一、一类非线性系统的故障诊断与实现（论文文献综述）
余萍[1]（2020）在《基于智能技术的一类非线性系统故障诊断与预测方法研究》文中研究表明如何减少生产过程中的故障隐患,提高系统的安全性和可靠性,已成为现代工业系统发展中不可回避的重大问题。故障诊断与预测技术是提高系统运行可靠性、降低系统运行风险的重要方法和必要手段。现代工业系统大多为非线性系统,具有干扰强、结构复杂、参数不确定、动态时变、故障耦合性强等特点,致使故障诊断与预测难度大。因此,探究如何利用先进的科学技术,有目的、有方法、有针对性地对系统进行故障诊断和预测,是非常有意义的研究课题。本文以实际非线性系统为研究对象,基于滤波技术、信号处理、优化算法、神经网络、深度学习等智能技术,对非线性系统故障诊断与预测方法展开研究。论文的主要创新研究成果如下:（1）提出了两种基于智能优化粒子滤波的故障诊断方法。针对粒子滤波算法中由于粒子退化和多样性缺失而导致系统突变情况下状态估计精度下降,从而影响基于粒子滤波的故障诊断方法故障诊断准确性和诊断系统鲁棒性的问题,以重采样策略的改进为切入点,结合变频变异策略和天牛群搜索算法,分别提出了变频变异粒子滤波算法（variable frequency based mutation for particle filter algorithm,VFM-PF）和改进天牛群搜索优化粒子滤波（beetle swarm antennae search for particle filter algorithm,BSAS-PF）两种改进算法。VFM-PF融合了免疫理论中的变异思想和工业生产过程中的变频节能策略,通过变频算子实时调节变异粒子数目,并针对不同权值的粒子采取不同形式的变异操作,从而在克服粒子退化、增加粒子多样性的同时提高了运算效率,算法的综合性能得到显着提升;BSAS-PF结合了天牛群搜索算法的寻优特性,引导低权值粒子向高似然区移动,克服了粒子退化和多样性缺失等问题,具有更优秀的状态估计精度。在此基础上,开展了复杂非线性系统故障诊断问题研究,提出了两种基于智能优化粒子滤波的故障诊断方法,并以风力发电系统中的双馈发电机和污水处理系统中的曝气池溶解氧过程为对象验证了方法的有效性,结果表明,所提出方法能够实现系统突变情况下高准确性故障诊断,诊断系统鲁棒性强,运算效率更高。（2）提出了一种基于ADCS-ELM的故障诊断方法。针对非线性系统结构复杂、故障耦合性程度高,建立准确的数学模型困难,致使基于模型的故障诊断方法难以实现或诊断精度受限等问题,从数据驱动的角度出发,提出了一种基于ADCS-ELM的故障诊断方法。该方法首先对非线性、非平稳的轴承振动信号进行集合经验模态分解（ensemble empirical mode decomposition,EEMD）,获得故障信号的IMF（intrinsic mode function）能量特征数据集。然后,利用加入了动态自适应步长调整策略的布谷鸟搜索算法（cuckoo search,CS）实现了传统极限学习机（extreme learning machine,ELM）网络连接权值和隐含层阈值等参数的优化确定,提高了ELM网络的稳定性、鲁棒性和分类精度。最后,训练并测试ADCS-ELM网络的故障诊断性能,结果表明,本文方法可以达到平均99.51%的故障诊断精度,实现了轴承滚动体、内圈、外圈裂纹等故障的高准确性故障诊断。（3）提出了一种基于优化堆叠降噪自动编码的故障诊断方法。非线性故障具有可传播性、耦合性、继发性、不确定性和多样性等特点,导致了故障成因难以有效溯源、故障诊断准确性不高等问题。相较于传统故障诊断方法,深度堆叠降噪自动编码器（stacked denoising auto-encoder,SDAE）能够从海量数据中自适应地提取更深层次的故障特征,避免了手动设计和提取故障特征的繁琐过程,更有利于提高故障分类的精度和诊断效率。然而,采用经验枚举获得的SDAE网络超参数使得网络在不同领域的故障诊断问题中泛化能力较弱,且选参过程与设计人员经验有关,效率低。因此,本文利用新设计的人工变性天牛算法（artificial transgender longicorn algorithm,ATLA）对SDAE网络超参数进行自适应选取,优化确定网络结构,提高了网络模型的泛化能力和识别准确性。在此基础上,提出了一种基于优化堆叠降噪自动编码器的故障诊断方法,并通过多工况条件下滚动轴承故障诊断仿真实验进行了有效性验证,结果表明本文方法在故障识别准确率、泛化性能等方面优于基于BP（back propagation）神经网络、支持向量机（support vector machine,SVM）以及卷积神经网络（convolutional neural networks,CNN）的故障诊断方法,与同为深度学习模型的CNN网络相比,运算效率更高,实时性更强。（4）提出了一种基于ICS-ELM的复杂系统过程关键参数实时预测方法。通过过程关键参数的实时预测来实现系统故障的实时预测是一种有效的故障预测方法。本文利用软测量的间接测量思想,构建了ICS-ELM神经网络模型来实现系统关键参数的准确预测。首先,在动态自适应搜索步长调整的基础上,增加基于搜索进程的动态被发现概率调整策略,设计了布谷鸟搜索算法（CS）的改进算法ICS;其次,利用ICS实现了ELM回归网络的连接权值和隐含层阈值的参数优化,提高了网络稳定性和预测精度;然后,利用主成分分析（principal components analysis,PCA）完成了过程数据的降维和属性约简,实现软测量辅助变量选择;最后,建立过程关键参数的ICS-ELM预测模型,并以污水处理过程关键参数生化需氧量（biochemical oxygen demand,BOD）为预测对象,建立基于ICS-ELM的BOD故障预测模型。实验结果表明,本文方法不仅可以实现BOD的精确预测,也为其他过程关键参数的故障预测提供了一个可行的解决方案,具有一定的推广价值。（5）提出了一种基于卷积神经网络的剩余寿命预测方法。设备的剩余寿命预测是系统故障预测中的重要研究内容,然而复杂非线性系统参数众多,过程数据量大且维度高,致使预测模型难以准确建立,预测方法少。对此,本文提出了一种基于CNN-HI健康指数的剩余寿命预测方法。首先,对数据样本进行预处理,建立故障预测图像数据集;然后,借助CNN网络强大的图像特征提取能力,实现基于优化CNN网络的健康指数（CNN-HI）高品质构造与估计;最后,通过高斯过程回归分析实现剩余寿命预测,并通过滚动轴承PRONOSTIA数据集验证了方法的性能,结果表明本文方法可以有效估计轴承的退化状态,实现了轴承RUL高准确性预测,为轴承及其余设备的剩余寿命预测研究提供了重要的理论参考,具备重要的实践价值。本文结合系统非线性特点,在强噪声、多干扰背景下,就基于模型和基于数据驱动的故障诊断与预测方法进行了深入的研究,提出了多种故障诊断和预测新方法,一定程度上解决了系统突变、多工况等各种复杂情况下,由于系统复杂性、故障耦合性及不确定性等所带来的诊断准确率低、实时性差、鲁棒性弱及预测方法缺乏等问题。本文研究成果对非线性系统智能诊断技术的发展及保障系统运行的安全性和可靠性具有重要的参考价值和实践意义。
陈政权[2]（2020）在《具有扰动的一类非线性系统鲁棒故障检测与估计方法研究》文中研究说明随着现代工业化水平的迅速发展,工业设备及系统复杂度和自动化程度不断提高。如何提高系统的安全性和可靠性,减少生产过程中的财产损失和人员伤亡,成为现代工业系统中的重大问题。故障诊断技术就是通过对设备运行过程中的信息进行监测、判别、分析与决策,从而提高系统运行效率和可靠性。故障检测与估计是故障诊断中至关重要的一环。因此,故障检测与估计已经成为自动控制领域一个非常重要的研究课题。基于线性模型的故障诊断方法取得了一系列的研究成果,然而在实际的复杂自动控制系统中普遍存在外部扰动和非线性动态,具有扰动的非线性系统故障诊断逐渐成为当前的热点和难点问题。本文针对非线性扰动系统的鲁棒故障检测与估计问题进行了深入的研究。主要研究内容包括:（1）针对具有扰动的一类非线性系统的故障检测与估计问题,提出了一种鲁棒故障检测与估计观测器设计方法。首先,构建鲁棒故障检测观测器,并作为残差产生器,将该残差产生器与输入进行解耦。利用指定频域范围内的H＿性能指标描述残差对故障的敏感程度、使用H?范数描述残差对系统外部干扰的鲁棒性。使得残差产生器对故障敏感且对未知扰动及噪声鲁棒。从而抑制了噪声及扰动对残差的影响,实现故障的准确检测。其次,设计鲁棒故障估计观测器,抑制了未知扰动及系统噪声的影响,同时也抑制了故障估计误差受故障变化率的影响,从而增加了故障估计的快速性和鲁棒性;通过H?