CN101995821B - 一种智能分步容错控制方法 - Google Patents
一种智能分步容错控制方法 Download PDFInfo
- Publication number
- CN101995821B CN101995821B CN2010102092207A CN201010209220A CN101995821B CN 101995821 B CN101995821 B CN 101995821B CN 2010102092207 A CN2010102092207 A CN 2010102092207A CN 201010209220 A CN201010209220 A CN 201010209220A CN 101995821 B CN101995821 B CN 101995821B
- Authority
- CN
- China
- Prior art keywords
- fault
- controller
- robust
- tolerant
- tolerance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Feedback Control In General (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供的是一种智能分步容错控制方法。(1)建立故障工况鲁棒容错控制器数据库;(2)调度运行正常工况控制器;(3)循环检测判断信号是否超过阈值;(4)调度运行被动鲁棒容错控制器;(5)诊断出系统具体故障信息;(6)切换为重构容错控制器;(7)重复步骤(3)。本发明采用智能分步容错控制方法,把实时性强、性能欠佳的鲁棒被动容错控制和性能好、实时性欠佳的主动容错控制有机结合起来,充分发挥各自的优点,对系统进行智能分步容错控制,降低了对系统故障检测单元的实时处理要求和难度。与单独的被动、主动容错设计相比本发明具有结构简单,可靠性强、实时性好、通用性强等优点,完全满足工程设计的要求。
Description
技术领域
本发明涉及一种控制系统容错控制方法,特别涉及一种大型船舶航向/航迹控制系统智能容错控制的方法。
背景技术
容错控制(Fault Tolerant Control--FTC)是伴随着基于解析冗余的故障诊断技术的发展而发展起来的。最早可以追溯到1971年,以Nieder Linski提出完整性控制的新概念为标志。美国空军从70年代起就不断投入巨资支持容错控制的发展,力求开发出具有高度容错能力的战斗机,甚至在多个翼面受损时,也能够保持战斗机的生存能力。
目前,容错方法基本还是采用单一的被动容错或者主动容错方式。故障按部件类型可分为五大类:检测元件,变送器,执行器,控制器,控制过程本身。随着计算机控制和可编程微控制器的推广和普及,控制单元主要采用时间冗余,软件冗余方式容错,另外,可以对几个控制回路合备一个备份控制器,分摊到仪表的费用不大,可靠性也大为提高;至于控制过程本身特性的变化经常会遇到,设计出能适应过程参数在一定范围内变动的控制算法进行容错控制处理。现今,主要研究检测元件、变送器、执行器三类的容错控制设计。
发明内容
本发明的目的在于提供一种实时性强、控制性能好、实现难度低的智能分步容错控制方法。
本发明的目的是这样实现的:主要包括以下步骤:
(1)建立故障工况鲁棒容错控制器数据库;
(2)调度运行正常工况控制器;
(3)循环检测判断信号是否超过阈值;
(4)调度运行被动鲁棒容错控制器;
(5)诊断出系统具体故障信息;
(6)切换为重构容错控制器;
(7)重复步骤(3)。
本发明还可以包括:
1、所述建立故障工况鲁棒容错控制器数据库是,先根据各个工况选择出鲁棒容错控制器参数,再采用数据表格的方式建立故障工况数据库。
2、所述正常工况控制器为基于H2/H∞的鲁棒控制器,控制器参数为:
其中,u为控制量,K为控制反馈矩阵,x为状态变量。
3、所述循环检测判断信号是否超过阈值是,设定各个信号的故障阈值大小,采用传感器实时检测,检测信号值与故障信息表中的数据进行实时比对,如超出阈值则认为发生故障,将故障信息传送给控制调度程序。
4、所述调度运行被动鲁棒容错控制器是依据系统传感器和执行器两类主要故障的统一数学模型描述,针对该模型并同时考虑对象的不确定性,基于Lyapunov渐近稳定性理论和Riccati方程推导出的,基于状态观测器的鲁棒容错控制器。
5、所述诊断出系统具体故障信息的方法为模糊神经网络。
6、所述重构容错控制器是根据伪逆法设计的,采用的公式为:
本发明对系统的故障进行智能分步容错控制,把初期系统的故障看作系统的参数、结构摄动,采用鲁棒被动容错控制予以处理,使其状态保持稳定有界;同时,智能故障诊断单元进行故障检测、诊断,分离出故障后采用重构控制律的方法进行主动容错控制,使系统故障发生后仍保持一定的性能。
本发明的优点在于:
采用智能分步容错控制方法,把实时性强、性能欠佳的鲁棒被动容错控制和性能好、实时性欠佳的主动容错控制有机结合起来,充分发挥各自的优点,对系统进行智能分步容错控制设计,降低了对系统故障检测单元的实时处理要求和设计难度。与单独的被动、主动容错设计相比本发明具有结构简单,可靠性强、实时性好、通用性强等优点,完全 满足工程设计的要求。
附图说明
图1为智能容错控制系统流程图;
图2为大型船舶航向/航迹智能容错控制系统原理图;
图3为智能故障诊断单元结构图;
图4为智能故障诊断系统流程图;
图5为分步智能容错控制步骤表。
具体实施方式
下面结合附图举例对本发明做更详细地描述:
分步容错的控制思想,如图5的表1所示。故障发生初期,把故障的影响看作是系统的摄动,采用鲁棒控制方法进行稳定性保证。从故障发生到故障容错处理的整个过程中,始终保证系统的状态有界,避免出现状态跳变,导致系统崩溃的情况。
