|
基于迭代学习的故障估计是指:针对重复系统在迭代运行周期中产生的故障信号,利用上一次基于迭代学习观测器输出和系统实际输出产生的残差信号, 对本次的故障信号进行跟踪估计,从而准确地估计出故障的幅值和形状。
随着工业化进程不断地加快,工业系统越来越复杂,同时人们对系统的可靠性和安全性要求越来越高,使得在过去的几十年里故障诊断与容错控制在学术领域和实际应用领域都受到了越来越多的关注。故障容错控制分为主动容错控制和被动容错控制,事实上,大多数研究更为关注主动容错控制。故障估计不同于故障诊断,它能够准确地估计出故障的幅值和形状, 从而对故障信号进行重构。因此,在很多现有的文献中,故障估计是故障容错控制的先决条件,并取得了丰富的理论研究成果。
图1 第20 次迭代的故障估计跟踪轨迹
图2不同迭代次数系统的间歇性故障估计曲线
重复系统主要指的是执行相同任务的同一个系统,在每一个周期内,其系统结构和参数保持不变,其状态向量、控制向量和输出向量具有可重复性,在现代工业和制造业中应用广泛。例如执行焊接、喷涂、装配、搬运等重复作业的机器人、数控机床、伺服控制系统、电梯控制系统等。随着计算机、电子、通信等技术飞速发展,在数字化装置广泛普及的工业背景下,众多研究表明,间歇性故障是重复系统中的一种典型故障。因此,间歇故障诊断和估计对有效避免灾难性事故发生,提高系统可靠性、可维修性和保障性,降低生产成本具有十分重要的现实意义。
图3. 不同增益矩阵参数g(k) 的变化趋势
图4.不同情况下的最大迭代误差变化趋势
本文将迭代学习算法运用到线性不确定重复系统间歇性故障估计中,利用上一次迭代观测器输出与系统实际输出误差设计故障估计器,从而解决了一类线性不确定系统故障估计问题。该算法能够准确跟踪估计系统故障的同时也能够重构故障信号的幅值和形状。
引用格式:冯莉, 柴毅, 许水清, 张可, 杨志敏. 基于迭代学习的线性不确定重复系统间歇性故障估计. 自动化学报, 2020, 46(2): 307-319.
链接:http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c170252
作者简介
冯莉 重庆交通大学交通运输学院讲师。2017年获得重庆大学自动化学院控制理论与控制工程系博士学位。主要研究方向为故障诊断与故障估计。
E-mail: fengli cqu@126.com
柴毅 重庆大学自动化学院教授。2001年获得重庆大学自动化学院控制理论与控制工程系博士学位。主要研究方向为故障诊断,信息处理, 融合与控制, 计算机网络与系统控制。本文通信作者。
E-mail: chaiyi@cqu.edu.cn
许水清 合肥工业大学电气与自动化工程学院讲师。2017年获得重庆大学控制理论与控制工程系博士学位。主要研究方向为信号处理, 故障诊断与故障估计。
E-mail: xsqanhui91@gmail.com
张可 重庆大学自动化学院教授。2010年获得重庆大学控制理论与控制工程系博士学位。主要研究方向为信号处理、多元时间序列、故障诊断与故障估计。
E-mail: smeta@163.com
杨志敏 重庆大学自动化学院博士研究生。主要研究方向为信号处理、状态监测、故障诊断。
E-mail: zmyoung@yeah.net
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2025-2-15 02:43
Powered by ScienceNet.cn
Copyright © 2007-2025 中国科学报社