引用本文

文传博, 邓露, 吴兰. 基于滑模观测器和广义观测器的故障估计方法. 自动化学报, 2018, 44(9): 1698-1705. doi: 10.16383/j.aas.2017.c160730

WEN Chuan-Bo, DENG Lu, WU Lan. Fault Estimation Approaches With Sliding Mode Observer and Descriptor Observer. ACTA AUTOMATICA SINICA, 2018, 44(9): 1698-1705. doi: 10.16383/j.aas.2017.c160730

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160730

关键词

执行器故障，传感器故障，广义观测器，滑模观测器，故障估计 

摘要

针对受未知干扰影响的一类非线性系统，提出一种基于滑模观测器和广义观测器的执行器故障和传感器故障估计方法.首先通过线性变换将原系统解耦为两个降阶的子系统，其中一个子系统受执行器故障和干扰的影响，另一个含有传感器故障和干扰，进一步将后一个子系统转化为广义系统.对两类子系统分别设计滑模观测器和广义观测器，给出估计误差一致最终有界的条件，得到系统状态和未知干扰的估计值.然后，利用等效输出控制原理重构执行器故障，引入干扰补偿保证重构算法的鲁棒性，再根据广义观测器的结果获得传感器故障的估计值.最后，通过计算机仿真验证了本文方法的有效性.

文章导读

随着科学技术的飞速发展, 控制系统变得日益复杂, 各类故障时常发生.无论执行器故障还是传感器故障都将影响系统的性能, 甚至导致系统的不稳定, 进而引发严重的安全事故.为了增加系统的可靠性, 及时做出故障诊断就显得尤为重要[1-3].相较于故障检测和隔离, 故障估计直接获得故障的幅值, 还可为进一步实现故障调节和容错控制服务.因此故障估计更具有实际意义, 但同时困难也大.故障估计的众多技术中, 基于各类观测器的估计方法受到研究人员的青睐, 取得了丰富的研究成果[4-5].

当执行器发生故障时, 文献[6]依次研究了正常系统和不确定系统的故障估计问题, 提出了相应的自适应观测器, 还通过调整参数增强了算法的鲁棒性.针对多输入多输出系统的执行器故障, 文献[7]利用降阶的卡尔曼滤波器联合估计了系统状态和故障, 并设计控制器消除故障带来的影响.在此基础上, 文献[8]进一步研究了非线性广义系统执行器故障的鲁棒估计和故障容错问题.针对一类不满足利普希茨条件的非线性不确定系统, 文献[9]通过解一组线性矩阵不等式和设计多个滑模观测器依次实现了故障检测、隔离和估计.滑模观测器同样被应用在一类线性时变系统的执行器故障估计中, 其中设计的观测器增益包含了干扰矩阵的信息, 从而保证了观测器的稳定性[10-11].

当传感器发生故障时, 通常将传感器故障转化为伪执行器故障, 再利用已有的方法实现重构[2, 12-15].例如, 文献[2]提出的两种方法均是将传感器故障转化为执行器故障, 再分别设计滑模观测器得到故障的估计值, 并论证观测器存在的充分条件.文献[12]首先设计执行器故障的滑模观测器, 而后通过系统变换, 用类似的方法解决了传感器故障的重构问题, 并将结果进一步推广到广义系统.文献[13]针对一类非线性系统, 研究了传感器故障、系统噪声和输出噪声同时存在时的故障估计问题, 得到了系统状态和传感器故障的联合估计值.通过将系统解耦为两个子系统, 文献[14]实现了一类不确定系统的故障观测器设计, 并将系统稳定性的问题转化为求解一个线性矩阵不等式问题.文献[15]设计了同时实现状态与执行器故障联合估计的未知输入观测器, 并将其应用到传感器故障诊断中.

实际应用中, 系统的故障往往并非单独发生的, 更多的是出现执行器和传感器并发故障, 还时常受未知干扰的干扰.对于这类故障, 文献[16]针对一类非线性系统设计了同时实现两类故障估计的观测器, 但未考虑外界干扰带来的影响.文献[17]对于受缓变干扰影响的系统, 给出了干扰的自适应估计方法, 在此基础上重构了干扰和传感器故障, 但该方法对故障的形式有严格的限制.文献[18]进一步研究了含有执行器故障、传感器故障且受未知干扰系统的故障重构问题, 利用滑模抵消干扰的影响, 估计了传感器故障, 但只能实现执行器故障的检测, 却无法重构.因此, 能同时估计执行器故障和传感器故障及干扰的方法, 有待进一步的研究.

本文针对一类同时存在执行器故障、传感器故障和未知干扰的非线性系统, 开展故障估计的研究.首先, 利用非奇异变换将原系统转化为两个降阶的子系统; 然后, 设计广义观测器方法估计部分状态变量及传感器故障, 同时给出干扰的自适应估计算法; 接着设计带干扰补偿的滑模观测器, 结合等效输出控制原理重构执行器故障; 最后, 用计算机仿真验证本文算法的有效性.

图 1  状态x1 的真实值与估计值

图 2  状态x2 的真实值与估计值

图 3  状态x3 的真实值与估计值

本文针对非线性系统的执行器故障和传感器故障, 提出了一种基于广义观测器和滑模观测器的估计方法.利用系统变换, 将执行器故障和传感器故障分别解耦在两个子系统中, 然后设计广义观测器和滑模观测器估计系统状态和干扰, 在此基础上, 根据等效输出控制原理重构了执行器故障, 利用广义观测器的估计结果得到了传感器故障的估计值, 并探讨了通过调整观测器增益来降低故障对系统负面影响的方法.需要指出的是, 本文所研究系统的参数要求满足一些的假设条件, 所提方法的应用范围受到了一定的限制, 接下来, 我们将研究更一般系统的故障估计问题.

作者简介

邓露

上海电机学院电气学院硕士研究生.主要研究方向为基于模型的故障诊断.E-mail:18721615736@163.com

吴兰 

河南工业大学电气工程学院教授.主要研究方向为智能故障诊断, 系统建模与控制.E-mail:richod@126.com

文传博 

上海电机学院电气学院副教授.2015年获得上海交通大学控制理论与控制工程博士学位.主要研究方向为故障诊断, 数据融合.本文通信作者.E-mail:chuanbowen@163.com