基于自适应阈值的粒子滤波非线性系统故障诊断

针对实际非线性系统传统方法难以实现可靠故障诊断的问题,采用粒子滤波算法,利用对数似然函数和作为评价指标,并借助自适应阈值的设计,研究了非线性非高斯系统的故障检测和故障隔离。阈值的选取,是准确判别系统是否发生故障的标准,本文通过分析非线性系统残差的统计特性,在判定残差统计特性成正态分布的基础上,设计了一种基于粒子滤波故障诊断的自适应阈值方法,减少了故障诊断的漏报和误报。通过非恒温连续搅拌水箱式反应堆的仿真实例,验证了该方法在故障诊断中的准确性和有效性。      

四旋翼无人机的自适应故障诊断与估计

针对四旋翼无人机执行器常见故障，提出一种基于自适应技术和观测器的鲁棒故障检测和估计（FDE）方法。在故障检测阶段，设计非线性诊断观测器，通过解析函数推导出阈值，确保所提检测方法的鲁棒性，并对所设计的观测器和残差评估函数进行证明。在故障估计阶段，提出基于切换ρ-修正的自适应律来准确估计检测到故障的方案。该方案不仅能够同时估计系统状态和残差信号，而且能估计未知故障的特征和大小。通过线性矩阵不等式进行设计参数的计算。利用2种故障场景分别进行仿真验证，同时在4种情况下讨论所提方法的有效性。基于四旋翼无人机硬件在环实验台验证了所提方法的可行性。     

基于神经网络的重力卸载系统控制器设计

吊挂系统是地面模拟空间机械臂重力卸载试验的重要方法之一。针对传统PID控制方式动作响应慢、鲁棒性差等缺点，提出了一种基于径向基函数（RBF）神经网络的智能控制方式。该方式有很强的非线性拟合能力，且学习规则简单，可映射任意复杂的非线性关系，便于计算机实现。利用该特性，设计了一种重力卸载精度较PID控制方式更高的控制器。该控制器应用正交最小二乘法辨识的控制模型，在带负荷的伺服电机数学模型条件下，使用基于梯度下降法更新权重的RBF神经网络，最后通过s 函数编写，得到Matlab仿真图像。仿真结果与PID控制方法相比响应迅速，鲁棒性强，重力卸载精度更高（98%）。     

定量与定性相结合的动量轮故障可诊断性评价

为了提高动量轮的故障诊断性能,采用定量与定性相结合的方法对故障可诊断性评价方法开展研究。在分析动量轮和控制器模型的基础上,建立定量的动量轮闭环系统模型;分析动量轮的各种故障模式,将其分为测量类、驱动类和控制器类故障,并在动量轮系统模型中进行表示;依据故障到输出的传递函数是否等于0以及不同故障到输出的传递函数是否相同的思路,研究各类故障的可检测性和可分离性判断条件,对动量轮的各故障模式进行评价,给出相应的评价结果对于不可分离的故障集合,研究基于定性模型的故障可诊断性评价方法,即根据动量轮各功能模块之间的关系,结合动量轮的故障模式影响分析结果,建立故障与征兆之间的关联矩阵,通过分析各故障对应的数据,进一步给出动量轮故障可诊断性的评价结果。最后,提出故障可诊断性相关的定量指标,根据动量轮故障可诊断性评价结果,给出各故障以及动量轮的可检测度和可分离度等,为后续故障可诊断性设计提供依据。     

一类质心突变飞行器的姿态控制律重构设计

研究了一类质心突变飞行器姿态控制系统在发生故障时的一种控制律重构方法。采用以Unscented卡尔曼滤波为基本估计单元且用输出残差为故障诊断指标的交互式多模型算法实时地对飞行器故障情况进行检测与诊断。当诊断出故障时,重构控制律的参数对系统进行补偿控制,使得故障下飞行器的姿态跟踪精度得以维持。通过数值仿真验证了该方法的有效性。     

