模型-数据联合驱动的船舶舵机电液伺服系统早期故障检测

提出了一种模型-数据联合驱动的船舶舵机电液伺服系统早期故障检测方法.首先,建立了系统状态方程,对系统中的常见故障进行了模型解析,并对系统中的各类不确定因素进行了分类分析.其次,为减少各类不确定因素的影响,采用混合式处理方法进行逐层削减.利用系统正常运行状态下的输入输出数据先对系统中的不确定参数进行有效辨识,通过设计鲁棒故障检测观测器来对系统中的固有非线性和未知时变外负载力进行处理和解耦.为了能够对早期故障进行有效检测,利用实际及观测系统数据,构建了基于神经网络的补偿模型,可进一步削减剩余不确定因素对故障检测的影响,从而提高故障敏感性.最后,通过仿真和实验共同验证了这种模型-数据联合驱动故障检测方法的有效性,该方法可用于船舶舵机电液伺服系统及类似系统的在线早期故障检测.     

基于神经网络滑模观测器的飞控系统故障诊断

为了提高控制系统的安全性和可靠性,针对含有扰动的飞控系统执行器微小故障诊断问题,基于神经网络滑模观测器,提出了一种对系统执行器故障进行检测及估计的办法,并证明了该神经网络滑模观测器的稳定性.通过坐标变换将线性系统解耦成两个子系统:一个子系统不含扰动,对其设计神经网络观测器,实现对微小故障的检测;另一个子系统受到扰动和微小故障的双重影响,对其设计滑模观测器,消除未知扰动的影响,保证系统的强鲁棒性.通过飞控系统故障诊断试验平台验证了该方法的有效性.     

动力定位船舶的非线性观测器设计

针对动力定位船舶设计了一个非线性观测器，该观测器的全局收敛性通过李亚普诺夫稳定性定理得到了证明。观测器的最大优点是可以省略采用Kalman滤波器时线性化船舶运动方程的过程。该非线性观测器可以从附有测量噪声的输出中估计到船舶低频位置和运动速度以及环境扰动作用力，同时也能从输出信号中滤除一级波浪引起的船舶高频运动。该非线性观测器的性能通过对一动力定位船舶模型的仿真得到了验证。     

具有干扰解耦能力的鲁棒在线故障诊断

针对一类带有未知输入干扰和模型不确定性系统,提出了一种新型鲁棒在线故障诊断方法,该方法综合应用带有未知输入状态观测器技术和RBF神经网络的在线建模能力,利用状态观测误差实时调整RBF神经网络的权值,使其不但能在线实时检测、分离、估计故障信号,而且对未知输入干扰具有解耦能力,对有界模型不确定性具有鲁棒性,给出了该方法的鲁棒性和灵敏度的分析结果,仿真结果表明了该方法的有效性。     

欠驱动船舶RBF神经网络路径自适应跟踪控制

针对模型参数未知和存在外界干扰的三自由度欠驱动水面船舶路径跟踪控制问题,提出一种RBF神经网络控制器.该算法利用神经网络的函数逼近特性对船舶模型未知的非线性部分在线逼近并与反步法相结合进行设计,同时实现前进速度在线可调.通过Lyapunov稳定性方法分析验证了闭环系统的稳定性.仿真计算验证了该控制策略的有效性.     

基于鲁棒观测器的船舶舵机伺服系统故障检测

针对船舶舵机伺服系统的非线性和运行时受未知时变干扰的问题,提出了基于非线性鲁棒观测器的故障检测方案,可以在干扰力信息未知的情况下,对系统进行有效的故障检测.在对系统建模后,给出了观测器的设计步骤和存在条件,并采用线性矩阵不等式来解决观测器的求解问题.搭建了基于NI-PXI设备的故障检测实验台,在线检测观测器的观测能力、鲁棒性以及对故障的检测能力,设计了自适应阈值进行故障决策解决系统瞬态误报警的问题.实验结果表明:所提的故障检测方案有效且可用于在线故障检测,优于现有的一些故障检测方案.     

动力定位辅助锚泊定位船有限时间观测器设计

针对船舶动力定位辅助锚泊定位(DPM)系统中速度不可测和外部扰动不确定的问题,基于传统的状态观测器的设计了一种有限时间状态观测器(FTSO),所提观测器可以同时对船舶速度和外部扰动进行估计.在船舶的建模过程中考虑了系统中的未建模动态项,并根据建立的数学模型给出了所提观测器的数学表达式.利用矩阵不等式、齐次理论和Lyapunov稳定性理论等证明了该有限时间观测器是半全局有限时间稳定的.对所提观测器进行了仿真验证,并与传统的状态观测器进行了对比实验,仿真结果表明所提观测器具有更快的收敛速度和更好的抗干扰性.     

船舶动力定位系统的非线性输出反馈控制

针对动力定位船舶的速度不可测问题,考虑带有环境扰动的动力定位船舶运动非线性数学模型,提出一个非线性观测器-控制器控制方案,实现仅依赖于船舶位置和艏向测量值的船舶动力定位的输出反馈控制,且其观测器具有分离的稳定性.应用串级非线性系统理论证明了最终的船舶动力定位输出反馈闭环系统是全局渐近稳定的,所设计的输出反馈控制律迫使船舶的位置及艏摇角全局渐近收敛于期望值.以一艘供给船为例进行仿真研究,结果验证了所设计的船舶动力定位输出反馈控制律的有效性.     