其中:Td为故障检测到的时刻,Ti为故障分离出的时刻;uno(x)为系统正常工作下的常规鲁棒控制器,ufd(x)为故障检测到尚未分离出之前的容错控制器,ufh(x)为故障分离后的容错控制器。
①在正常工况下,采用常规控制器uno(x)保证在模型不确定,干扰存在的条件下系统状态稳定,且满足性能指标要求;②在故障发生但尚未检测之前,采用常规控制器uno(x)保证系统稳定且状态有界;③在故障检测到但尚未分离出故障前,采用容错控制器ufd(x)使系统状态保持有界的能力,直到故障被分离出;④故障分离出以后,采用重构的容错控制器ufh(x)保证系统具有一定的指标性能。
下面结合附图1~附图4对本发明作进一步说明如下:
步骤(1)建立故障工况容错控制器数据库:
故障工况容错控制器数据库主要建立大型船舶对应工况的鲁棒被动容错控制器。
鲁棒被动容错控制器的方法,采用基于Lyapunov渐近稳定性理论和Riccati方程的鲁棒容错控制器设计方法。
①首先,将系统整理为下式形式:
式(2)中:x(t)∈Rn为控制系统的状态向量,u(t)∈Rm为系统控制输入向量,y(t)∈Rq为控制系统测量输出向量。A、B和C是描述标称等效名义系统模型的已知实常数矩阵,ΔA、ΔB和ΔC为反映控制系统中模型参数不确定性以及故障初期等效不确定性项的未知实矩阵。
②接下来,设计观测器采用下式:
其中z∈Rn是观测器的状态向量,L和K分别是n×q维的观测器增益矩阵和m×n维的反馈增益矩阵。
得到闭环系统关于状态和误差的动态状态方程:
③然后,计算鲁棒被动容错控制器参数:
找出正定加权矩阵R1、R2、Q1和Q2,假定存在常数ε1,ε2>0,使得(5)、(6)、(7)式成立。
存在一个对称正定解Pc:
(5)
存在一个对称正定解Po:
(6)
满足不等式:
(7)
可以得到反馈控制增益矩阵和观测器增益矩阵分别为:
④最后,建立故障工况容错控制器数据库:
采用以上设计方法分别对应各个工况设计出鲁棒容错控制器,以数据表格的形式存储,最终建立起整个数据库供以供对应工况切换调度。
步骤(2)调度运行正常工况控制器;
调度运行正常工况控制器,其控制器形式为H2/H∞鲁棒控制器;为状态反馈的形式控制器。经转化后采用线性矩阵不等式方法求解。
①首先,整理为下面式子的形式:
其中:x(k)∈Rn是系统的状态向量,u(k)∈Rm是控制输入,w(k)∈Rp是外部扰动输入,z2(k)∈Rr、z∞(k)∈Rq是被调输出,A、B1、B2、C0、C1、D0和D1是描述名义系统模型的已知实常数矩阵,ΔA和ΔB1是反映系统模型中参数不确定性的未知实矩阵,且其是范数有界的,且具有以下形式:
[ΔA ΔB1]=HF[E1 E2] (10)
上式中的F∈Ri×j是一个满足FTF≤I。
②转换为线性矩阵不等式问题,采用下式:
常数γ>0,α>0,β>0;X和V为对称正定矩阵。H、E1和E2是已知的常数矩阵,反映了不确定参数的结构信息。
③线性矩阵不等式约束和线性目标函数的凸优化问题,可以应用MATLAB7.0软件的LMI工具箱中的函数mincx来求解该问题。
该型大型船舶采用下面控制律:
步骤(3)循环检测判断信号是否超过阈值;
根据具体信号的幅值大小,结合故障案例的经验,设定各个信号的故障阈值大小,采用传感器实时检测,检测信号值与故障信息表中的数据进行实时比对,如超出阈值则认为发生故障,将故障信息传送给控制调度程序。
步骤(4)调度运行被动鲁棒容错控制器;
根据检测出的工况,查询步骤(1)所建立的故障工况容错控制器数据库,针对具体工况调度相应的控制器,保证系统状态有界,为故障诊断单元诊断出系统具体的故障信息,赢取到宝贵的处理时间。
步骤(5)诊断出系统具体故障信息;
故障信息采用智能方法进行诊断,即采用模糊神经网络。如附图2、3,FNN智能故障诊断单元采集大型船舶航向/航迹控制系统各个关键点的传感器输出,作为智能故障诊断单元的输入信号,经离线训练好的FNN智能故障诊断网络,实时的检测、分离、隔离出当前故障信息。FNN智能故障诊断网络的工作软件流程图如附图3所示。
采用工控机离线训练好FNN智能故障诊断网络以后,把各个节点的连接权值和阈值,输入到FNN智能故障诊断处理器的程序参数区,进行实时的故障检测、诊断、分离工作,为容错控制智能决策单元提供故障数据信息。(FNN智能故障诊断处理器芯片建议采用TI公司的TMS320F67xx系列DSP浮点运算处理芯片,其运算速度快,开发资料全,有相关开发箱可方便子系统单元的调试,缩短产品开发周期)
步骤(6)切换为重构容错控制器;
①首先,采取求解一个伪逆矩阵来重新分配控制量。方法如下,针对已知的u0,M0,Mf求得uf,使得故障前后的关键输出z基本不变,即:
Mfuf≈M0u0 (13)
其中:u0为正常工况控制量,uf为故障工况下控制量,M0为正常工况下控制阵,Mf为故障工况下控制阵。
由矩阵理论的有关定理可知,若 则上式两边在||·||2意义下最接近,所以
②然后,将求解的控制混合器增益阵加在控制律和执行器之间,构成了重构容错控制器。利用该方法进一步提升系统的容错性能。
步骤(7)中,是从步骤(3)开始进行再次运算,使船舶故障发生后仍保持一定的性能的目的。
Claims (4)
1.一种智能分步容错控制方法,其特征是:
(1)建立故障工况鲁棒容错控制器数据库;
(2)调度运行正常工况控制器;
(3)循环检测判断信号是否超过阈值;具体方法为:设定各个信号的故障阈值大小,采用传感器实时检测,检测信号值与故障信息表中的数据进行实时比对,如超出阈值则认为发生故障,将故障信息传送给控制调度程序,执行(3-1)至(3-3),
(3-1)调度运行被动鲁棒容错控制器;所述调度运行被动鲁棒容错控制器是依据系统传感器和执行器两类主要故障的统一数学模型描述,针对所述模型并同时考虑对象的不确定性,基于Lyapunov渐近稳定性理论和Riccati方程推导出的,基于状态观测器的鲁棒容错控制器;
(3-2)诊断出系统具体故障信息;
