CN104950876A - 基于故障敏感性约束的航天器弱小故障检测方法 - Google Patents
基于故障敏感性约束的航天器弱小故障检测方法 Download PDFInfo
- Publication number
- CN104950876A CN104950876A CN201510329953.7A CN201510329953A CN104950876A CN 104950876 A CN104950876 A CN 104950876A CN 201510329953 A CN201510329953 A CN 201510329953A CN 104950876 A CN104950876 A CN 104950876A
- Authority
- CN
- China
- Prior art keywords
- overbar
- fault
- matrix
- observer
- formula
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种基于故障敏感性约束的航天器弱小故障检测方法,用于解决现有故障检测方法对航天器弱小故障检测效果差的技术问题。技术方案是首先对原系统进行等价变换,其次设计故障检测观测器,再生成残差,最后,设计基于H_与区域极点配置的观测器增益矩阵。由于等价变换后其中一个子系统不受模型不确定性和未知输入的影响,故采用该子系统进行故障检测观测器设计,可以提高系统对模型不确定性和未知输入的鲁棒性,另外,在进行观测器增益矩阵设计时,考虑区域极点配置,把观测器的极点配置在理想的稳定区域,以提高故障检测的灵敏度。应用本发明方法可以对航天器的弱小故障进行快速、准确的检测,提高了航天器弱小故障检测的效果。
Description
技术领域
本发明涉及一种航天器弱小故障检测方法,特别是涉及一种基于故障敏感性约束的航天器弱小故障检测方法。
背景技术
文献“基于LMI的H_/H∞故障检测观测器设计,宇航学报,2012,Vol33(12)”公开了一种针对系统存在模型的不确定性及未知输入扰动,为提高对干扰鲁棒性、待检故障敏感性及降低设计的保守性,提出了一种H_/H∞故障检测观测器设计方法,通过无损S-procedure将非凸约束问题转化为线性矩阵不等式(LMI)约束,采用Schur补引理将H_/H∞故障检测观测器设计转化为凸优化问题的LMI表述;设计了自适应门限以减小故障检测过程中的误报、漏报率。故障检测观测器的设计是借助凸优化问题的数值计算,使设计过程便于实现。提出的算法使未知扰动的鲁棒性及待检故障的敏感性之间具有最优平衡。但是该方法在设计时没有考虑故障敏感性约束问题,即观测器增益矩阵的区域极点配置问题,对于弱小故障检测,故障敏感性约束是非常重要的。另外,该方法是针对全维系统进行观测器设计,对于模型不确定性及未知输入扰动不能完全消除,只能通过H∞性能进行鲁棒抑制。对于弱小故障检测及扰动抑制,不能得到满意的效果。
发明内容
为了克服现有故障检测方法对航天器弱小故障检测效果差的不足,本发明提供一种基于故障敏感性约束的航天器弱小故障检测方法。该方法首先对原系统进行等价变换,其次设计故障检测观测器,再生成残差,最后,设计基于H_与区域极点配置的观测器增益矩阵。由于等价变换后其中一个子系统不受模型不确定性和未知输入的影响,故采用该子系统进行故障检测观测器设计,可以提高系统对模型不确定性和未知输入的鲁棒性,另外,在进行观测器增益矩阵设计时,考虑区域极点配置,把观测器的极点配置在理想的稳定区域,即在复平面的左半平面以直线、圆锥和半圆组成的区域,以提高故障检测的灵敏度。应用本发明方法可以对航天器的弱小故障进行快速、准确的检测,提高了航天器弱小故障检测的效果。