鲁棒观测器抑制后的残差信号调整估计故障。然后设计滤波器,将阈值的大小与残差范数进行比较判断是否启动滤波器,滤波器的设计使得系统鲁棒性进一步增强。最后,通过仿真验证了本文方法的有效性。（2）针对迭代学习算法在非线性系统故障检测与估计过程中存在估计误差较大和收敛速度较慢等不足的问题,提出了一种基于龙格-库塔故障估计观测器模型的自适应迭代学习算法,有效降低了故障估计误差;并引入H?性能指标,提高了故障估计观测器的收敛速度。首先设计故障检测观测器对故障进行检测,然后设计故障估计观测器,并将自适应算法与迭代学习策略相结合,使得估计故障逐渐逼近真实故障,从而实现对非线性系统中多种常见故障的精确检测与估计。最后,通过机械臂旋转关节驱动电机的执行器故障仿真验证了所提算法的有效性。（3）针对具有扰动的线性变参数广义系统的故障估计与隔离问题,提出了一种基于迭代学习算法的故障估计滤波器和鲁棒观测器的故障估计与隔离方法。该方法根据线性变参数广义多入多出系统的q个执行器故障,设计q个鲁棒观测器和故障估计滤波器。首先,假设第j个执行器故障,利用H?的方法设计相应的鲁棒观测器,使得残差信号对扰动及剩余故障鲁棒。其次,依据迭代学习算法设计故障估计滤波器。然后,将残差信号的范数与所设计滤波器的门限值相比较,判断是否启动故障估计滤波器,从而实现了故障的估计与隔离,最后通过仿真验证了所提方法的有效性。
熊曼[3]（2020）在《基于系统辨识的故障诊断与预测性维护》文中研究说明故障诊断指的是对系统运行状态进行分析,并根据分析结果检测、分离和评价异常状况,并为故障恢复提供依据的技术。预测性维护指的是借助算法分析系统状态的变化趋势,在故障造成重大损失前实施主动性维护措施,进而提高设备使用寿命的任务类型。随着集散控制系统在工业过程中的广泛应用,越来越多的生产数据能够得以采集和保存,利用这些数据对故障作出准确的诊断进而对设备实施早期的维护能够节省生产成本、提高产品质量、保证过程安全。然而,由于现代流程工业过程普遍存在复杂性高、非线性强、时变不确定等特点,传统的故障诊断方法已经越来越难满足要求。本文在前人研究工作的基础上,针对工业系统中常见的故障问题,提出了基于系统辨识的故障诊断和预测性维护方法,具体包括:（1）提出了一种基于辨识模型残差的故障检测与分离方法。首先在正常工况下,利用系统输入输出的采样数据辨识出过程的动态模型。然后,在在线监测工况下利用残差来检测系统是否存在故障,以及进一步分离输入端故障、输出端故障与过程参数变化。残差是基于过程输出观测值与模型输出之间一致性检验的结果,残差的阈值根据正常工况条件下残差统计量的分布规律设定。最后,通过仿真验证了所提方法的有效性。（2）针对工业控制阀非线性特性,提出了一种基于机理模型的两步辨识诊断法。首先,根据输入输出关系利用少量参数对控制阀的非线性特性进行系统描述。然后利用高阶ARX模型描述线性动态对象,采用输出误差准则通过遍历得到控制阀非线性部分的待估参数。接着重构阀门位置输出信号,利用低阶Box-Jenkins模型估计出线性动态对象模型的参数。最后从数学上证明了算法的一致性,并通过仿真和工业数据集验证了所提方法的有效性。（3）针对工业控制阀非线性特性,提出了一种基于唯象模型的迭代辨识诊断法。利用三次样条、多继电或多间隙结构将阀门非线性输入输出关系描述为已知基函数的线性组合,根据渐近辨识算法的思想,提出了一种使预报误差近似最小化的迭代辨识算法,估计出非线性基函数的权重与线性动态对象的模型参数。迭代分两个步骤单独进行,每一步解决一个最小二乘问题,同时引入单位化技巧提高辨识精度。最后通过工业数据集验证了所提方法的有效性。（4）针对过程参数变化,完善了 一种基于置信区间的故障诊断与预测性维护方法。定期对系统进行辨识实验,利用系统输入输出数据辨识出过程的动态模型,并计算出相应的置信区间。不断将在线监测工况下的过程模型与正常工况下的过程模型作比较,通过模型的阶跃响应、频率响应等特性的变化对系统的运行情况作出评价,当过程参数的变化达到一定程度时进行维护预警。最后,通过仿真验证了所提方法的有效性。文末,在总结全文的基础上,对所研究的内容进行了详细总结,并对今后的研究和发展方向进行了展望。
梁天添[4]（2019）在《基于滤波方法的一类广义系统故障诊断研究》文中研究说明相较于状态空间系统,广义系统结构更加复杂,而且能够更好的表述一些实际系统,因此,对于广义系统的研究具有很强的理论和现实意义。现有的研究成果主要集中在广义系统的控制问题上,而对于广义系统故障诊断问题的研究还不够深入。因此,本文基于滤波方法,针对一类广义系统的故障诊断问题进行了研究。论文的主要工作及成果可归纳为如下内容:首先,研究了基于鲁棒观测器的一类广义系统故障诊断问题。针对一类线性的广义系统,提出了一种新的鲁棒故障诊断观测器。该观测器的结构是非奇异的,具有容易实现的优点。给出了观测器存在的条件,并给出了观测器参数求解矩阵的线性矩阵不等式形式。设计的观测器不仅保证了增广误差系统动态方程的指数收敛性,且故障对于增广扰动具有鲁棒性。将该方法推广至一类满足Lipschitz条件的非线性广义系统,解决了该类系统的故障诊断问题。其次,研究了一类定常时滞广义系统的鲁棒故障诊断滤波器设计问题。针对一类线性定常时滞广义系统,设计了基于观测器的鲁棒H∞故障诊断滤波器。该滤波器的结构是非奇异的,具有容易实现的优点。给出了滤波器存在的条件,并给出了滤波器参数求解矩阵的线性矩阵不等式形式。引入了残差评价函数及阈值以判断故障是否发生。将该方法推广至一类满足Lipschitz条件的非线性定常时滞广义系统,解决了该类系统的故障诊断问题。进一步,针对具有持续时间较短、幅值较小故障的一类线性定常时滞广义系统,设计了有限时间鲁棒H∞故障诊断滤波器。该滤波器不仅保证了增广误差系统动态方程满足限时间有界条件,且增广残差满足有限时间鲁棒H∞条件。将该方法推广至一类满足Lipschitz条件的非线性定常时滞广义系统,解决了该类系统的有限时间故障诊断问题。再次,研究了一类时变时滞广义系统的鲁棒故障诊断滤波器设计问题。针对一类线性时变时滞广义系统,设计了基于观测器的鲁棒H∞故障诊断滤波器。该滤波器的结构是非奇异的,具有容易实现的优点。给出了滤波器存在的条件,并引入了锥补线性化迭代算法用以解决滤波器参数求解矩阵的非凸问题。引入了残差评价函数及阈值以判断故障是否发生。将提出的方法推广至一类满足Lipschitz条件的非线性时变时滞广义系统,解决了该类系统的故障诊断问题。进一步,针对具有持续时间较短、幅值较小故障的一类线性时变时滞广义系统,设计了有限时间鲁棒H∞故障诊断滤波器。该滤波器不仅保证了增广误差系统动态方程是有限时间有界的,且增广残差满足有限时间鲁棒H∞条件。将该方法推广至一类满足Lipschitz条件的非线性时变时滞广义系统,解决了该类系统的有限时间故障诊断问题。然后,基于鲁棒Kalman滤波算法,研究了一类非线性广义系统的故障诊断问题。针对非线性模型线性化导致的误差问题,提出了基于鲁棒下界的鲁棒扩展卡尔曼滤波算法。分析了滤波器的鲁棒性能,实现了对故障值的有效估计。针对噪声统计未知的一类非线性广义系统,提出了自适应鲁棒扩展卡尔曼滤波算法,实现了该类非线性广义系统的故障估计。进一步,研究了一类量测方程具有时滞环节非线性广义系统的鲁棒故障诊断Kalman滤波问题。将转换得到的非奇异增广系统过程噪声视为未知过程噪声,使用自适应鲁棒扩展卡尔曼滤波算法,解决了该类系统的故障诊断问题。最后,基于改进无迹Kalman滤波算法,研究了一类非线性广义系统的故障诊断问题。提出了多模型无迹Kalman滤波故障诊断算法,解决了一类非线性广义系统的故障估计问题。针对具有状态不确定性的一类非线性广义系统,提出了多模型强跟踪无迹Kalman滤波算法,通过调整预测协方差矩阵,降低了状态不确定性对于滤波增益的影响,实现了对该类系统故障的精确估计。针对时变噪声统计未知的一类非线性广义系统,提出了多模型自适应无迹Kalman滤波算法。该方法实现了对该类广义系统故障的无偏估计。基于自适应算法,进一步研究了一类非线性广义系统的故障分离问题。将自适应无迹Kalman算法与多模型自适应估计算法相结合,确定了故障的具体位置,实现了对一类非线性广义系统故障的分离。