基于可诊断性约束的测点优化配置研究

为提高卫星的安全性和可靠性,适应在设计阶段对故障诊断进行考虑的需求,以动量轮为例,将故障可诊断性作为优化目标,提出基于DM分解技术的测点优化配置方法,并给出故障可诊断性评价的相关定义.分析动量轮模型和故障,建立动量轮的结构模型;采用DM技术对动量轮的结构模型进行分解,并分析动量轮模型的解析冗余关系;在对各故障的可检测性和可分离性进行分析的基础上,根据结构模型的偏序关系,获得使故障具有可检测性和可分离性的最小传感器集合;给出故障可诊断性评价的定义,并针对两种传感器配置情况,进行可诊断性分析.本文所提方法为设计阶段开展故障诊断的研究提供了借鉴和参考.     

变时延网络控制系统的鲁棒故障检测

针对具有时变时延的网络控制系统故障检测问题,提出了一种基于鲁棒H_∞思想的故障检测滤波器设计方法.将鲁棒H_∞故障检测问题归结为寻找滤波器参数矩阵,使得滤波系统内稳定并且满足鲁棒H_∞性能指标.根据残差评价函数和故障阈值判断系统是否存在故障.假设时变时延的上下界已知.基于时延相关Lyapunov-Krasovskii泛函方法给出了系统内稳定并且具有H_∞指标的时延相关条件.在外部控制输入、外界干扰和故障信号有界的情况下,所设计的故障检测滤波器能够保证生成的残差信号有界.针对HiMAT（Highly Maneuverable Technology）飞行器设计了故障检测滤波器,并通过仿真分析验证了所提出方法的有效性.     

非冗余舵面与RCS复合故障的自愈控制方法

临近空间飞行器在稀-稠大气过渡阶段且反推力矢量装置(Reaction Control System, RCS)有剩余燃料的情况下,RCS对于非冗余舵面的故障补偿与在线重构具有重要意义。基于此,本文研究了针对非冗余舵面与RCS复合故障的自愈控制方法,以实现飞行器的安全可靠控制。首先,建立了执行机构故障等不确定影响下的姿态控制模型;其次,针对舵面故障给出了基于残差观测的故障检测与自诊断方法,设计了RCS与舵面复合故障的分离诊断策略;然后,基于非线性比例-微分控制及故障诊断信息,设计了舵面故障补偿的自愈控制器;同时,基于RCS故障喷管序列判定,设计了复合故障下RCS在线重构的自愈控制器。最后,通过某典型全弹道姿态跟踪数值仿真,验证了该方法的有效性及可靠性。     

非线性系统多故障诊断方法

给出了非线性系统的一种基于模糊奇偶方程的多故障诊断方法.解决了非线性系统中同时出现多种故障时的故障检测与识别问题.首先构造线性系统的全解耦奇偶方程,再应用T-S模型融合非线性系统各个工作点处的线性模型的全解耦奇偶方程得到模糊奇偶方程.模糊奇偶方程产生的残差仅对一个执行器故障敏感、对一个传感器不敏感,而对其他执行器不敏感、对其他传感器敏感.将传感器和执行器故障模型表示成偏差的形式,根据残差信息可以估计出故障的模型参数.给出了应用递推最小二乘方法对各故障模型的参数进行估计的方法.给出了铁路牵引控制系统的感应电机仿真实例.结果表明,新方法能够对传感器故障和执行器故障同时存在的多故障进行诊断.     

一种闭环冗余系统可重构控制方法

提出一种闭环冗余系统在线可重构控制方法,包括控制器、控制分配和故障诊断.在故障诊断算法中,首先采用有向图方法快速确定可能的故障源.对于难以隔离的故障,提出了一种在线故障定位方法.故障定位后,通过控制分配,重新分配控制律.以航天器冗余动量轮系统的故障重构为例,说明了如何在系统级角度在线定位故障,重构系统.最后,给出了冗余动量轮卫星姿态调节过程中故障重构的仿真算例.     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

