生物发酵空气压力-流量控制系统故障诊断

针对生物发酵反应过程空气压力 流量控制系统进行了故障诊断研究·建立了系统线性模型,模型中存在着不确定因素,包括线性化误差及不确定干扰·对于系统中发生传感器故障情形,提出了直接利用残差信息对系统不确定部分及故障进行混合估计,然后提取故障的方法·与以往方法相比,该方法不仅保证了诊断算法的鲁棒性,同时也提高了故障估计灵敏度·最后进行了仿真研究,结果验证了该方法的有效性·     

基于滑模观测器的非线性系统故障检测与重构

 为提高控制系统的安全性和可靠性,针对非线性系统传感器的故障诊断问题,提出一种利用滑模观测器进行故障检测和重构的方法。首先引入积分变量将传感器故障转化为执行器故障,通过对执行器故障的诊断间接诊断传感器故障。针对转化后的系统构造滑模观测器,进而实现传感器故障重构。采用Lyapunov稳定性理论,证明设计的滑模观测器的稳定性。对于构造的滑模观测器,给出一种用线性矩阵不等式方法求解的简便算法。最后,对于文献中给出的非线性系统,就不同的故障类型作用在传感器上的几种情形进行仿真。仿真结果表明,所设计的滑模观测器能够准确地重构非线性系统中传感器的缓变故障和突变故障;当系统存在未知扰动时,所设计的滑模观测器也能准确地重构故障。该方法从开始就对故障进行重构,避免了产生和评价残差信号的复杂性。     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

非线性广义系统传感器故障估计方法

随着工业控制系统对可靠性的要求日益提高,故障诊断显得越来越重要。当系统存在干扰且干扰上界未知时,有效地对系统中的传感器故障进行估计,需要进一步的研究。为此,针对传感器故障为常值突变故障或缓慢变化故障的情况,研究了一类含外部干扰的非线性广义系统的传感器故障估计问题,提出了一种基于增广状态观测器的传感器故障估计方法。通过状态重构将传感器故障作为增广状态的一部分,构造出一个新的广义系统并设计增广状态观测器,使其能够同时对原广义系统中的状态和传感器故障进行估计;考虑到系统中的干扰项,根据李雅普诺夫稳定理论并结合线性矩阵不等式(LMI)方法,分两种情形给出了估计误差系统渐近收敛的充分条件,保证了可以对原系统中的故障进行渐近估计;通过仿真算例验证了增广观测器对传感器故障估计的有效性,表明了所提方法的可行性。     

不确定车辆电子稳定控制系统传感器故障估计

针对车辆横摆角速度传感器故障问题,提出一种基于观测器的故障估计策略.首先,考虑由于轮胎侧偏刚度特性造成的不确定性以及系统中存在非线性干扰等因素,建立车辆四轮转向系统数学模型.然后,设计基于观测器的传感器故障估计策略,利用李雅普诺夫函数和线性矩阵不等式方法求解观测器增益.最后,通过Carsim与Simulink联合仿真验证所设计的传感器故障诊断策略的有效性.结果表明：在传感器发生故障时,该诊断策略能够对系统状态以及传感器故障具有良好的估计效果,能够为车辆安全稳定系统提供关键信息,并且对于下一步的传感器故障容错控制提供技术支持.     

汽车侧倾角速度传感器的故障诊断和重构

针对汽车侧倾角速度传感器故障对控制系统的影响问题, 提出了一种基于模型的故障诊断和故障重构方法, 并给出了系统的理论证明。对于满足Lipchitz 条件的多输入多输出非线性系统, 可应用带有模型不确定性的一维线性状态方程作为其等效模型, 进行传感器的故障诊断。并在此基础上应用经典的观测器理论设计了残差生成器, 通过特征结构配置的方法, 证明了模型不确定性、执行器故障和干扰可以实现在残差中的完全去耦。采用整车的八自由度模型进行Simulink 仿真, 结果证明了结论的有效性。与其他方法相比, 笔者算法得到的残差具有很强的鲁棒性, 重构出的传感器信号具有很高的精度。     

电机驱动系统电流传感器故障诊断与容错控制

为有效解决电机驱动系统中的常见的电机电流传感器故障诊断与容错控制问题,结合Luenberger状态观测器与修正Bayes分类算法,提出了一种有效的传感器故障诊断与容错控制方法。该方法以一种可调增益矩阵的Luenberger状态观测器模型为基础,实现各种工况下电流值的实时估计。基于残差生成单元和修正的Bayes分类算法对故障传感器进行实时检测与定位,并在传感器故障工况下用观测器估计值代替电流传感器信号实现电机驱动系统的容错控制。仿真结果表明,本文所提算法能快速诊断出故障传感器并具有容错控制功能,可有效提高电机驱动系统可用性。     

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RBF神经网络的非线性系统故障诊断

针对一类含模型不确定性的非线性系统,提出了具有强鲁棒性和高灵敏度的在线故障检测与诊断方法.其中,系统只有输入、输出可检测,故障是关于输入和状态的非线性函数.非线性在线估计器用于估计系统不确定部分,同时监视系统是否发生故障,估计故障的大小.仿真结果表明,故障诊断算法稳定.     