晁代坤[5]（2019）在《事件触发机制下随机系统的故障检测与估计》文中进行了进一步梳理现代工业系统具有大规模、高复杂度的发展趋势,系统运行中的安全性与可靠性问题,以及如何降低系统中的安全隐患是目前亟需解决的问题,故障诊断技术为解决这些问题提供了可能。网络化控制系统与传统结构系统相比具有传输速度快、成本低、可靠性强等优势。数据经网络传输产生的随机时延、丢包、异步会严重影响故障诊断性能,同时网络传输带宽在一般情况下是受限的,因此需要发展新的理论、方法和技术解决这些问题。本文旨在研究事件触发机制下随机网络化控制系统的故障检测与估计问题。本文主要工作和贡献如下:1、研究了具有多重丢包、（x,v）-乘性噪声的网络化控制系统的故障检测问题。在所提出的故障检测方法中引入了一种预先设定的H∞性能约束,以反映残差对干扰的鲁棒性。提出了无故障时残差可能的最大范数作为故障检测阈值,同时给出了确保系统稳定和残差对干扰鲁棒的充分条件。最后,通过数值仿真说明了所提方法的有效性。2、研究了一类基于事件触发机制具有随机发生非线性和（x,v）-乘性噪声的网络化时变系统有限时域的H∞故障估计问题。利用相对型的事件触发机制,减少了系统中不必要的数据传输。基于随机分析方法,给出了故障估计误差满足有限时域H∞性能约束的充分条件;采用递归的线性矩阵不等式技术,求解得到故障估计滤波器参数。最后,通过倒立摆实际系统验证了所提故障估计方法的正确性。3、研究了一类基于自触发传输机制利用凸多胞型理论的网络化控制系统的H∞故障检测问题。首先考虑了同时存在输入和输出干扰的网络化控制系统模型,采用自触发传输机制降低数据传输频率,并利用凸多胞型理论处理由自触发采样引入的时变参数矩阵。给出了针对不确定多胞型系统满足随机均方稳定和H∞性能约束的充分条件。最后,利用四容水箱真实实验数据对所提出的故障检测方法进行了验证。
杨玉霞[6]（2019）在《区间时变时滞动态系统的观测器设计》文中研究表明观测器设计问题是控制理论研究的一个重要课题。由于种种原因,系统的状态不能测量得到时,通过设计观测器来估计系统的状态,并用估计的状态来代替原状态,是保证各种控制设计实施的必要手段。另一方面,时滞现象在各种工程实际系统中广泛存在,并且时滞通常会导致受控系统性能下降甚至导致系统不稳定。因此关于时滞系统的观测器设计问题的研究具有理论与应用价值。相对于无时滞系统,时滞系统特别是区间时变时滞系统的观测器设计及稳定性分析问题都更复杂。本文在充分研究国内外关于观测器设计研究现状的基础上,基于Lyapunov稳定性理论,结合各种不等式技巧,研究了几类区间时变时滞动态系统的观测器设计问题,提出了新的观测器设计方案。本论文的主要研究成果如下:1.研究了一类带有干扰输入的推广的Lipschitz非线性时滞系统的H∞降阶观测器设计问题。所考虑的时滞非线性系统只满足二次内部有界条件。基于一个状态线性变换,推导出一个具有特别的结构的降阶时滞非线性观测器,所有观测器的参数正好都被一个自由矩阵参数化。观测器设计问题归结为时滞误差动态系统的稳定性分析问题。因为考虑了干扰输入,文中使用H∞滤波方案,选取合适的Lyapunov-Krasovskii泛函,结合采用一个新近提出的被证明比传统的倒立凸不等式更严格的扩展的倒立凸不等式工具,获得了低保守性的观测器设计条件,观测器设计的参数同时也被计算出。由于使用了更宽松的条件,更广的时滞范围,更严格的不等式,所得结果保守性更低,适用范围更广。数值算例进一步说明了所提出方案的优越性。2.首次研究了带有干扰输入的时滞单边Lipschitz广义非线性系统的H∞全阶观测器设计问题。广义非线性系统加上时滞问题使得观测器的设计更加复杂,关于时滞单边Lipschitz广义非线性系统的观测器设计问题还未见报道。本文所考虑的时滞广义非线性系统同时满足单边Lipschitz条件和二次内部有界条件,包含了传统的Lipschitz条件,所以是一类更广的系统。我们利用矩阵方程组理论和Lyapunov稳定性理论,使用H∞滤波方案,分离散时间和连续时间两种情况分别给出了时滞广义非线性系统的观测器设计方案。对于离散的时滞单边Lipschitz广义非线性系统,构造了一个带有多参数的时滞非线性观测器。通过巧妙地引入两个辅助变量将观测器参数耦合的矩阵方程组解耦成线性矩阵方程组,所有观测器的参数都被另外同一个自由矩阵参数表示。观测器的设计归结为确定合适的自由矩阵参数以保证导出的估计误差非线性动态系统在无干扰输入时是渐近稳定的,在有干扰输入时满足H∞性能。通过构造增广的Lyapunov-Krasovskii泛函,应用多个重要的不等式来处理时滞,得到了时滞范围相关的LMI形式的观测器可解条件,同时自由矩阵参数也随之解出,从而所有矩阵参数可解出。另外,对于无时滞离散单边Lipschitz广义非线性系统,也考虑了观测器设计方案,给出了观测器可解的充分性条件。所提出的方案也可以应用于矩形系统,从而具有更广的适用范围。仿真算例说明了所提出的观测器设计方案的有效性。对于连续的时滞单边Lipschitz广义非线性系统,我们提出了与离散时间时滞单边Lipschitz广义非线性系统类似的观测器结构,使用类似的观测器结构参数解耦的方法,构造了合适的Lyapunov-Krasovskii泛函,应用一个保守性低的叫做基于自由矩阵的积分不等式得出了时滞范围相关的稳定性条件。同时对于无时滞情形,也给出了无时滞广义非线性系统的观测器设计的充分性条件。当系统降为正常的时滞单边Lipschitz非线性系统时,所提出的方法仍适用,文中的数值算例说明了所提出方法的有效性和低保守性。3.研究了区间时变时滞线性系统的函数观测器设计问题,并提出了基于该函数观测器的系统执行器的故障诊断方案。目前大多数已有的结果都是考虑无时滞线性系统的故障诊断问题,关于时滞线性系统的故障诊断问题涉及的较少,而且有些方法的保守性过低,因此研究时滞线性系统的基于降阶函数观测器的故障诊断问题是有意义的。首先,对线性系统,考虑估计部分状态的线性函数,提出了一个新的函数观测器的设计方法。使用了带有奇异变换的Lyapunov-Krasovskii泛函,结合低保守性的积分不等式,得到的观测器可解条件只是一个简单的线性矩阵不等式。与已有相关结果相比,所提出的观测器设计方案适用于更宽的时滞区间范围,具有更简单的参数求解过程,不等式条件只有一个且具有简单的形式,计算负担轻。考虑到用于故障诊断的目的,是适合且方便的。其次,基于观测器的状态和系统的测量输出,构建了一个用于故障检测的残差发生器,产生的残差信号对所有可能的故障都敏感。最后,设计了一组用于故障隔离的残差发生器,其中的每一个残差发生器是针对某一个执行器故障设计,且对此故障不敏感而对其余故障都敏感。最后的例子说明所提出的诊断方案是很有效的。
吴超[7]（2019）在《基于观测器的二维系统多通道故障的诊断与容错》文中研究说明在步入后工业化社会的今天,国民经济蓬勃发展,早已不是当初工业革命时简单粗放的生产方式,随着科技不断进步和认知水平逐步提高,规模化、高效化的生产方式逐渐取代原来的低效、作坊式的生产。随之而来的便是对系统安全和稳定的不断追求,所以我们需要将理论研究与实际生产过程相结合,以期满足经济的发展。故障诊断和容错控制技术在系统出现故障后可以很好地做出补救措施,为安全生产提供有力支持。一方面,故障诊断可以有效检测到未知故障在系统中的出现,判断发生的位置,估计故障的幅值,为系统进行故障补偿提供充足的信息。另一方面,容错控制能够保证系统发生故障的情况下有可以接受的稳定性和可靠性等性能。系统形式可以有多种多样,着重提及二维系统（2D system）是因为其广泛存在于各种工业领域当中,同时可以为许多工业问题提供有效的解决方法。不仅仅是鉴于二维系统突出的实际应用场景,更为重要的是由于二维系统自身的丰富性,特别是基于故障诊断和容错控制这一分支。本文正是起于这样的研究目的,系统研究了二维系统的多通道故障——主要是指传感器故障和执行器故障——如何进行估计和补偿的问题,线性系统的实践成果为下一步的非线性系统研究提供参照,值得一提的是由线性系统又可以展开来考虑线性时变时滞系统,可以说基本将涉及多通道故障的几类常见系统情况都囊括了进去。本文主要利用Lyapunov稳定性方法和线性矩阵不等式方法,针对二维线性系统、二维时变时滞系统和二维非线性系统这样三种典型模型,研究其故障诊断和容错控制,本文详尽安排和研究成果具体如下:在第二章中,本文希望借由比较崭新且实用的观测器设计方案,该方案可以较好地同时估计状态和执行器/传感器故障,实现了在二维线性系统下的执行器/传感器故障补偿问题。接着在第三章中,本文考虑了二维时变时滞系统下的执行器/传感器故障的主动容错控制,并给出了有效的观测器设计。最后,在第二章和第三章的铺垫下,本文将一类二维非线性系统的执行器/传感器故障的重构和补偿进行了相对完善的讨论,针对扰动也给出了满足H∞性能指标的故障重构观测器存在的充分条件。
