基于非线性自适应观测器的故障诊断

将自适应控制的思想和状态观测器方法相结合研究了一类非线性控制系统的故障诊断问题。针对一类满足Lipschitz条件的带有未知参数的非线性系统,提出了一种非线性自适应状态观测器的设计方法,并将其应用到控制系统的故障诊断中。通过设置未知故障向量的自适应调整律,保证了状态观测器的渐近稳定。数字仿真证明了该方法的有效性,系统渐近稳定,状态向量和故障向量的估计值均趋近于实际值。     

奇异时滞系统的鲁棒故障检测和分离观测器

讨论了一类不确定奇异时滞系统的鲁棒故障检测和分离观测器(RDO)设计问题,设计所有的观测器使得它们的冗余信号对非故障因素具有鲁棒性,并设计每个观测器使其冗余信号对一组特定的故障不敏感而对其余故障敏感。给出了RDO存在的充分条件及有效的设计算法,并讨论了故障集合不同划分的RDO设计之间的关系,最后给出一具体算例来说明该方法的有效性。     

多Agent诊断系统的几个问题研究

首先建造了一种包括应用Agent和服务Agent的两层多Agent诊断系统结构,并给出了应用Agent和服务Agent的内部结构在此基础上,设计了基于故障模式聚类的应用Agent内部故障求解机制,研究了多Agent模糊关联模型最后,基于多Agent模糊关联模型,探讨了多Agent系统的诊断与决策问题.     

特大规模组合电路测试数据产生方法研究

针对特大规模组合电路和全扫描设计电路提出了一种高速测试生成方法。该方法采用有限回溯测试模式产生方法生成测试码,采用ｎ（机器字长）个测试码并行的单故障传播方法模拟验证测试覆盖。测试生成与故障模拟为ｎ对１紧耦合集成方式。该方法运行１０个Ｂｅｎｃｈｍａｒｋ电路,取得了低测试长度、高故障覆盖、高效率的良好效果。     

一种基于混合系统滤波器的NCS系统故障诊断方法

针对一类具有随机传输时滞的网络化控制系统,在考虑时滞无界的情况下(最坏网络传输),提出了一种基于故障检测滤波器的故障诊断方法。首先,为了处理系统的内采样特性,根据混合系统理论设计了一种基于观测器的混合系统故障检测滤波器(FDF);利用多目标优化技术,将故障检测滤波器的设计问题转化为一类优化问题,并借助线性矩阵不等式方法给出了该优化问题的时滞独立解。最后通过仿真验证了该方法的有效性。     

分布式智能电网中电源失效时的电能优化分配

构建一种分布式智能电网的总体框架模型,给出分布式发电规划与优化控制总体模式;针对分布式智能电网中的电源故障问题采用一种改进微粒群算法进行优化潮流计算,获取系统正常工作发电设备的优化功率分配方案,并基于IEEE 14-bus系统进行了仿真,验证了所提方法的有效性.     

比对分析与故障检测技术及其在航天工程中应用

比对分析是工程信号分析与故障诊断的重要手段之一。论文提出并构建了3组可以分别适用于不同情况的数值比对算法,并建立了基于比对残差的渐变型故障分离和突发性故障诊断的实用方法。通过实例说明了比对分析方法在航天外测故障诊断等领域的重要应用。     

基于改进EEMD的卷积神经网络滚动轴承故障诊断

集合经验模态分解(EEMD,ensemble empirical mode decomposition)对信号进行分解,得到的模态函数(IMF,Intrinsic model function)在2端点存在严重的发散现象,如果将分解结果直接应用到故障诊断系统中,会导致诊断的准确率下降。首先将支持向量机(SVM,support vector machine)和EEMD算法结合进行信号分解,并利用仿真信号进行可靠性分析;其次对SVM(support rector machine)-EEMD分解的分量进行选择后再分解并构建能量向量,最后和卷积神经网络结合,构建滚动轴承故障诊断模型并通过实验验证。结果表明,改进EEMD算法可以有效缓解端点发散问题,构建的故障诊断模型提高了故障诊断精度。     

基于深度学习的含未知复合故障多传感器信号故障诊断

深度学习在故障诊断领域的应用已比较成熟,其中卷积神经网络(CNN, convolution neural networks)和长短时记忆网络(LSTM, long short-term memory networks)就是典型模型之一。CNN作为一种常用的多传感器信号故障诊断方法,能够获得较好的诊断效果,却无法实现未知复合故障的诊断,为解决这个问题,提出CNN-LSTM-FCM(fuzzy C-means)模型。LSTM对具有前后联系的时间信号更敏感,利用这个特点将LSTM与CNN相结合,实现未知信号的诊断,并通过概率分类输出实现了复合故障的解耦,CNN-LSTM-FCM模型本身优化参数设计,进一步提高了诊断精度。使用化学过程故障测量数据进行实验,结果表明CNN-LSTM-FCM模型诊断准确率可达到97.15%,优于CNN模型和LSTM模型,具有较高的应用价值。     

基于DBN的区域计算机联锁系统可靠性分析

区域计算机联锁设备是实现区域内行车安全、保证运输效率的核心设备,对其可靠性研究具有重要意义。结合目前存在的2种区域联锁制式,采用一种新的联锁方案,即在主控站和从控站(选择其中1站或多站)均设置联锁设备。综合考虑联锁系统的共因故障和可维修等因素,利用动态贝叶斯网络对其进行可靠性分析。首先,从系统故障■安全和危险输出的角度出发,建立区域两联锁单元和三联锁单元的动态故障树,并将其转换为相应的动态贝叶斯网络模型;然后利用动态贝叶斯网络的推理特性,对区域联锁系统进行可靠性分析;最后比较了该方法与基于静态贝叶斯网络和动态故障树分析法的结果。计算结果表明:主控站和其中之一的从控站均设置联锁设备是实现区域联锁的较佳方式;且基于动态贝叶斯网络的系统可靠性分析较上述两种方法在计算准确度和时间复杂度方面均有明显优势;并通过动态贝叶斯网络的诊断推理可知,共因故障是系统故障的主要原因,因此应重点防范以降低事故发生的概率。