本发明解决其技术问题所采用的技术方案是:一种基于故障敏感性约束的航天器弱小故障检测方法,其特点是采用以下步骤:
步骤一、首先对原系统进行等价变换。
等价变换时考虑如下的线性时不变系统,包含故障和模型不确定性和未知输入:
其中,x(t)∈Rn是状态向量,n为系统阶数,y(t)∈Rp是测量输出向量,p是系统输出维数,w(t)∈Rl代表模型不确定性和未知输入等未知扰动,l是未知扰动维数,f(t)∈Rq代表待检测的故障,q为待检测故障维数。故障向量f(t)是系统部件故障、执行器故障或者传感器故障。矩阵A,Bf,Bw,C,Df是具有适当维数的已知实常数矩阵。
对于式(1),则存在两个转换矩阵T、U,令:
则系统能够相应的转换成下面的形式:
其中,
则子系统描述为:
步骤二、为了产生残差,假设是可检测的,其中分别是子式(1)的状态矩阵和观测矩阵,设计如下形式的降维鲁棒故障检测观测器,如式(2)所示。
其中,是的估计值,是的估计值, 矩阵L∈R(n-l)×(p-l)是观测器的增益矩阵,根据LMI优化技术进行设计,设计的矩阵L不仅要保证是稳定的,并且使故障检测的敏感性最大化。
步骤三、定义根据式(3)和式(4),估计误差的动态方程能够转化为下面的形式:
其中,式(5)给出了故障向量f(t)与输出观测误差之间的关系。经过有限时间的状态转移,鲁棒故障检测观测器仅仅对故障向量f(t)敏感。当f(t)=0,如果是Hurwitz的,则将指数趋近与零。因此,对于给定的式(1),状态向量的估计值为:
其中,
残差信号由下式产生:
其中,r是残差信号,V∈R(p-l)×(p-l)是需要设计的残差权重矩阵。
在频率域,残差信号定义为:
r(s)=Trf(s)f(s) (8)
其中,
残差信号的动态特性仅仅依赖于故障f(t),因此,故障检测问题转换成寻求增加残差对故障的敏感性和对未知输入的不敏感性。上述问题转换成设计观测器增益矩阵L和残差信号的权重矩阵V满足下述两个目标要求:使||Trf(s)||得H-指数最大化和残差误差的动态方程的极点配置在稳定的LMI区域。
步骤四、基于H_与区域极点配置的观测器增益矩阵设计。
求解观测器增益矩阵和残差权重矩阵,在约束下的maxβ问题。其中β>0。β越大,观测器具有更大的灵敏度和更好的故障检测性能。
定理1:对于给定的式(3)、式(4)、式(5)和式(7),是渐进稳定的,并且满足β最大化,当且仅当存在对称正定矩阵Pf>0和矩阵Ff,V满足下面的不等式。
其中,
通过LMI优化问题计算观测器的增益矩阵。
定理2:由式(4)描述的故障检测观测器的动态方程的所有特征值都位于直线α的左边,其中α≥0,当且仅当存在一对陈正定矩阵和矩阵Ff满足下面的LMI。
则观测器增益矩阵
定理3:由式(4)描述的故障检测观测器的动态方程的所有特征值都位于半径为r,中心在原点的区域时,当且仅当存在对陈正定矩阵和矩阵Ff满足下面的LMI。
则观测器增益矩阵
定理4:由式(4)描述的故障检测观测器的动态方程的所有特征值都位于中心在原点,顶角为2θ的圆锥区域时,当且仅当存在对陈正定矩阵和矩阵Ff满足下面的LMI。
则观测器增益矩阵
本发明的有益效果是:该方法首先对原系统进行等价变换,其次设计故障检测观测器,再生成残差,最后,设计基于H_与区域极点配置的观测器增益矩阵。由于等价变换后其中一个子系统不受模型不确定性和未知输入的影响,故采用该子系统进行故障检测观测器设计,可以提高系统对模型不确定性和未知输入的鲁棒性,另外,在进行观测器增益矩阵设计时,考虑区域极点配置,把观测器的极点配置在理想的稳定区域,即在复平面的左半平面以直线、圆锥和半圆组成的区域,以提高故障检测的灵敏度。应用本发明方法可以对航天器的弱小故障进行快速、准确的检测,提高了航天器弱小故障检测的效果。