权璐[8]（2019）在《基于滑模观测器的飞控系统故障诊断研究》文中研究指明随着航空飞行器控制系统规模和复杂性的持续扩大,对控制系统安全性和可靠性的要求也持续增加。航空飞行器的气动特性复杂,飞行状态特殊,在飞行的过程中容易受到外界干扰,发生执行器、传感器类型故障,因此研究飞行控制系统的故障诊断是具有现实意义的工作。本文立足于前人研究的基础,将航空飞行器的飞行控制系统作为研究对象,对系统将会出现的故障类型进行分析,考虑系统的建模不确定性、外界扰动等非线性因素,基于滑模观测器的理论设计了飞控系统的故障诊断算法。论文的主要工作和创新点如下:首先,介绍了论文的研究背景与意义以及故障的概念与分类,并对基于观测器的故障诊断技术的研究近况作了阐述。然后针对一类具有扰动和模型不确定性的线性系统,提出了一种基于滑模观测器的故障诊断方法,用于检测执行器故障。通过使用线性矩阵不等式（Linear matrix inequalities,LMI）可以直接解决滑模观测器方法的求解困难。采用Lyapunov稳定性理论证明了所设计滑模观测器的稳定性。其次,针对含有扰动的飞控系统执行器的微小故障诊断问题,提出了一种基于神经网络滑模观测器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来保证系统的强鲁棒性。然后,针对一类不确定非线性系统的传感器故障估计、执行器故障检测问题,提出了一种基于鲁棒滑模观测器的故障诊断方法。通过将传感器故障矢量作为扩展状态矢量的一部分,将具有传感器故障、执行器故障和未知输入的原始系统转换为增强型奇异系统,该系统仅具有执行器故障和未知输入。对于构造的奇异系统,使用鲁棒滑模观测器来同时估计原始系统的状态和传感器故障,并通过求解优化问题,根据线性矩阵不等式计算观测器增益矩阵。同时,设计执行器故障检测器,在发生执行器故障时进行检测。最后,根据课题研究内容,为了给航空飞行器飞控系统的故障诊断研究提供仿真实物模型,构建了半物理实验平台——飞行器故障诊断实验平台,介绍了该平台的的硬件和软件系统。以本文提出的基于滑模观测器的故障诊断算法为例,应用于该平台上,实验结果既说明了平台设计构建的合理性,同时又验证了设计的滑模观测器的故障诊断性能良好,能够保持有效的跟踪,并且能够修复系统性能,具有工程运用的参考价值。
王乾[9]（2019）在《基于确定学习理论的渐变故障辨识、检测与预测研究》文中指出随着工业自动化水平的日益提高,系统中的关键设备都在朝着精密化和复杂化方向发展。这些设备的安全可靠运行是人们非常关心的重要问题,对其进行安全监测具有重要的社会意义和经济意义。在实际工业生产中,即使系统设计的很完善,在不同的工况下长时间运行,都会出现不同程度的故障。特别地,在系统发生渐变故障后,对系统运行状态进行准确及时的监测（从系统提取有效的、稳定的特征来准确反映系统退化状态）、故障诊断和健康管理显得尤为重要。本文主要研究如下三个方面的内容:基于确定学习理论,针对一类发生渐变故障的非线性不确定系统,沿着系统的轨迹,首先对系统动态进行准确辨识得到系统的动力学轨迹,在动力学轨迹基础上提取出更加敏感的系统动态特征;然后,使用动态模式识别方法对系统渐变故障进行快速检测;最后,结合系统残差的变化对系统失效时间进行准确预测,以实现对系统健康状态的实时评估。具体如下:1.非线性系统的动态建模及特征提取。对一类非线性动力学系统,通过确定学习理论对系统未知的系统动态进行局部准确辨识,并将系统状态轨迹代入动力学建模结果中得到系统的动力学轨迹。首先,在Lempel-Ziv复杂度（LZ复杂度）算法的基础上,提出了时空LZ复杂度,其包含了时间复杂度（Temporal-LZ compelxity,TLZC）和空间复杂度（Saptio-LZ compelxity,SLZC）两个指标,用于表征系统动力学轨迹的复杂度;其次,对系统的时空LZ复杂度特征指标进行敏感程度分析;然后,使用经典的非线性动力学系统（Rossler系统和Duffing系统）进行数值仿真。结果表明,相比于状态轨迹,从动力学轨迹中提取的特征可以更加敏感地反映出非线性动力学系统的周期、倍周期及混沌状态。最后,将所提出的方法应用到实际的心电信号动态特征表达上,结果表明,提取出的心电信号动态复杂度指标能更加明显反映出心肌缺血的情况,可以显着提高其对心肌缺血检测准确度、特异度和敏感度。2.基于确定学习理论的渐变故障快速检测。针对一类包含不确定项和外部扰动的非线性系统,定义系统的健康模式、亚健康模式和故障模式。运用确定学习理论对系统三种模式的动态进行准确的辨识,将学到的三种模式下的知识以常值径向基神经网络的形式进行存储。基于确定学习的泛化能力和故障的渐变特性选取具有代表性的模式,构建系统动态模式库。利用该模式库构造一系列动态估计器,与待检测系统进行比较,从而得到三类不同模式的残差。采用最小残差原则,实现对系统亚健康和渐变故障的快速检测。针对在有/无外部扰动干扰情况下,对渐变故障的可检测性进行了充分的分析。与现有的基于在线逼近器的渐变故障检测方法相比,所提出的方法不要求渐变故障幅值在一定时间内大于系统的建模不确定项,对微小渐变故障更加敏感,同时可实现对渐变故障的不同阶段（健康、亚健康和故障模式）进行检测,而且还可消除检测阈值需要设定的影响,提供一个更加准确和快速的检测故障方法。3.基于确定学习理论的系统失效时间准确预测。针对由渐变故障引起系统动力学变化的非线性不确定系统,基于确定学习理论的系统失效时间预测机制,可实现对系统失效时间的准确预测:利用确定学习对系统渐变故障不同阶段的动态进行准确辨识,随着系统渐变故障的变化,使用失效模式设计的估计器和待监测系统比较得到的残差将逐渐减小。当系统达到失效状态时,对应的残差将小于失效阈值;基于此,分别对无外部干扰和有外部干扰情况下,建立了系统失效时间预测模型,并将当前时刻系统动态代入到预测模型中,可得到准确的系统失效时间预测值,以便及时制定合理的系统维护策略,保障系统安全运行。进一步结合第四章,建立了一个非线性系统渐变故障检测和系统失效时间预测综合算法（Incipient faults detection and Time-to-failure Prediction,IFDTP）。与已有的其他系统失效时间预测方法相比,本文从系统动态变化的角度给出更加准确的失效时间预测值（满足持续激励条件）,在检测和预测过程中都不需要对系统的动态进行重新学习,并且是并行执行的,所提出IFDTP算法更容易实施。
张康康[10]（2018）在《基于滑模技术故障诊断和容错控制及应用于高速列车的研究》文中指出高速列车是我国着力开发的产品,可靠性和安全性是高速列车的重要研究方向,而微小故障是影响高速列车可靠性以及安全性的重要因素。现阶段,微小故障的研究还处于起始阶段,微小故障的描述,微小故障的诊断以及容错控制等的研究成果较少,且没有形成系统化理论,缺乏能够应用于高速列车系统的成果。本文主要针对控制系统的微小故障诊断和容错控制问题,使用滑模技术,结合区间估计技术,鲁棒控制理论以及自适应估计技术,设计开发新的基于动态模型的微小故障诊断和容错控制理论及方法,以提升现有故障诊断理论及方法对微小故障诊断的准确性,故障诊断能力以及增强容错控制的容错能力。然后通过系统仿真,将所提出微小故障诊断和容错控制理论及方法应用于中国高速铁路（China Railway High-speed,（CRH））牵引系统的多种子设备包括单相整流器,三相逆变器以及三相牵引电机。具体工作主要包括以下7个方面:（1）针对具有观测器不匹配不确定性的牵引逆变器动态模型,考虑了传感器微小故障演变的检测问题。首先,对于由原系统状态和故障信号的增广系统,设计一个特殊的故障检测滑模观测器,其设计参数是使用线性矩阵不等式和线性滤波器技术获得。该设计参数既要保证故障检测残差对与系统不确定性的鲁棒性,同时也要保证滑模运动不被故障信号破坏。然后,分别针对微小传感器故障,传感器故障和传感器失灵,基于降阶的滑模运动,提出了三个等级的能有效提高微小传感器故障检测能力的自适应阈值。最后,将提出的这种微小故障演变的检测技术用于高铁牵引逆变器传感器故障检测以验证该技术的有效性。（2）根据自适应技术和滑模技术分别设计了牵引逆变器传感器微小故障调节控制器和牵引逆变器执行器故障调节控制器。在第一种故障调节控制器中,根据建立的牵引逆变器模型和微小故障微分方程描述,对牵引逆变器系统提出了一种微小电压传感器故障估计和故障调节方法。首先,设计一种最优自适应观测器用来估计逆变器电压,电流和故障值,该观测器可以保证各个信号的估计误差收敛到最小不变椭圆内。然后,根据内模原理,提出故障调节控制器使得在传感器微小故障情况下,逆变器输出电压能够跟踪给定的参考电压,而且误差最终收敛到最小不变椭圆内。