多艘拖轮协助大型船舶靠泊的编队控制方法

为了研究多艘拖轮协助欠驱动大型船舶靠泊的控制,提出了一种采用拖轮编队来解决大型船舶靠泊问题的控制方法.在拖轮的水动力学模型中,将大型船舶对拖轮的反作用力视为未知输入,给出了一种干扰估计误差方程和原状态方程形成互联系统的干扰观测器.该干扰观测器使得拖轮速度实际值与期望值误差能够快速收敛.在干扰观测器的基础上给出了拖轮编队控制器设计,并分析了闭环系统的稳定性.仿真结果验证了该方法的有效性.     

一种基于降维干扰解耦的鲁棒执行器故障检测与分离

针对一类伴有未知干扰的Lipschitz非线性系统,探讨了基于观测器的执行器故障检测与分离的方法.通过等价状态变换,将系统的未知干扰进行了解耦,并在此基础上提出了一种不受未知干扰影响、但对故障敏感的降维观测器设计方法.基于降维观测器输出估计误差设计出残差,使得降维观测器可以作为故障检测器用于执行器故障检测;然后,基于多观测器方法,即设计出与执行器数目相同的观测器,实现了对执行器故障分离的目的;最后,对一个大攻角状态下飞行器的简化模型进行了数字仿真,仿真结果表明所提出的方法是有效的.     

平台罗经故障检测的BP神经网络

选用合适的训练、选择BP神经网络结构、连接权系数的方法和船舶实航数据,建立BP神经网络.用同一艘船的另两段实航数据验证该神经网络的泛化性能,在其中一段数据中人为加入缓变故障信号,用以检验其对缓变故障的敏感性.结果表明,系统能够跟踪同一条船不同航行状态的动态特性,对缓变故障也相当敏感,适用于一般海况船舶正常航行时平台罗经故障检测.     

执行器故障检测的神经网络观测器方法

针对一类非线性系统,提出了一种用于执行器故障检测的神经网络观测器方法·这种非线性系统具有未知非线性函数,不需要满足结构匹配条件,并且不要求系统状态可测·观测器利用神经网络器逼近系统中的未知非线性项,提高了状态估计的精度·估计的残差提供了故障检测的手段,另一方面利用自适应律进行故障的识别·基于李亚普诺夫方法,从理论上证明了状态估计误差稳定且渐近收敛到零·最后,仿真结果表明该方法的有效性·     

基于径向基神经网络的污水管网堵塞诊断方法

为了对城市污水管网堵塞故障进行准确诊断,提出了基于径向基神经网络的污水管网堵塞故障诊断方法.采用节点液位高度为输入变量,构造了径向基神经网络故障诊断模型.基于管网水力模型构造了故障训练集,应用于某典型环状管网故障训练与诊断,采用训练后的模型对5组数据进行故障识别,均准确预测定位了堵塞故障管段,验证了方法的有效性.     

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.     

动力定位非线性自适应反步控制器设计

提出了一种基于VxWorks实时操作系统的船舶动力定位控制器设计,给出了整体框架和软件模块设计。实际工况中,存在模型参数难以精确描述和外界扰动不确定的问题,在控制方法上,设计了一种基于RBF神经网络的自适应反步控制。RBF神经网络对连续函数在紧集范围内具有任意经度的逼近能力,可有效解决船舶水动力高度非线性以及水动力系数难以准确估计的问题。海浪流引起的不确定外界扰动可通过自适应估计补偿。根据Lyapunov稳定性理论证明所设计的控制器是全局渐近稳定的,仿真结果验证了该方法的有效性。     

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.     

基于自适应输出反馈的船舶航向控制

针对复杂海情下的航向跟踪问题,提出基于神经网络的自适应输出反馈控制方法.利用Lyapunov稳定性理论,证明了该控制设计方法的稳定性.为克服航向角速度难以测量的问题,应用线性观测器进行状态估计,并结合神经网络拟合了复杂海况下的水动力不确定参数.为增强控制器的鲁棒性,对所设计的控制器进行了重新修正,使其具有更好的抗干扰能力.以一艘货船为例,进行了航向在10°和—10°间连续改变的仿真实验,结果表明设计的控制器具有船舶操纵的良好动态性能,且具有无超调、鲁棒性强的优点.     

船舶直线控制反步自适应神经网络算法

为了解决控制模型完全未知情况下非线性系统的控制问题,该文以船舶航向为控制对象,研究了径向基神经网络(RBFNN)方法.建立参数不确定的船舶运动的三阶非线性模型,针对系统的参数的不确定问题,提出了基于RBFNN估计的控制设计策略.利用神经网络对非线性参数不确定性进行了在线估计,然后利用反步法进行了控制器设计.RBFNN方法对于非线性系统提供了一种有效的解决方法,仿真结果证明了该方法的有效性.     

遗传算法在船舶动力定位系统中的应用

针对船舶动力定位系统提出了一种基于神经网络的模糊控制模型,它通过神经网络来实现模糊控制的模糊化、规则推理到反模糊化的整个过程,并且采用遗传算法进行网络学习;在此基础上针对船舶的纵向运动进行了仿真实验,结果表明,这种模糊神经网络结构及算法对船舶的动力定位实施具有可行性以及有效性.     

基于代数方法的全维故障检测观测器设计

针对伴有不匹配未知干扰的线性时不变系统,将全维观测器的设计方法和未知干扰建模技术相结合,设计出对未知干扰解耦的故障检测观测器.首先,采用代数建模技术将匹配未知干扰从未知干扰中分离出来,剩余的干扰部分即为不匹配未知干扰;然后,依据先验知识对不匹配未知干扰代数建模,构建出一个满足秩条件的增广系统;最后,针对增广系统,设计全维故障检测观测器,并构造对未知干扰鲁棒且对故障敏感的残差.将所提方法应用于一类垂直起降直升机系统,并对系统模型进行仿真.仿真结果表明所提出的全维故障检测观测器是有效的.