下面结合附图和具体实施方式对本发明作详细说明。
附图说明
图1是本发明方法中区域极点配置示意图。
图2是本发明方法中故障检测残差幅值图,极点配置区域为:L(0,5,40)、L(0,5,60)和L(0,5,90)。
图3是本发明方法中故障检测残差幅值图,极点配置区域为:L(0.1,5,90)、L(0.2,5,90)和L(0.2,5,60)。
图4是背景技术方法中故障检测残差幅值图。
图5是本发明方法与背景技术方法对弱小故障检测的残差幅值对比图。
具体实施方式
参照图1-5。本发明基于故障敏感性约束的航天器弱小故障检测方法具体步骤如下:
1、首先对原系统进行等价变换。
等价变换时考虑如下的线性时不变系统,包含故障和模型不确定性、未知输入等未知扰动:
其中,x(t)∈Rn是状态向量,n为系统阶数,y(t)∈Rp是测量输出向量,p是系统输出维数,w(t)∈Rl代表模型不确定性、未知输入等未知扰动,l是未知扰动维数,f(t)∈Rq代表待检测的故障,q为待检测故障维数。故障向量f(t)可以是系统部件故障、执行器故障或者传感器故障。矩阵A,Bf,Bw,C,Df是具有适当维数的已知实常数矩阵。
对于系统(1),则存在两个转换矩阵T、U,令:
则系统能够相应的转换成下面的形式:
其中,
则子系统可以描述为:
2、故障检测观测器设计。
一个典型的故障检测观测器系统包含残差产生和残差评价过程。为了产生残差,假设是可检测的,其中分别是子系统1的状态矩阵和观测矩阵,设计如下形式的降维鲁棒故障检测观测器,如式(2)所示。
其中,是的估计值,是的估计值,矩阵L∈R(n-l)×(p-l)是观测器的增益矩阵,根据LMI优化技术进行设计,设计的矩阵L不仅要保证是稳定的,并且使故障检测的敏感性最大化。
3、残差生成。
定义根据式(3)和(4),估计误差的动态方程能够转化为下面的形式:
其中,式(5)给出了故障向量f(t)与输出观测误差之间的关系。经过有限时间的状态转移,鲁棒故障检测观测器仅仅对故障向量f(t)敏感。当f(t)=0,如果是Hurwitz的,则将指数趋近与零。因此,对于给定的系统(1),状态向量的估计值为:
其中,
残差信号由下式产生:
其中,r是残差信号,V∈R(p-l)×(p-l)是需要设计的残差权重矩阵。
在频率域,残差信号定义为:
r(s)=Trf(s)f(s) (8)
其中,
残差信号的动态特性仅仅依赖于故障f(t),因此,故障检测问题转换成寻求增加残差对故障的敏感性和对未知输入的不敏感性。上述问题转换成设计观测器增益矩阵L和残差信号的权重矩阵V满足下述两个目标要求:使||Trf(s)||得H-指数最大化和残差误差的动态方程的极点配置在稳定的LMI区域。
4、基于H_与区域极点配置的观测器增益矩阵设计。
在这一部分,在H-性能指数和鲁棒区域极点配置约束下,通过求解LMI,给出故障检测观测器的增益矩阵和残差权重矩阵的设计方法,以满足残差对故障的最优敏感性约束。
下面的目标是求解观测器增益矩阵和残差权重矩阵,在约束下的maxβ问题。其中β>0。β越大,观测器具有更大的灵敏度和更好的故障检测性能。
定理1:对于给定的降维系统(3)和观测器(4),动态误差估计方程(5)和残差方程(7),是渐进稳定的,并且满足β最大化,当且仅当存在对称正定矩阵Pf>0和矩阵Ff,V满足下面的不等式。
其中,
通过LMI优化问题计算观测器的增益矩阵,可以灵活的增加区域极点配置约束。观测器的极点配置目标在复平面以线性不等式形式给出。LMI区域包括圆形、椭圆、线条、抛物线和双曲线等。
定理2:由式(4)描述的故障检测观测器的动态方程的所有特征值都位于直线α的左边,其中α≥0,当且仅当存在一对陈正定矩阵和矩阵Ff满足下面的LMI。
则观测器增益矩阵