最后,基于CRH牵引逆变器的实例进行仿真,验证故障估计和故障调节算法的有效性。在第二种故障调节控制器中,牵引逆变器系统被抽象成非最小相位线性参数变化系统（linear-parameter-varying,（LPV））,基于区间滑模观测器（interval sliding mode observer,（ISMO））,提出了一种具有控制分配的故障调节系统。首先,一种区间滑模观测器被提出用于估计故障LPV系统的状态允许值的集合。然后,通过稳定区间滑模观测器,而不是原系统,来设计具有在线控制分配的容错控制律用以保证原LPV故障系统是渐近稳定的以及分配给各个执行器的实际控制满足预先设定的性能指标。最后,基于CRH的逆变器进行仿真,以验证所提出的方法的有效性。（3）根据牵引整流器的非线性动态模型,分别提出了基于区间滑模观测器的牵引整流器微小传感器故障检测方法和基于滑模观测器和自适应估计的牵引整流器多微小传感器故障隔离方法。在微小传感器故障检测部分,使用区间滑模观测器作为诊断观测器,针对具有观测器不匹配不确定性的非线性系统设计微小传感器故障检测方法。首先,使用极大-极小值方法,求取连续非线性的区间界。然后,基于该区间界,设计了区间滑模观测器,该观测器可提供滑模运动变量的容许值范围,并且保证滑模运动的发生。基于这种新的诊断观测器,提出了新的故障检测残差生成器和阈值生成器,并对其故障检测能力进行了研究,推导出一组微小故障的可检测条件。最后,将基于高铁牵引整流器进行实例仿真,以验证所提方法的有效性。在多微小传感器故障隔离部分,针对高铁使用的单相三电平牵引整流器,设计了多微小电压传感器故障隔离方法。首先,使用非线性参数化技术,将表征故障位置和故障类型的故障模式进行非线性参数化。然后,结合滑模技术和自适应估计技术,针对多个故障模式,设计多个故障隔离观测器用以产生故障隔离残差和自适应阈值,从而设计新的多微小故障隔离技术,并且通过定义新的函数,研究了该微小故障隔离技术的微小故障隔离能力,得到了微小故障可隔离的充要条件。最后,基于TDCS-FIB平台,对所提出的方法进行了仿真,以验证该方法的实用性和有效性。（4）提出了一种高铁牵引电机定子绕组微小匝间短路故障的故障检测方法。一种区间滑模观测器被提出以解决速度传感器测量误差造成的系统参数不确定性,然后,基于该观测器,一种主动残差生成器和被动自适应区间阈值被提出。进一步,设计参数被优化以满足检测微小故障的需求。最后,将提出技术应用于牵引电机以验证其有效性和实用性。（5）考虑了一类不具备执行器冗余和具有非匹配扰动的非线性系统。基于SMC技术,提出了一种执行器容错控制设计方法,该控制方法能够很好的调节非匹配扰动和不满足冗余条件的执行器故障。使用等效输出抑制的概念和双曲函数,开发了一种光滑控制律和光滑更新律设计方法,该方法能够渐近稳定系统的同时重构时变参数,并且重构误差渐近收敛到零。基于该方法,使用backstepping的递推设计过程,提出了一种滑模运动稳定性分析和滑模控制设计的方法。然后设计了一组容错控制律和更新律,使得在一定的容错控制策略下,闭环系统是一致有界的,输出跟踪误差渐近收敛到零,并且部分时变故障和扰动信号被重构。最后,展示了仿真实例以验证所提的容错控制方法的有效性。
二、一类非线性系统的故障诊断与实现（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一类非线性系统的故障诊断与实现（论文提纲范文）
（1）基于智能技术的一类非线性系统故障诊断与预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语说明 |
| 第一章 绪论 |
| 1.1 论文的背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 非线性系统的故障诊断与预测问题描述 |
| 1.2.2 故障诊断与预测方法研究现状 |
| 1.3 存在的问题和研究难点 |
| 1.4 研究内容及思路 |
| 1.5 论文结构安排及课题来源 |
| 1.5.1 论文结构安排 |
| 1.5.2 课题来源 |
| 第二章 基于智能优化粒子滤波的故障诊断方法研究 |
| 2.1 引言 |
| 2.2 粒子滤波算法 |
| 2.2.1 状态空间模型 |
| 2.2.2 标准粒子滤波 |
| 2.3 变频变异粒子滤波(VFM-PF) |
| 2.3.1 变频变异策略 |
| 2.3.2 变频变异粒子滤波算法 |
| 2.3.3 算法性能实验及结果分析 |
| 2.4 基于VFM-PF的曝气池溶解氧过程故障诊断 |
| 2.4.1 活性污泥法污水处理及曝气池溶解氧过程 |
| 2.4.2 曝气池溶解氧过程故障诊断模型 |
| 2.4.3 基于VFM-PF的曝气池溶解氧过程故障诊断实验及结果分析 |
| 2.5 基于改进天牛群搜索算法的粒子滤波(BSAS-PF) |
| 2.5.1 天牛群搜索算法 |
| 2.5.2 改进天牛群搜索算法 |
| 2.5.3 基于改进天牛群搜索算法的粒子滤波 |
| 2.5.4 算法性能实验及结果分析 |
| 2.6 基于BSAS-PF的双馈风力发电机故障诊断 |
| 2.6.1 风力发电系统概述 |
| 2.6.2 双馈发电机故障诊断模型 |
| 2.6.3 基于BSAS-PF的双馈发电机故障诊断实验及结果分析 |
| 2.7 本章小结 |
| 第三章 基于ADCS-ELM的故障诊断方法研究 |
| 3.1 引言 |
| 3.2 本章相关技术概述 |
| 3.2.1 经验模态分解和集合经验模态分解 |
| 3.2.2 极限学习机 |
| 3.3 ADCS-ELM神经网络 |
| 3.3.1 改进布谷鸟搜索算法 |
| 3.3.2 基于ADCS的改进ELM神经网络 |
| 3.4 基于ADCS-ELM的故障诊断 |
| 3.4.1 故障诊断流程 |
| 3.4.2 基于EEMD的特征提取 |
| 3.4.3 基于ADCS-ELM的故障模式识别 |
| 3.5 故障诊断实验及结果分析 |
| 3.5.1 数据来源 |
| 3.5.2 故障特征提取实验 |
| 3.5.3 故障分类识别实验及结果分析 |
| 3.6 本章小结 |
| 第四章 基于堆叠降噪自动编码器的故障诊断方法研究 |
| 4.1 引言 |
| 4.2 堆叠降噪自动编码器(SDAE) |
| 4.2.1 自动编码器(AE) |
| 4.2.2 稀疏自动编码器(SAE) |
| 4.2.3 降噪自动编码器(DAE) |
| 4.2.4 堆叠降噪自动编码器(SDAE) |
| 4.3 基于人工变性天牛算法的改进堆叠降噪自动编码器(ATLA-SDAE) |
| 4.3.1 人工变性天牛算法(ATLA) |
| 4.3.2 基于ATLA的 SDAE超参数优化 |
| 4.4 基于ATLA-SDAE的故障诊断 |
| 4.5 故障诊断实验及结果分析 |
| 4.5.1 多工况轴承数据与特征集的构造 |
| 4.5.2 故障诊断实验及结果分析 |
| 4.6 本章小结 |
| 第五章 基于ICS-ELM的故障预测方法研究 |
| 5.1 引言 |
| 5.2 基于ICS-ELM的污水处理过程BOD预测 |
| 5.2.1 改进布谷鸟搜索算法(ICS) |
| 5.2.2 基于ICS的改进ELM神经网络污水处理过程BOD预测 |
| 5.3 基于ICS-ELM的 BOD实时故障预测实验及结果分析 |
| 5.3.1 实验数据的获取 |
| 5.3.2 实验数据的预处理 |
| 5.3.3 BOD预测实验及结果分析 |
| 5.4 本章小结 |
| 第六章 基于卷积神经网络的剩余寿命预测方法研究 |
| 6.1 引言 |
| 6.2 本章相关技术概述 |
| 6.2.1 连续小波变换 |
| 6.2.2 卷积神经网络CNN |
| 6.3 CNN预测模型结构设计 |
| 6.4 基于CNN-HI的滚动轴承剩余寿命预测 |
| 6.5 基于CNN-HI的轴承RUL预测实验及结果分析 |
| 6.5.1 PRONOSTIA轴承加速全寿命数据集 |
| 6.5.2 预测实验及结果分析 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 论文创新点 |
| 7.3 研究工作展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间发表的学术论文 |
| 附录 B 攻读学位期间主持/参与的科研项目 |
