基于ASTSMO和UIO的故障估计方法

针对系统在有未知干扰情况下的故障估计问题，提出一种基于自适应Super-Twisting滑模观测器（ASTSMO）和未知输入观测器（UIO）的故障估计方法。不需要已知故障导数的上界，避免了现有自适应算法存在的滑模增益过估计问题，并且能够处理多执行器同时发生故障的情况。首先，通过非奇异变换将原系统降阶为两个子系统，其中一个子系统只受故障的影响，另一个子系统同时含有故障和不确定干扰。对两个子系统分别设计ASTSMO观测器和UIO观测器，并对误差系统有限时间内收敛的条件进行了证明，同时给出了滑模增益初始值和时变增益的设计方法。然后，基于等效控制的概念对故障进行检测和估计。最后，通过仿真算例验证了所提故障估计方法的有效性。      

不可靠测试条件下基于NSGA-Ⅱ的多目标测试优化选择

针对测试不可靠因素严重影响测试优化选择结果以及现有方法不能很好解决多目标测试优化选择等问题，提出基于第二代非支配排序遗传算法(NSGA-Ⅱ)的多目标测试优化选择的方法。首先，描述了测试不可靠条件下多目标优化选择问题的数学模型；其次，在该数学模型下，将系统给出的故障检测率和隔离率作为约束条件，将测试代价、漏检率和虚警率作为优化目标，建立了多目标优化问题；然后，提出带有精英保留策略的NSGA-Ⅱ对多目标问题进行优化选择，利用NSGA-Ⅱ能够得到一组Pareto最优解，可根据实际需求选择最优的测试组合；最后，针对某装备进行实例分析，得到3组最优解，可以满足不同需求下的最优选择，验证了所提数学模型与多目标优化算法的可行性与有效性。