存在干扰和数据包丢失的网络控制系统鲁棒H_∞故障诊断

针对一类同时存在未知干扰输入和传感器数据包丢失的网络控制系统,假定其可能发生故障,设计了鲁棒H∞状态观测器,对其进行故障检测。首先对此类网络控制系统进行了建模,建立了系统的状态观测器,并将该观测器误差方程等效为离散切换系统。然后基于李雅普诺夫稳定性理论,给出了观测器系统为鲁棒H∞状态观测器的充分条件及观测器增益矩阵的求解方法。为了增强鲁棒性和灵敏度,将阈值的选取归结为具有线性不等式约束的最小化问题。最后的仿真示例验证了文中方法的有效性。     

关于非线性鲁棒H∞几乎干扰解耦控制

作者针对一类具有非线性参数不确定性的非线性递阶系统,研究了带有稳定性的几乎干扰解耦问题的鲁棒情形。该文的综合方法提供了可行的设计控制器的步骤。所设计的控制器,能保证闭环系统在容许的不确定性条件下,从干扰到输出的影响可能任意地小,并能保证系统是内确定的。     

干扰解耦降维观测器设计的新方法

针对系统状态易受外界干扰的情况,设计一种干扰解耦降维观测器。在设计上为了切合实际,考虑测量机构中含有未知输入的情况,提出在不丢失任何信息的情况下将测量机构中的未知输入通过一个简单的代数变换消除,对测量机构中不合有未知输入的观测器进行了降维设计。给出观测器存在的充分必要条件。观测器的存在条件仅依赖于自身,这种设计比较合理。这种观测器由于才用了降维设计所以结构简单、直接、便于应用。仿真试验表明了所提方法的有效性。     

带不确定动态输入非线性系统的鲁棒几乎干扰解耦

研究一类带不确定输入动态非线性系统的几乎干扰解耦问题 .利用反传设计方法构造了鲁棒状态反馈控制器 ,使得对所有可允许的不确定输入动态 ,闭环系统在零初始状态下从干扰到输出的L2 增益任意小 ,同时在干扰输入恒为零时闭环系统是全局渐近稳定的     

Lipschitz非线性系统的鲁棒干扰抑制能力

研究了Lipschitz常数与干扰抑制度之间的关系·通过对Lipschitz非线性系统设计具有干扰抑制的状态观测器,给出了该观测器渐近稳定的充分条件·在此基础上,针对外界干扰为能量有界的情况,得到了Lipschitz常数与给定的H∞干扰抑制指标之间定量的显示表达关系,并将其转化为对Riccati不等式的分析·结果表明,较大的Lipschitz常数一般对应较大的干扰抑制度,从而对Lipschitz非线性系统干扰抑制能力有了定量认识·     

基于观测器的水下机器人鲁棒故障诊断

为提高水下机器人故障检测的正确率,降低故障诊断的误报率和漏报率,基于水下机器人的空间运动方程,完成了非线性滑模观测器的设计,并利用设计的观测器完成了水下机器人的系统辨识.将观测器应用于水下机器人的传感器仿真试验和推进器故障诊断的海上试验的结果验证了该方法的有效性和可行性.     

关于非线性鲁棒H_∞几乎干扰解耦控制(英文)

作者针对一类具有非线性参数不确定性的非线性递阶系统 ,研究了带有稳定性的几乎干扰解耦问题的鲁棒情形。该文的综合方法提供了可行的设计控制器的步骤。所设计的控制器 ,能保证闭环系统在容许的不确定性条件下 ,从干扰到输出的影响可能任意地小 ,并能保证系统是内稳定的     

一类非线性系统的快速鲁棒故障诊断

.结合在线估计器和滑模观测器方法,基于所给出的一种新的自适应学习算法,提出了一种针对非线性不确定系统的鲁棒故障诊断方法.滑模观测器可以消除建模不确定性的影响以得到准确的状态估计,而在线估计器可以实时估计故障的大小.在此,基于李亚普诺夫函数,在理论上证明了所给出的状态和参数估计误差都是一致有界的;针对三容水箱DTS200所做的仿真实验,其结果验证了该方法的可行性.研究结果表明,由于滑模项的引入,使得该方法的故障检测时间大大缩短,其性能比Polycarpou所提出的在线估计器方法的性能要好.     