（2）具有扰动的一类非线性系统鲁棒故障检测与估计方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 故障诊断技术简介 |
| 1.2.1 故障诊断方法分类 |
| 1.2.2 故障诊断步骤 |
| 1.2.3 故障诊断性能指标 |
| 1.3 目前存在的问题 |
| 1.4 论文主要研究内容 |
| 1.5 论文的结构安排 |
| 2 鲁棒故障诊断的理论基础 |
| 2.1 LMI理论基础介绍 |
| 2.1.1 线性矩阵不等式的一般表示 |
| 2.1.2 线性矩阵不等式的相关引理及定义 |
| 2.2 鲁棒性能分析基础介绍 |
| 2.3 迭代学习算法及龙格-库塔算法介绍 |
| 2.3.1 迭代学习控制律 |
| 2.3.2 龙格-库塔算法简介 |
| 2.4 非线性系统介绍 |
| 2.5 本章小结 |
| 3 具有扰动的非线性系统鲁棒故障检测与估计观测器设计 |
| 3.1 具有扰动的非线性系统描述 |
| 3.2 具有扰动的闭环非线性系统H_/H?故障检测观测器设计 |
| 3.2.1 故障检测观测器模型建立 |
| 3.2.2 观测器参数求解 |
| 3.2.3 自适应阈值的设计 |
| 3.2.4 仿真实验与结果分析 |
| 3.3 具有扰动的非线性系统鲁棒故障估计观测器设计 |
| 3.3.1 鲁棒观测器设计 |
| 3.3.2 观测器参数设计 |
| 3.3.3 故障估计滤波器的设计 |
| 3.3.4 仿真实验与结果分析 |
| 3.4 本章小结 |
| 4 基于自适应迭代学习算法的一类非线性系统故障检测与估计 |
| 4.1 非线性系统描述 |
| 4.2 非线性系统故障检测与估计问题 |
| 4.2.1 故障检测观测器设计 |
| 4.2.2 故障估计观测器设计 |
| 4.2.3 学习增益矩阵设计 |
| 4.3 仿真模型设计与结果分析 |
| 4.3.1 仿真模型设计 |
| 4.3.2 结果分析 |
| 4.4 本章小结 |
| 5 具有扰动的LPV广义系统鲁棒故障估计与隔离 |
| 5.1 系统描述 |
| 5.2 鲁棒故障估计与隔离 |
| 5.3 LPV系统故障估计滤波器设计 |
| 5.4 仿真实验分析 |
| 5.4.1设计执行器1的故障估计与隔离观测器1 |
| 5.4.2设计执行器2的故障估计与隔离观测器2 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（3）基于系统辨识的故障诊断与预测性维护（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 故障诊断简介 |
| 1.2.1 工业故障的类型与诊断步骤 |
| 1.2.2 故障诊断的常用方法 |
| 1.3 系统辨识简介 |
| 1.3.1 系统辨识的定义与基本步骤 |
| 1.3.2 基于系统辨识的故障诊断 |
| 1.4 本文研究内容与结构 |
| 2 基于辨识模型残差的故障检测与分离 |
| 2.1 引言 |
| 2.2 面向故障诊断的辨识模型残差选择 |
| 2.3 残差的检测标准及阀值设定 |
| 2.3.1 n Sigma原则 |
| 2.3.2 T~2原则 |
| 2.4 基于检测结果的故障分离 |
| 2.5 案例演示 |
| 2.5.1 仿真研究 |
| 2.5.2 燃气轮机实验研究 |
| 2.6 本章小结 |
| 3 基于机理模型的控制阀非线性特性辨识 |
| 3.1 引言 |
| 3.2 控制阀概述 |
| 3.2.1 控制阀简介 |
| 3.2.2 控制阀的常见非线性特性 |
| 3.3 控制阀的非线性辨识 |
| 3.3.1 问题描述与模型的参数化 |
| 3.3.2 模型参数估计的两步实现 |
| 3.4 案例演示 |
| 3.4.1 仿真研究 |
| 3.4.2 工业实例 |
| 3.5 本章小结 |
| 4 基于唯象模型的控制阀非线性特性辨识 |
| 4.1 引言 |
| 4.2 控制阀非线性的参数化 |
| 4.2.1 三次样条结构 |
| 4.2.2 多继电结构 |
| 4.2.3 多间隙结构 |
| 4.3 基于松弛迭代算法的模型辨识 |
| 4.3.1 高阶模型的估计 |
| 4.3.2 模型的降阶 |
| 4.4 案例演示 |
| 4.4.1 工业实例一 |
| 4.4.2 工业实例二 |
| 4.5 本章小结 |
| 5 面向过程参数变化的故障诊断与预测性维护 |
| 5.1 引言 |
| 5.2 预测性维护的基本思想 |
| 5.3 故障诊断的0.5精度法 |
| 5.4 案例演示 |
| 5.4.1 水箱仿真研究 |
| 5.4.2 TE Benchmark实验研究 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者攻读硕士学位期间取得的成果 |
（4）基于滤波方法的一类广义系统故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 故障诊断技术概述 |
| 1.2.2 故障诊断方法概述 |
| 1.2.3 基于模型的故障诊断方法 |
| 1.2.4 广义系统故障诊断现状及存在问题 |
| 1.3 本文主要研究内容 |
| 第2章 基于观测器设计的一类广义系统故障诊断 |
| 2.1 引言 |
| 2.2 一类线性广义系统鲁棒故障诊断观测器设计 |
| 2.2.1 非奇异系统转换 |
| 2.2.2 鲁棒故障诊断观测器设计 |
| 2.2.3 仿真算例 |
| 2.3 一类非线性广义系统鲁棒故障诊断观测器设计 |
| 2.3.1 非奇异系统转换 |
| 2.3.2 鲁棒故障诊断观测器设计 |
| 2.3.3 仿真算例 |
| 2.4 本章小结 |
| 第3章 一类定常时滞广义系统鲁棒故障诊断滤波器设计 |
| 3.1 引言 |
| 3.2 一类定常时滞广义系统鲁棒故障诊断滤波器设计 |
| 3.2.1 非奇异系统转换 |
| 3.2.2 基于观测器的鲁棒故障诊断滤波器设计 |
| 3.2.3 仿真算例 |
| 3.2.4 推广至一类非线性定常时滞广义系统 |
| 3.2.5 仿真算例 |
| 3.3 一类定常时滞广义系统有限时间鲁棒故障诊断滤波器设计 |
| 3.3.1 有限时间稳定性分析 |
| 3.3.2 有限时间鲁棒滤波性能分析 |
| 3.3.3 仿真算例 |
| 3.3.4 推广至一类非线性定常时滞广义系统 |
| 3.3.5 仿真算例 |
| 3.4 本章小结 |
| 第4章 一类时变时滞广义系统鲁棒故障诊断滤波器设计 |
| 4.1 引言 |
| 4.2 一类时变时滞广义系统鲁棒故障诊断滤波器设计 |
| 4.2.1 非奇异系统转换 |
| 4.2.2 基于观测器的鲁棒故障诊断滤波器设计 |
| 4.2.3 仿真算例 |
| 4.2.4 推广至一类非线性时变时滞广义系统 |
| 4.2.5 仿真算例 |
| 4.3 一类时变时滞广义系统有限时间鲁棒故障诊断滤波器设计 |
| 4.3.1 有限时间稳定性分析 |
| 4.3.2 有限时间鲁棒滤波性能分析 |
| 4.3.3 仿真算例 |
| 4.3.4 推广至一类非线性时变时滞广义系统 |
| 4.3.5 仿真算例 |
| 4.4 本章小结 |
| 第5章 基于鲁棒Kalman滤波的一类非线性广义系统故障诊断 |
| 5.1 引言 |
| 5.2 基于REKF的一类非线性广义系统故障诊断 |
| 5.2.1 非奇异系统转换 |
| 5.2.2 REKF故障诊断滤波器设计 |
| 5.2.3 鲁棒性能分析 |
| 5.2.4 仿真算例 |
| 5.3 基于AREKF的一类非线性广义系统故障诊断 |
| 5.3.1 AREKF故障诊断滤波算法 |
| 5.3.2 仿真算例 |
| 5.3.3 推广至一类非线性时滞广义系统 |
| 5.3.4 仿真算例 |
| 5.4 本章小结 |
| 第6章 基于改进无迹Kalman滤波的一类非线性广义系统故障诊断 |
| 6.1 引言 |
| 6.2 非奇异系统转换 |
| 6.3 基于UKF算法的一类非线性广义系统多模型故障诊断 |
| 6.3.1 UKF故障诊断滤波器设计 |
| 6.3.2 UKF故障诊断滤波器性能分析 |
| 6.3.3 仿真算例 |
| 6.4 基于STUKF算法的一类非线性广义系统多模型故障诊断 |
| 6.4.1 多重次优渐消因子的引入 |
| 6.4.2 仿真算例 |
