基于解析冗余技术的动态系统故障诊断方法研究

摘要

随着生产水平和科学技术的不断发展,现代控制系统的规模日趋大型化、复杂化.系统发生故障的可能性随之增加.为了提高控制系统的可靠性和安全性,人们迫切需要建立一个监控系统监视系统的运行状态,实时检测出系统发生的故障,并对故障原因、特征进行分析、判断,采取必要的措施,防止灾难性事故发生.该文主要进行了基于解析冗余技术的动态系统故障检测与诊断方法的研究,主要研究工作如下:首先,综述了动念系统故障诊断技术的研究背景与发展现状.其次,研究了基于Beard故障检测滤波器的故障诊断方法,该方法针对无干扰情况下的线性系统可准确地实现系统传感器故障的检测和分离;针对Beard故障检测滤波器对未知干扰和建模误差鲁棒性不足的缺陷,引入一种基于未知输入观测器的鲁棒故障检测滤波器方法,详尽地介绍了鲁棒故障检测滤波器设计的原理和步骤,仿真结果验证了该方法的有效性.为了进一步实现故障特性的辨识与跟踪,深入讨论了一种基于自适应观测器的故障诊断方法,给出了故障信号跟踪的自适应律,并讨论了提高故障诊断鲁棒性的改进算法和阈值选择方法.仿真验证了该方法对故障检测、故障辨识的有效性.最后,针对非线性系统提出了一种基于神经网络预测器的故障诊断方法,讨论了神经网络预测器的具体设计方法及其相应的故障检测和诊断策略.仿真验证了该方法对非线性系统故障诊断的有效性.

目录

文摘

英文文摘

1绪论

1.1研究背景和发展现状

1.2故障诊断方法

1.2.1故障诊断方法分类及其特点

1.2.2基于状态估计的故障诊断方法

1.2.3基于参数估计的故障诊断方法

1.2.4基于神经网络的故障诊断方法

1.3本文研究思路及主要内容

2基于未知输入观测器的故障诊断方法

2.1引言

2.2未知输入观测器原理与设计

2.3干扰解耦的故障检测滤波器和鲁棒故障分离

2.3.1故障检测滤波器的基本原理

2.3.2干扰解耦故障检测滤波器和鲁棒故障分离

2.4系统故障诊断的仿真研究

2.4.1仿真对象

2.4.2系统传感器故障诊断

2.4.3系统执行器和元部件故障诊断

2.5本章小结

3基于自适应观测器的故障诊断方法

3.1自适应观测器的基本概念

3.2故障检测观测器和自适应诊断观测器

3.2.1故障检测观测器

3.2.2自适应诊断观测器

3.3鲁棒性改进

3.3.1未知干扰的考虑

3.3.2阈值的选择

3.4仿真算例

3.5本章小结

4基于神经网络预测器的非线性故障诊断方法

4.1引言

4.2神经网络理论综述

4.2.1人工神经元模型和激活函数

4.2.2人工神经网络的学习

4.2.3前馈神经网络

4.3基于神经网络的非线性系统故障诊断方法

4.4基于神经网络预测器的传感器故障诊断

4.4.1神经网络输出预测模型建立及故障检测

4.4.2基于神经网络观测器的传感器故障诊断

4.5仿真算例

4.6本章小结

5结论和展望

致谢

参考文献