(3-3)切换为重构容错控制器;所述重构容错控制器是根据伪逆法设计的,采用的公式为:
(4)重复步骤(3)。
2.根据权利要求1所述的一种智能分步容错控制方法,其特征是:所述建立故障工况鲁棒容错控制器数据库是,先根据各个工况选择出鲁棒容错控制器参数,再采用数据表格的方式建立故障工况数据库。
3.根据权利要求2所述的一种智能分步容错控制方法,其特征是:所述正常工况控制器设计方法为基于H2/H∞的鲁棒控制器。
4.根据权利要求3所述的一种智能分步容错控制方法,其特征是:所述诊断出系统具体故障信息的方法为模糊神经网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102092207A CN101995821B (zh) | 2010-06-25 | 2010-06-25 | 一种智能分步容错控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102092207A CN101995821B (zh) | 2010-06-25 | 2010-06-25 | 一种智能分步容错控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101995821A CN101995821A (zh) | 2011-03-30 |
CN101995821B true CN101995821B (zh) | 2012-06-06 |
Family
ID=43786089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102092207A Expired - Fee Related CN101995821B (zh) | 2010-06-25 | 2010-06-25 | 一种智能分步容错控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101995821B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102681442B (zh) * | 2012-05-28 | 2014-08-20 | 上海海事大学 | 一种全电船区域配电智能容错控制系统及控制方法 |
CN102707716B (zh) * | 2012-06-28 | 2014-07-23 | 南京理工大学常熟研究院有限公司 | 一种传感器广义容错控制方法 |
CN103135553B (zh) * | 2013-01-21 | 2015-06-17 | 南京航空航天大学 | 四旋翼飞行器容错控制方法 |
CN105974796A (zh) * | 2016-06-16 | 2016-09-28 | 航天恒星科技有限公司 | 一种多驱动网络设备的故障诊断与容错控制方法 |
CN105988368B (zh) * | 2016-07-27 | 2019-05-07 | 江南大学 | 一种具有时变时延的网络化控制系统的容错控制方法 |
CN107153414B (zh) * | 2017-07-17 | 2018-03-27 | 北京航空航天大学 | 一种基于动静混合策略的故障检测与重构系统及方法 |
CN108803316B (zh) * | 2018-03-09 | 2020-12-15 | 南京航空航天大学 | 针对多智能体系统执行器故障的主动容错控制方法 |
CN109835372A (zh) * | 2019-02-03 | 2019-06-04 | 湖南工业大学 | 一种铁路运输列车稳定性的主动容错控制方法 |
CN109981339B (zh) * | 2019-02-14 | 2021-03-30 | 电子科技大学 | 一种网联汽车控制系统的故障容错控制方法 |
CN111752262B (zh) * | 2020-07-16 | 2021-06-01 | 江苏安全技术职业学院 | 一种执行器故障观测器与容错控制器集成设计方法 |
CN112192573A (zh) * | 2020-10-14 | 2021-01-08 | 南京邮电大学 | 基于反演法的不确定性机器人自适应神经网络控制方法 |
CN113562066B (zh) * | 2021-07-20 | 2022-09-09 | 浙江万安科技股份有限公司 | 一种线控转向系统及故障诊断方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5285381A (en) * | 1992-09-09 | 1994-02-08 | Vanderbilt University | Multiple control-point control system and method of use |
CN101241369A (zh) * | 2008-02-28 | 2008-08-13 | 大连海事大学 | 飞行控制系统中执行器卡死故障的一种实时检测方法 |
CN101436058A (zh) * | 2008-12-16 | 2009-05-20 | 电子科技大学 | 并联/混联机床传感器输入故障的容错纠错方法及其控制装置 |
-
2010
- 2010-06-25 CN CN2010102092207A patent/CN101995821B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5285381A (en) * | 1992-09-09 | 1994-02-08 | Vanderbilt University | Multiple control-point control system and method of use |
CN101241369A (zh) * | 2008-02-28 | 2008-08-13 | 大连海事大学 | 飞行控制系统中执行器卡死故障的一种实时检测方法 |