多时滞不确定非线性系统传感器鲁棒故障诊断

提出了一种带有多时滞不确定非线性系统的传感器鲁棒故障诊断方案,非线性仅与系统输入和输出有关,不确定性包括系统输入和状态等环节;通过构造观测器对状态和输出进行估计,得到具有鲁棒性的阈值;若系统的实际输出与估计输出之差(即残差)超出阈值,说明有故障发生,同时用自适应跟踪器对故障进行跟踪;在理论上证明了该方案的鲁棒性、灵敏度和稳定性,最后通过仿真说明了该方法的有效性。     

基于非线性主元分析的水轮机调节系统传感器故障诊断

利用现场的运行数据,将基于输入训练神经网络的非线性主元分析(PCA)方法应用到水轮机调节系统传感器故障诊断中,讨论了基于输入训练神经网络的非线性主元分析实现方法,建立了输入训练神经网络和反向传播网络,实现了对实测数据的重构,讨论了利用平方预测误差(SPE)进行故障检测和识别的方法,并用现场实测数据对该方法进行了仿真。仿真结果表明,该方法有效且实用。     

基于自适应神经网络的非线性系统的智能故障诊断

针对一类模型未知的非线性系统,提出了一种基于自适应神经网络的故障诊断方法,用RBF神经网络构造了状态估计器和故障估计器,解决了非线性系统状态不可测时的故障诊断问题。并用Lyapunov方法研究了故障误差和状态误差的收敛性,结果表明了该方法实用、有效。     

基于小波神经网络的一类非线性系统的故障检测

针对一类非线性系统,提出一种小波神经网络(wavelet neural network,WNN)自适应故障检测方法。WNN具有较强的泛化能力及不同的激活函数。通过设计自适应状态观测器技术,利用小波神经网络观测器良好的观测性能来观测系统的当前状态,并将其应用于一类非线性系统中,实现故障检测与诊断。利用Lyapunov直接方法从理论上证明了小波神经网络故障检测观测器的稳定性,仿真结果亦表明了该非线性系统故障检测观测器的可靠性和稳定性。     

基于HAAR小波和BP神经网络的非线性电路故障诊断

提出了一种基于HAAR小波和BP神经的非线性电路故障诊断方法，该方法采用小波分解作为非线性电路故障信号的预处理器能大大减少神经网络的输入及训练和处理时间.介绍了一种改进的采用动量因子防止局部收敛的BPNN方法后，阐述基于HAAR小波分解提取故障信号中的故障特征的原理.     

基于改进CNN-GRU网络的多源传感器故障诊断方法

提出一种复杂系统内多源传感器的故障诊断方法.利用多源传感器数据之间的相关性,使用卷积神经网络提取不同传感器之间的联系和特征.在卷积网络中,设计了传感器数据标定模块使得网络更关注学习与故障信号相关的传感器数据.利用循环网络对传感器自身的时序特征建模,引入跳跃连接和辅助损失函数降低网络的训练难度.最后综合时空特征,一次计算得到故障分类结果和故障参数估计.仿真结果表明,改进后的CNN-GRU网络能够实时准确地诊断传感器的固定偏差故障和漂移偏差故障,传感器数据标定模块和跳跃连接的引入有效地提高了诊断算法的准确率和精度.      

汽车稳定性控制系统关键传感器故障诊断

设计了基于解析模型的故障诊断算法实现传感器信号的自诊断功能,首先建立关键传感器的故障诊断算法基本框架,然后利用不同的故障诊断模型分别设计了基于等价方程与基于观测器两种故障诊断算法.等价方程算法利用车辆线性单轨模型及车辆运动学方程,将车辆操纵稳定性控制需求的传感器联系起来,并用于彼此的相互诊断.观测器方法利用车辆非线性单轨模型,通过建立龙贝格观测器提取传感器故障信息.从灵敏度与误报率两方面出发,提出了将两种算法有效融合的算法改进措施,重新制定诊断规则.实车试验的结果表明融合算法能够准确快速地诊断出微小故障,并给出故障等级.     

Nonlinear fault diagnosis method based on kernel principal component analysis

To ensure the system run under working order, detection and diagnosis of faults play an important role in industrial process. This paper proposed a nonlinear fault diagnosis method based on kernel principal component analysis (KPCA). In proposed method, using essential information of nonlinear system extracted by KPCA, we constructed KPCA model of nonlinear system under normal working condition. Then new data were projected onto the KPCA model. When new data are incompatible with the KPCA model,it can be concluded that the nonlinear system is out of normal working condition. Proposed method was applied to fault diagnosis on rolling bearings. Simulation results show proposed method provides an effective method for fault detection and diagnosis of nonlinear system.     

基于小波包和RBF神经网络的压电加速度传感器故障诊断

根据压电加速度传感器故障的特点,提出运用小波包变换和RBF神经网络的故障诊断方法。首先运用小波包分解和重构原理将传感器输出信号分解到不同频段中,提取每个频段的能量作为状态监测的特征向量,作为RBF网络的输入,然后利用最佳的RBF神经网络进行压电传感器故障分类。实验结果表明该方法具有良好的非线性跟踪能力,较高的诊断准确率。     

非线性电阻网络故障诊断中漏诊现象的消除

针对非线性电阻网络,建立了规范式分段线性化故障诊断模型,提出了基于神经网络的非线性电阻网络硬故障诊断方法,从而克服了用一般方法对非线性电阻网络故障诊断中的的漏诊现象.