一种基于混合H_/H∞的故障检测系统优化设计方法

来源 :第27届中国控制会议 | 被引量 : 0次 | 上传用户:hnkfxwj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出一种基于H_指数和H∞风范数的线性时不变动态系统的故障检测优化设计方法。首先构造一个线性全阶输出观测器,获得包括扰动、噪声、建模误差等未知输入信号和故障信号的残差动态特性,以残差对故障的H_指数描述其对故障的灵敏度,而以残差对未知输入的H∞范数表示其对干扰的鲁棒性。然后基于线性矩阵不等式(LMI)方法,获得混合H_/H∞故障检测观测器增益存在条件以及求解方法,并给出获得其最优解的迭代算法,从而构造出一个最优的故障检测系统。该系统对故障具有高灵敏度,同时又对未知输入具有强的鲁棒性。仿真算例说明了设计方法及算法的有效性。
其他文献
以相空间投影矩阵奇异值谱为特征进行轴承故障诊断,解决了以动态系统不变量为特征的检测器需采样大量样本计算特征,从而导致故障检测延迟的不足。为了克服故障诊断应用中异常数据样本不易收集的现实问题,文章提出了一种基于SOM的轴承故障诊断方法,该方法针对不同运行状态下的样本形成不同SOM模型,依据其他样本在该模犁上的距离作为决策函数进行故障诊断。实验最后将本文建议的方法同其他基于MLP和Lyapunov指数
LPI对于局部流形结构是优化的,但其在时空上运行效率较低,使得其很难应用于大型数据集。基于LPI算法,提出了一种优化的LPI算法FLPI,其将LPI问题分解为一个图嵌入问题和一个正则最小二乘问题,避免了稠密矩阵的特征值分解,显著减少了计算复杂度。此外,在临督环境下,利用一个特别设计的图,使FIPI只需要解决正则最小二乘问题,这进一步减少了时空开销。实时数据集实验结果显示,FLPI获得了相似或优于L
本文研究一类新的可积方程Degasperis-Procesi方程的线性分布反馈控制的能稳性问题。首先利用乘了技巧得到反馈控制系统的能量的指数稳定性:然后利用Kato的半群理论得到具有分布反馈控制的闭环系统的解的局部存在性:最后利用能量估汁将局部解延拓为全局解;这些结果足充分考虑了Degasperis-Procesi方程的无穷多个守恒分律这个性质得到的。
为有效防治煤矿安全事故的发生,以整个煤矿生产系统为对象,应用系统科学的方法,对煤矿灾变系统的环境、结构、状态间的关系进行描述,以灾变发生的整体涌现特性为核心,用事故树分析、层次分析和整体建模的方法构建灾变模型,为建立计算机仿真以模拟系统动态行为建立基础。
针对一类含有马尔可夫跳变参数和时滞的广义系统的L2-L∞控制问题,提出一种基于模态跳变的无记忆状态反馈控制器的设计方法。通过反证法与线性变换技术,使得含有马尔可夫跳变参数广义系统的正则性转化为系统矩阵不等式的可解性问题,并应用矩阵分块技术来保证系统的因果性。同时利用构造的Lyapunov函数和线性矩阵不等式,证明并给出了系统容许性的充分条件,提出了L2-L∞控制设计方法,所设计的控制器使得系统满足
本文在研究了交流调速系统的控制方法的基础上,针对交流电机这种复杂的被控对象,利用神经网络实现交流调速系统的模糊控制。仿真结果表明,此种控制方法具有很强的自学习和抗干扰能力,当突然加、减负载时,神经网络模糊控制与PID控制相比,具有恢复时间短、超调和振荡小等特点。神经网络模糊控制特别适用于结构复杂、干扰大且控制精度要求高的系统。
本文研究确定性的代数Riccati方程,在仅有能稳性的假设条件下,得到一个解的比较定理,所得结果改进了以往文献的结论。
针对一类非线性MISO系统,提出一种新的提前一步预测控制算法。首先,利用基于二次多项式核函数的最小二乘支持向量机,离线建立非线性系统的模型。然后,根据预测控制机理,推导出包含未知最优输入增量和已知输入/输出量的解析方程,再通过解析方法求解。仿真结果表明了这种提前一步预测控制算法的有效性和优越性。
采用小脑模型关节控制器和PID复合控制方法调节进入高速公路的车辆数目。首先建立了高速公路交通流动态模型;然后阐述了CMAC与PID复合控制算法,结合非线性反馈理论用CMAC-PID控制器决定高速公路入口匝道调节率;最后用MATLAB软件进行系统仿真。结果表明,与模糊逻辑控制器相比较,CMAC-PID控制器有更好的动态性能、更快的响应速度,它能使高速公路丰线交通流密度保持为设定的期望密度,能实现车辆
本文研究输出变量和内部变量都带误差的Wiener系统的辨识。当系统内部噪声为iid高斯随机变量时,利用Weierstrass变换(W-变换)把系统转化为无内部噪声的Wiener系统,两系统的线性部分相同,而变换后的系统的非线性正是原Wiener系统非线性的W-变换。在合理的假设下,给出了变换后的Wiener系统的递推辨识算法,并证明了估计的强一致性。对变换后的Wiener系统的非线性应用W.逆变换