CN101436058A (zh) * | 2008-12-16 | 2009-05-20 | 电子科技大学 | 并联/混联机床传感器输入故障的容错纠错方法及其控制装置 |
Non-Patent Citations (1)
Title |
---|
李高云等.船舶航向/横摇鲁棒容错控制研究.《大连海事大学学报》.2009,第35卷(第4期),4-8. * |
Also Published As
Publication number | Publication date |
---|---|
CN101995821A (zh) | 2011-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101995821B (zh) | 一种智能分步容错控制方法 | |
Yu et al. | A radically data-driven method for fault detection and diagnosis in wind turbines | |
Yu et al. | A survey of fault-tolerant controllers based on safety-related issues | |
Jiang | Fault-tolerant control systems-an introductory overview | |
CN102637019B (zh) | 一种工业生产过程智能集成故障诊断方法及装置 | |
CN103296677B (zh) | 一种在线大电网恢复辅助决策系统 | |
CN110766143A (zh) | 基于人工神经网络的设备故障智能诊断方法 | |
WO2023227071A1 (zh) | 一种多模型融合的航空电子产品健康评估方法 | |
CN103217974A (zh) | 一种基于综合电子平台的航天器自主健康管理体系结构 | |
CN114564000B (zh) | 基于智能飞行器执行器故障诊断的主动容错方法及系统 | |
CN109795713B (zh) | 基于Simulink模型的副翼作动器故障诊断方法 | |
Zarafshan et al. | Notice of Retraction: A novel weighted voting algorithm based on neural networks for fault-tolerant systems | |
CN103296678B (zh) | 一种在线大电网恢复辅助决策方法 | |
Voropai et al. | A suite of intelligent tools for early detection and prevention of blackouts in power interconnections | |
BOYD et al. | An approach to solving large reliability models | |
Guan et al. | Enhancing security and resilience of bulk power systems via multisource big data learning | |
Yin et al. | Robust H-infinity fault tolerant control for a class of nonlinear networked control systems based on TS fuzzy model | |
Li et al. | High Reliability Simulation and Application Design of CPCI Real-time Measurement and Control System for Weapon Equipment | |
Zakharov et al. | Network redundant dcs configuration management | |
Su et al. | Reliability and safety analysis on railway signal regional computer interlocking system | |
Yiping et al. | Dynamic fault tree analysis for digital fly-by-wire flight control system | |
Cepin | Method for assessing reliability of a network considering probabilistic safety assessment | |
Liu et al. | Research on Fault Prediction and Health Management Technology Based on Machine Learning | |
Ma et al. | Emergency frequency control strategy using demand response based on deep reinforcement learning | |
Hao et al. | Reliability analysis of the automatic control system of reactor power in nuclear power plant based on DFM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120606 Termination date: 20180625 |