| 6.5 基于AUKF算法的一类广义系统多模型故障诊断 |
| 6.5.1 基于移动开窗的AUKF故障诊断滤波器设计 |
| 6.5.2 基于AUKFMMAE算法的故障分离 |
| 6.5.3 仿真算例 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（5）事件触发机制下随机系统的故障检测与估计（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 课题研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 随机系统 |
| 1.3.2 事件触发机制 |
| 1.3.3 故障诊断研究方法 |
| 1.3.4 基于事件触发机制故障诊断问题 |
| 1.4 线性矩阵不等式 |
| 1.4.1 线性矩阵不等式一般表示 |
| 1.4.2 YALMIP工具箱 |
| 1.5 本文的研究内容及结构安排 |
| 1.5.1 本文研究内容 |
| 1.5.2 本文结构安排 |
| 第2章 具有(x,v)-乘性噪声和多重丢包的网络化控制系统故障检测 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 故障检测滤波器设计 |
| 2.4 仿真结果 |
| 2.5 本章小结 |
| 第3章 基于事件触发机制具有随机发生非线性和(x,v)-乘性噪声的网络化时变系统H_∞故障估计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 H_∞故障估计滤波器及递归算法设计 |
| 3.4 仿真结果 |
| 3.5 本章小结 |
| 第4章 基于自触发传输机制利用凸多胞型理论的网络化控制系统H_∞故障检测 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 H_∞故障检测滤波器及自触发传输机制设计 |
| 4.4 仿真结果 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文研究工作总结 |
| 5.2 今后研究工作展望 |
| 参考文献 |
| 攻读硕士学位期间已有学术成果 |
| 致谢 |
（6）区间时变时滞动态系统的观测器设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 时滞系统的研究意义 |
| 1.2 观测器设计的发展及研究现状 |
| 1.2.1 时滞线性系统的观测器设计 |
| 1.2.2 时滞非线性系统的观测器设计 |
| 1.2.3 时滞广义系统的观测器设计 |
| 1.3 本文的主要内容 |
| 1.4 预备知识 |
| 1.4.1 符号约定 |
| 1.4.2 常用的引理 |
| 第二章 观测器简介 |
| 2.1 引言 |
| 2.2 全阶观测器 |
| 2.3 降阶观测器 |
| 2.4 函数观测器 |
| 2.5 三种观测器之间的关系 |
| 第三章 一类区间时变时滞非线性系统的H_∞降阶观测器设计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 H_∞降阶观测器设计 |
| 3.4 数值算例 |
| 3.5 本章小结 |
| 第四章 区间时变时滞单边Lipschitz广义非线性系统的H_∞观测器设计 |
| 4.1 引言 |
| 4.2 离散时滞单边Lipschitz广义非线性系统的H_∞观测器设计 |
| 4.2.1 问题描述 |
| 4.2.2 H_∞观测器设计 |
| 4.3 连续时滞单边Lipschitz广义非线性系统的H_∞观测器设计 |
| 4.3.1 问题描述 |
| 4.3.2 H_∞观测器设计 |
| 4.4 数值算例 |
| 4.5 本章小结 |
| 第五章 区间时变时滞线性系统的函数观测器设计及其在故障诊断中的应用 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 主要结果 |
| 5.3.1 观测器设计 |
| 5.3.2 用于故障检测的残差发生器 |
| 5.3.3 用于故障隔离的一组残差发生器 |
| 5.4 数值算例 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间所做的主要工作 |
| 致谢 |
（7）基于观测器的二维系统多通道故障的诊断与容错（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| abstract |
| 符号和缩写对照表 |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 二维系统(2D system) |
| 1.3 故障诊断 |
| 1.4 容错控制 |
| 1.5 观测器设计 |
| 1.6 相关引理和定义 |
| 1.7 论文主要内容和结构安排 |
| 第二章 带有多通道故障的二维线性系统的故障诊断和补偿 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 多通道故障同时估计 |
| 2.4 故障补偿 |
| 2.5 仿真研究 |
| 2.6 本章小结 |
| 第三章 带有多通道故障的二维时变时滞线性系统的容错控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 时变时滞观测器设计 |
| 3.4 主动容错控制 |
| 3.5 仿真研究 |
| 3.6 本章小结 |
| 第四章 二维非线性系统多通道故障同时估计和补偿 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 多通道故障同时估计 |
| 4.4 H_∞多通道故障重构 |
| 4.5 故障补偿 |
| 4.6 仿真研究 |
| 4.7 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 导师和作者简介 |
| 附件 |
（8）基于滑模观测器的飞控系统故障诊断研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 动态系统的故障检测与诊断技术研究 |
| 1.2.1 故障的概念与分类 |
| 1.2.2 故障检测与诊断技术的概念与常见分类 |
| 1.2.3 基于观测器的故障诊断方法研究现状 |
| 1.3 论文主要工作 |
| 第二章 基于滑模观测器的飞控系统执行器故障诊断方法 |
| 2.1 引言 |
| 2.2 滑模变结构观测器的简介 |
| 2.2.1 滑模的定义和数学表达式 |
| 2.2.2 滑模观测器介绍 |
| 2.3 飞控系统模型与执行器故障简述 |
| 2.3.1 刚体飞行器运动的假设条件 |
| 2.3.2 运动模型与执行器故障 |
| 2.4 基于滑模观测器的故障诊断方法设计 |
| 2.4.1 滑模观测器的设计 |
| 2.4.2 滑模观测器的稳定性分析 |
| 2.5 仿真验证与结果分析 |
| 2.5.1 仿真实验设置 |
| 2.5.2 仿真结果与分析 |
| 2.6 本章小结 |
| 第三章 基于神经网络滑模观测器的飞控系统微小故障诊断方法 |
| 3.1 引言 |
| 3.2 RBF神经网络简介 |
| 3.3 问题描述 |
| 3.3.1 具有微小故障和扰动的线性系统描述 |
| 3.3.2 系统解耦 |
| 3.4 基于神经网络滑模观测器的飞行器故障诊断方法 |
| 3.4.1 神经网络滑模观测器的设计 |
| 3.4.2 观测器的稳定性分析 |
| 3.5 仿真验证与结果分析 |
| 3.5.1 仿真实验设置 |
| 3.5.2 仿真结果与分析 |
| 3.6 本章小结 |
| 第四章 基于鲁棒滑模观测器的不确定非线性系统故障诊断方法 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 具有执行器和传感器故障的不确定非线性系统描述 |
| 4.2.2 系统变换 |
| 4.3 基于鲁棒滑模观测器的执行器和传感器故障诊断方法 |
| 4.3.1 基于鲁棒滑模观测器的传感器故障估计方法 |
| 4.3.2 基于鲁棒滑模观测器的执行器故障检测 |
| 4.4 仿真验证与分析 |
| 4.4.1 仿真实验模型表述 |
| 4.4.2 仿真结果与分析 |
| 4.5 本章小结 |