一种高精度GPS卫星钟差预报方法

为了获得实时高精度GPS钟差,提出了采用快速星历建模进行短期预报。文章先对钟差数据提取趋势项,再利用傅里叶分析研究其周期特征以确定建模与预报时间段长度,最后利用径向基函数(Radial Basis Function,RBF)神经网络建模实时预报钟差。由于RBF神经网络用于非线性数据建模效果良好,在提取线性趋势项并合理确定建模周期后,该方法能够得到较好的预报结果。实际预报结果表明,文中方法得到的预报钟差精度高于超快速星历,能够满足分米级实时精密定位的要求。     

非线性系统的结构选择及其参数的集员辨识

基于支持向量回归和RBF(Radial Basis Function)神经网络,研究了带有未知但有界噪声的非线性系统的集员辨识问题.推导了噪声界以及支持向量个数与ε-不敏感参数之间的关系,给出了利用噪声界选择ε-不敏感参数的方法.描述了通过支持向量回归选择RBF神经网络规模的方法.该方法以Gaussian核函数作为径向基函数,支持向量作为径向基函数的中心构建RBF神经网络.运用改进的OBE(Optimal Bounding Ellipsoid)算法对RBF神经网络的权值进行辨识,得到与给定输入输出数据和噪声界序列一致的一类RBF神经网络.仿真算例验证了算法的有效性.     

一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,在系统运行过程中,可以很方便地利用所建模型预测实际系统的输出范围.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

基于NUIO的无人机作动器故障检测

针对受未知气流干扰与随机噪声影响的无人机纵向系统进行作动器故障检测研究.在建立固定翼式无人机非线性系统纵向模型的基础上,设计了基于容积卡尔曼滤波(CKF)的非线性未知输入观测器(NUIO).通过构造未知输入观测器结构来解耦未知气流干扰对残差的影响,同时,CKF被算法用于求解观测器增益矩阵,实现了在未知气流干扰解耦情况下残差对随机噪声的鲁棒性.最后,利用残差χ2检验方法判断故障是否发生.仿真结果表明:此方法能有效解耦未知干扰对残差的影响,并快速、准确地检测出了无人机作动器故障.      

基于深度残差收缩网络的滚动轴承故障诊断

滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号，提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先，根据采集到的滚动轴承数据构造故障样本，针对多种故障类型下的长时间序列的振动信号，按照一定尺寸将长时间序列矩阵化，构成多故障类型的灰度图故障样本。从正常到故障的滚动轴承性能退化过程，通过多个采样点的随机采样，构造全寿命周期的故障样本用于故障诊断。其次，在多层深度学习模型基础上，将残差收缩网络模块加入到卷积神经网络(CNN)中构建深度残差收缩网络模型用于故障诊断，其中通过将残差项加入到网络中训练解决了多层网络模型的模型退化问题，利用软阈值化实现了样本降噪。最后，为了验证所提方法的有效性，采集了滚动轴承的多故障时间序列样本和全寿命周期故障样本用于故障诊断。实例验证的结果表明:所提深度残差收缩网络模型在处理含噪声样本时仍具有良好的鲁棒性，多层网络模型下没有明显的网络退化，能够保持较高的故障诊断正确率。在处理2种轴承故障数据集时，与其他模型相比，所提方法训练误差更低，平均故障诊断正确率提高1%~6%。      

抗控制饱和的鲁棒非线性飞行控制方法

飞行器在大包线范围内作机动飞行时，其舵面和发动机易达到饱和，该现象不仅会对闭环系统的稳定性造成影响，而且会大大缩短发动机等关键部件的使用寿命。针对该问题，设计了一种抗饱和非线性飞行控制方法。首先，建立飞行器的严格反馈非线性模型。然后，采用自适应反步设计思想设计得到舵控和发动机转速控制指令，由径向基函数（RBF）网络对建模误差进行逼近。针对控制饱和问题，分别设计了相应的抗饱和动态补偿系统。通过建立闭环控制系统的李雅普诺夫函数，由稳定性理论确定得到RBF网络的更新权值和抗饱和动态补偿系统的结构参数，确保所设计的闭环控制系统全局稳定。最后，仿真结果表明，在出现控制饱和时，抗饱和动态补偿系统可对控制指令进行实时修正，帮助系统较快脱离饱和状态，系统饱和时间缩短了30%~60%，同时具有较高的指令跟踪精度。