡故障诊断算法

针对系统存在测量噪声的情况,研究了飞机舵面发生振荡故障的故障诊断算法。鉴于系统的输出对于控制输入故障具有一定程度的不敏感性,提出一种基于输入估计的故障检测方法。设计一阶鲁棒微分器,利用传感器测量到的液压舵机输出杆位置估计其杆速度,同时,利用微分器的输出对故障信号进行估计并分析故障估计值的收敛性。最后,分别针对"液态"振荡故障及"固态"振荡故障进行仿真验证。仿真结果证明了该方法的有效性。     

基于残差比阈值的迭代终止条件匹配追踪稀疏分解方法

基于传统的迭代终止条件,应用匹配追踪(MP)稀疏分解方法分解高噪信号,研究了固定迭代次数及阈值迭代终止条件的不足.引入相邻残差之比,规格化相邻残差之差,减少了噪声的干扰,设计了残差比阈值迭代终止条件. 采用残差比阈值迭代终止条件,对高噪声超声信号进行稀疏分解,分解过程会根据噪声成分的水平自适应地终止迭代,克服了传统迭代终止条件无法选择迭代终止阈值的问题.理论推导与实验都证明了残差比阈值迭代终止条件具有很强的鲁棒性.     

微电机噪声信号的小波包分析与故障检测

电机运转噪声中包含了电机状态的信息,分析了微电机的噪声源及噪声信号特征,基于最优小波包基和Donoho软阈值消噪方法对一组微电机标准信号和故障信号进行了消噪处理,比较低频信号成分的功率谱得出故障特征频率,从而确定电机故障,结果表明该方法能有效实现对电机的故障检测.     

基于ANFIS非线性观测器的连续小波变换故障检测

提出一种把信号分析和数学模型相结合的故障检测方法,通过小波变换对信号的去噪和自适应神经模糊推理系统(ANFIS)具有的离线学习功能,来获取系统输入输出的非线性动力学特性,进而实时计算出残差,并对残差序列进行MexicanHat小波变换,通过对极值点的逻辑判决,准确检测出故障的发生·该方法具有灵敏度高、克服噪声能力强的特点·仿真结果验证了这一方法的有效性·     

一种基于鲁棒残差生成器的故障估计方法

针对具有加性执行器或元部件故障的线性系统,在独立故障的个数大于独立测量个数的情况下,提出了一种基于鲁棒残差生成器的故障估计方法.该故障估计方法是基于鲁棒残差生成器实现的,不需要额外设计动态的故障估计器.故障估计的实现需要:设计编码集;基于编码集设计鲁棒残差生成器;利用编码集和鲁棒残差生成器的输出实现故障分离和故障的渐近估计.给出了本方法的适用的充分条件,并证明了故障估计误差的渐近收敛性.最后,针对具有加性执行器故障的线性系统,基于几何方法设计鲁棒残差生成器,并进行了故障检测、故障分离和故障估计的仿真.仿真结果验证了本故障估计方法的有效性.     

分布式测量下闭环系统的故障检测

研究了一类含分布式测量的闭环系统故障检测问题.系统中存在的未建模动态使得反馈控制对残差信号以及故障检测性能产生影响,在设计残差生成器增益时需考虑反馈控制律.系统被多个分布式传感器节点同时测量,各节点可以与相邻节点通信.在存在模型不精准和分布式测量的情况下,基于最小二乘准则设计分布式残差生成器,每个节点都利用自身测量和相邻节点测量生成残差信号并判断系统中是否有故障发生.该残差生成器可以利用递推方法设计,因此适用于在线应用.仿真实验表明了本方法的有效性.     

考虑噪声的电力系统低频振荡辨识方法

针对电力系统低频振荡辨识过程中广域测量信号经过滤波器产生色噪声干扰的问题,提出了一种基于矩阵协方差(COV)、二阶导数定阶法与总体最小二乘-旋转不变技术参数估计(TLS-ESPRIT)算法相结合的电力系统低频振荡辨识方法.首先将采集的信号通过带通滤波器去除趋势项和高频噪声,然后构造样本矩阵的协方差矩阵作为新的样本去除色噪声的影响,再通过TLS-ESPRIT算法进行模态辨识,在定阶问题上采用提出的二阶导数法定阶,使定阶具有自适应性,无须人为指定阈值.仿真结果表明:COV-TLS-ESPRIT算法相比其他方法具有抗噪性能好、拟合精度高等优点,可从噪声环境中准确地辨识出系统的主导模态,具有较强的实用性,能够实现在线辨识.     

基于振动特征估计的气体绝缘开关设备故障检测与定位

为了有效检测气体绝缘金属全封闭开关设备(Gas Insulated Switchgear, GIS)故障,提出一种基于振动特征分析的GIS设备故障检测与定位方法。首先,选取GIS金属外壳多测点振动信号作为设备的状态变量。然后,构建多输出支持向量回归(Multi-Output Support Vector Regression, MOSVR)模型对GIS设备多测点振动特征进行回归估计,并利用多测点振动特征残差相对值计算故障预警指标。之后,利用指数移动加权平均方法计算自适应阈值来衡量故障预警指标的变化趋势以实现设备的故障检测。检测出故障后,利用箱形图分析多测点振动特征残差来定位设备故障。最后,利用现场实测信号验证了提出方法的有效性。     

未知噪声协方差的自适应容积卡尔曼滤波

针对噪声协方差不确定情况下容积卡尔曼滤波解决非线性目标跟踪中存在的问题,提出了一种优化的自适应容积卡尔曼滤波.首先根据新息序列和残差序列导出的线性矩阵方程得到噪声的协方差,基于新息序列与残差序列的相关性,推导出一种新的过程噪声协方差Q估计方法;然后采用残差序列对测量噪声协方差进行估计,利用加权因子将当前的噪声协方差矩阵与估计值组合成为新的测量噪声协方差阵R,有效避免了不准确状态估计的局限性.仿真结果表明:在时变噪声协方差的条件下,所提出的自适应容积卡尔曼算法的跟踪精度明显提高.     

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。     

冲击噪声背景下独立信号与相干信号并存的测向自适应新方法

根据冲击噪声的幅值特点和快拍数数量,通过对阵列接收数据进行去冲击预处理后进行数据重构,提出一种冲击噪声背景下独立信号与相干信号并存的DOA估计的新自适应方法。首先,估计出阵列接收数据中信号成分的幅值上限;然后,对阵列接收数据中受到冲击噪声影响的数据进行归一化处理,削弱冲击噪声;最后,根据快拍数量对噪声残差数据进行采样后重构信号,利用传统的二阶统计量方法分别对独立信号和相干信号进行达波方向(DOA)估计。研究结果表明:该方法阵列利用率较高,估计性能好,且在强冲击噪声环境和小快拍数下仍然具有良好的估计性能。