| 第五章 基于飞行器故障诊断实验平台的半物理验证实验 |
| 5.1 引言 |
| 5.2 飞行器故障诊断实验平台描述 |
| 5.2.1 平台硬件介绍 |
| 5.2.2 平台软件介绍 |
| 5.3飞行器故障诊断实验平台实验 |
| 5.3.1 飞行器模型及控制器设计 |
| 5.3.2 故障诊断算法的实际应用 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文及参与的科研项目 |
（9）基于确定学习理论的渐变故障辨识、检测与预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 振动信号特征提取 |
| 1.2.2 渐变故障诊断 |
| 1.2.3 系统失效时间预测 |
| 1.2.4 确定学习理论简介 |
| 1.3 本文的研究内容及结构安排 |
| 第二章 确定学习理论 |
| 2.1 引言 |
| 2.2 确定学习机制 |
| 2.3 动态模式识别 |
| 2.4 微小故障检测 |
| 2.5 本章小结 |
| 第三章 基于确定学习理论的非线性系统动态特征表达 |
| 3.1 引言 |
| 3.2 非线性系统动力学轨迹的获取 |
| 3.3 动态特征表达 |
| 3.3.1 Lempel-Ziv复杂度算法 |
| 3.3.2 动态特征表达:时空LZ复杂度表征 |
| 3.3.3 动态特征提取方法的敏感性分析 |
| 3.4 仿真验证 |
| 3.4.1 Duffing振子 |
| 3.4.2 Rossler系统 |
| 3.5 应用研究:心电信号动态特征提取 |
| 3.5.1 心电动力学图(Cardiodynamicsgram,CDG) |
| 3.5.2 样本的选取 |
| 3.5.3 心电信号的时空LZ复杂度表征 |
| 3.6 本章小结 |
| 3.7 附录A |
| 第四章 基于确定学习理论的非线性系统渐变故障检测 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 三种不同系统模式的学习和表达 |
| 4.4 系统模式库的建立 |
| 4.5 渐变故障的快速检测 |
| 4.5.1 渐变故障的检测机制 |
| 4.5.2 不含外部扰动时的渐变故障快速检测 |
| 4.5.3 有外部扰动情况下的渐变故障快速检测 |
| 4.6 仿真验证 |
| 4.6.1 Van Der Pol振荡系统 |
| 4.6.2 Duffing振荡系统 |
| 4.7 本章小结 |
| 第五章 基于确定学习理论的非线性系统失效时间预测 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 系统模式库的建立 |
| 5.4 渐变故障的快速检测与预测机制 |
| 5.4.1 渐变故障检测机制 |
| 5.4.2 失效时间(TTF)预测机制 |
| 5.5 仿真验证 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（10）基于滑模技术故障诊断和容错控制及应用于高速列车的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 微小故障诊断研究现状 |
| 1.2.1 微小故障起源 |
| 1.2.2 基于模型的微小故障诊断方法 |
| 1.2.3 基于数据的微小故障诊断方法 |
| 1.3 容错控制研究现状 |
| 1.3.1 基于自适应估计技术容错控制 |
| 1.3.2 基于滑模技术容错控制 |
| 1.3.3 基于区间观测器技术容错控制 |
| 1.4 论文主要内容及结构安排 |
| 第二章 预备知识 |
| 2.1 引言 |
| 2.2 高铁牵引系统设备建模 |
| 2.2.1 三相逆变器建模 |
| 2.2.2 单相整流器建模 |
| 2.2.3 具有定子匝间短路故障的牵引电机建模 |
| 2.3 高铁牵引系统仿真验证平台 |
| 2.4 微小故障描述 |
| 2.5 基本定义和引理 |
| 第三章 基于滑模观测器的牵引逆变器微小传感器故障检测 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 滑模诊断观测器设计 |
| 3.4 传感器微小故障演变检测 |
| 3.4.1 自适应阈值设计 |
| 3.4.2 微小故障演变检测决策规则 |
| 3.4.3 故障检测能力分析 |
| 3.5 实例仿真 |
| 3.5.1 微小传感器故障演变成故障仿真 |
| 3.5.2 微小传感器故障演变成轻微失灵故障仿真 |
| 3.6 小结 |
| 第四章 基于自适应估计技术和区间滑模观测器的牵引逆变器故障调节 |
| 4.1 引言 |
| 4.2 基于自适应观测器技术的牵引逆变器微小传感器故障估计和调节 |
| 4.2.1 问题描述 |
| 4.2.2 自适应未知输入观测器设计 |
| 4.2.3 微小传感器故障估计 |
| 4.2.4 容错控制器设计 |
| 4.2.5 实例仿真 |
| 4.3 基于区间滑模观测器的牵引逆变器执行器故障调节 |
| 4.3.1 问题描述 |
| 4.3.2 区间滑模观测器设计 |
| 4.3.3 滑模控制律设计 |
| 4.3.4 仿真验证 |
| 4.4 小结 |
| 第五章 基于滑模观测器和区间观测器的牵引整流器微小传感器故障诊断 |
| 5.1 引言 |
| 5.2 基于区间滑模观测器的牵引整流器微小传感器故障检测 |
| 5.2.1 问题描述 |
| 5.2.2 区间滑模诊断观测器设计 |
| 5.2.3 残差生成器设计 |
| 5.2.4 自适应区间阈值生成器设计 |
| 5.2.5 微小故障检测能力分析 |
| 5.2.6 仿真验证 |
| 5.3 基于滑模观测器和区间估计的牵引整流器多微小传感器故障隔离 |
| 5.3.1 问题描述 |
| 5.3.2 滑模隔离观测器设计 |
| 5.3.3 微小故障隔离决策 |
| 5.3.4 自适应区间阈值生成器设计 |
| 5.3.5 微小传感器故障隔离能力分析 |
| 5.3.6 仿真验证 |
| 5.4 小结 |
| 第六章 基于区间滑模观测器的牵引电机微小故障检测 |
| 6.1 引言 |
| 6.2 问题描述及预备知识 |
| 6.3 区间滑模诊断观测器设计 |
| 6.3.1 观测器结构设计 |
| 6.3.2 观测器参数设计 |
| 6.4 微小故障检测 |
| 6.4.1 残差生成器设计 |
| 6.4.2 自适应区间阈值生成器设计 |
| 6.4.3 微小故障检测决策 |
| 6.4.4 微小故障检测能力分析 |
| 6.5 实例仿真 |
| 6.6 小结 |
| 第七章 基于滑模控制的具有非匹配扰动的非线性系统执行器容错控制 |
| 7.1 前言 |
| 7.2 预备知识 |
| 7.3 问题描述 |
| 7.4 主要结果 |
| 7.4.1 滑模面设计 |
| 7.4.2 容错控制律设计 |
| 7.5 仿真验证 |
| 7.6 小结 |
| 第八章 总结与展望 |
| 8.1 本文主要工作 |
| 8.2 后续研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
四、一类非线性系统的故障诊断与实现（论文参考文献）
- [1]基于智能技术的一类非线性系统故障诊断与预测方法研究[D]. 余萍. 兰州理工大学, 2020
- [2]具有扰动的一类非线性系统鲁棒故障检测与估计方法研究[D]. 陈政权. 河南大学, 2020(02)
- [3]基于系统辨识的故障诊断与预测性维护[D]. 熊曼. 浙江大学, 2020(12)
- [4]基于滤波方法的一类广义系统故障诊断研究[D]. 梁天添. 哈尔滨工业大学, 2019(01)
- [5]事件触发机制下随机系统的故障检测与估计[D]. 晁代坤. 中国石油大学(华东), 2019(09)
- [6]区间时变时滞动态系统的观测器设计[D]. 杨玉霞. 青岛大学, 2019(07)
- [7]基于观测器的二维系统多通道故障的诊断与容错[D]. 吴超. 北京化工大学, 2019(06)
- [8]基于滑模观测器的飞控系统故障诊断研究[D]. 权璐. 南京航空航天大学, 2019
- [9]基于确定学习理论的渐变故障辨识、检测与预测研究[D]. 王乾. 华南理工大学, 2019
- [10]基于滑模技术故障诊断和容错控制及应用于高速列车的研究[D]. 张康康. 南京航空航天大学, 2018(01)