基于观测器的线性系统鲁棒故障检测器设计

系统地研究了线性系统鲁棒故障检测器的原理和设计方法 ,确定了使线性系统鲁棒故障检测器能够降维所必需的故障检测器的数目 ,并依此提出了一种基于观测器的鲁棒故障检测器的设计方法 ,并将此结果应用于双闭环直流调速系统的故障诊断 ,表明了该方法是行之有效的 .图 2 ,参 6     

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.     

基于RBF神经网络的温度传感器故障诊断

采用RBF神经网络进行温度传感器故障检测,利用TE （Tennessee-Eastman）控制系统中的温度传感器的输出信息建立动态神经网络温度传感器输出模型,并利用该模型进行在线的故障检测,仿真结果表明该模型有很强的抗干扰性,同时还有较好的收敛性和稳定性.     

矩阵方程和分散扰动解耦

本文给出了矩阵方程 A_iXB_i=0,i∈2解空间的一组基。利用这组基,对两个控制站的输出反馈分散扰动解耦问题给出了一个新的证明。     

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。     

基于改进的RBF神经网络的配电网故障诊断模型

结合梯度下降算法和进化算法对RBF神经网络进行改进,建立了基于改进的RBF神经网络的配电网故障诊断模型.配电网故障诊断实例表明,基于改进的RBF神经网络的配网故障诊断模型具有较高的诊断精度.     

一类大型互联非线性系统的分散鲁棒几乎干扰解耦

研究了一类大型互联非线性不确定系统的分散鲁棒几乎干扰解耦问题,通过子系统状态的线性变换,得到分散状态反馈控制律.当状态反馈控制律作用于该系统时,无扰动输入的闭环系统是全局渐近稳定的,而对允许的不确定性,干扰抑制的大小可以任意小,且控制器的设计也无需解任何的H锄Hamilton-Jacobi方程或不等式.     

一类非线性系统执行器多时滞故障诊断

提出了一种非线性系统的执行器多时滞鲁棒故障诊断方案,非线性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,通过M atlab软件仿真验证了该方法的有效性.     

非线性控制系统的几乎干扰解耦

本文先从干扰解耦入手建立一种较易分析的模型,然后利用非线性控制系统设计的奇异摄动方法,给出可以几乎干扰解耦的判据.     

非线性控制系统的对称结构与干扰解耦

利用群作用的概念来定义具有输出的非线性控制系统的对称性,在此基础上讨论对称的干扰解耦,证明对称结构可使干扰解耦的条件减弱。     

A Robust Fault Detection and Isolation Scheme Based on Unknown Input Observers for Discrete Time-delay System with Disturbance

This paper proposes a robust fault detection and isolation （FDI） scheme for discrete time-delay system with disturbance. The FDI scheme can not only detect but also isolate the faults. The lifting method is exploited to transform the discrete time-delay system into the non-timedelay form. A generalized structured residual set is designed based on the unknown input observer （UIO）. For each residual generator, one of the system input signals together with the corresponding actuator fault and the disturbance signals are treated as an unknown input term. The residual signals can not only be robust against the disturbance, but also be of the capacity to isolate the actuator faults. The proposed method has been verified by a numerical example.     

一种基于RBF神经网络的智能故障诊断方法

根据神经网络独特的容错、联想、推测、自适应、自学习等优点,针对BP网络在故障诊断应用中收敛速度慢等不足,研究了基于RBF神经网络的智能故障诊断方法.该诊断方法只需要足够的具有代表性的故障样本用以训练神经网络,然后将归一化的故障信息输入给训练好的神经网络,根据其输出结果就可以判断发生的故障类型.利用该诊断方法,对发动机转子系统故障诊断进行了仿真,仿真结果表明,基于RBF神经网络的智能故障诊断方法效果良好.