定理3:由式(4)描述的故障检测观测器的动态方程的所有特征值都位于半径为r,中心在原点的区域时,当且仅当存在对陈正定矩阵和矩阵Ff满足下面的LMI。
则观测器增益矩阵
定理4:由式(4)描述的故障检测观测器的动态方程的所有特征值都位于中心在原点,顶角为2θ的圆锥区域时,当且仅当存在对陈正定矩阵和矩阵Ff满足下面的LMI。
则观测器增益矩阵
下面通过具体仿真实例说明本方法的有效性。首先给出系统系数矩阵,如下所示:
系统的转换矩阵:
下面是根据上述方法和系数矩阵给出的设计结果。
表1基于故障敏感性约束的观测器增益矩阵设计结果
下面是没有考虑区域极点配置情况下得到的观测器增益矩阵:
LPP=[-17.9330,-6.4198,8.6781]T。
由上表可以明显看出,当把极点配置在LP(0,5,40)时,βopt的最优值为0.0085;当把极点配置在LP(0,5,60)时,βopt的最优值为0.0573;当把极点配置在LP(0,5,90)时,βopt的最优值为2。从而可以说明,当选择α=0,r=5,θ=90时,设计结果最优。
图2中点画线代表约束条件为LP(0,5,40),虚线代表约束条件为LP(0,5,60),实线代表约束条件为LP(0,5,90)。横坐标为时间,纵坐标为残差幅值大小。从图2中可以看出,实线能够快速的检测出系统故障,且稳定性强。点画线和虚线虽然残差的幅值高于实线,但是故障检测的快速性不如实线,且稳定性较差。对于其他仿真情况可以说明同样的问题。
图3是极点配置在LP(0.1,5,90)、LP(0.2,5,90)与LP(0.2,5,60)的仿真结果。实线代表约束条件为LP(0.1,5,90)、点画线线代表约束条件为LP(0.2,5,90),虚线代表约束条件为LP(0.2,5,60)。坐标同上所述。从图3中可以看出,实线能够快速的检测出系统故障,且稳定性强。点画线和虚线的残差的幅值低于实线,故障检测的快速性不如实线,且稳定性较差。
从图4可以看出,所得到的结果明显比图2、图3的结果差,故障的残差幅值很小,稳定性较差。
图5中实线为本发明方法的残差幅值图,虚线为背景技术方法的残差幅值图。从图5中可以看出,虚线的残差幅值非常小,实线的残差幅值也比较小,但是实线的残差幅值是虚线幅值的十倍左右,因此利用该方法能够进行弱小故障的检测。同样说明了该方法的优越性,同时说明,对于一般意义下的故障检测,针对弱小故障检测显得无能为力,同时证明了本方法对于弱小故障检测的有效性。
Claims (1)
1.一种基于故障敏感性约束的航天器弱小故障检测方法,其特征在于包括以下步骤:
步骤一、首先对原系统进行等价变换;
等价变换时考虑如下的线性时不变系统,包含故障和模型不确定性和未知输入:
y(t)=Cx(t)+Dff(t)
其中,x(t)∈Rn是状态向量,n为系统阶数,y(t)∈Rp是测量输出向量,p是系统输出维数,w(t)∈Rl代表模型不确定性和未知输入等未知扰动,l是未知扰动维数,f(t)∈Rq代表待检测的故障,q为待检测故障维数;故障向量f(t)是系统部件故障、执行器故障或者传感器故障;矩阵A,Bf,Bw,C,Df是具有适当维数的已知实常数矩阵;
对于式(1),则存在两个转换矩阵T、U,令:
则系统能够相应的转换成下面的形式:
其中,
则子系统描述为:
步骤二、为了产生残差,假设是可检测的,其中分别是子式(1)的状态矩阵和观测矩阵,设计如下形式的降维鲁棒故障检测观测器,如式(2)所示;
其中, 是的估计值, 是的估计值, 矩阵L∈R(n-l)×(p-l)是观测器的增益矩阵,根据LMI优化技术进行设计,设计的矩阵L不仅要保证是稳定的,并且使故障检测的敏感性最大化;
步骤三、定义 根据式(3)和式(4),估计误差的动态方程能够转化为下面的形式:
其中,式(5)给出了故障向量f(t)与输出观测误差之间的关系;经过有限时间的状态转移,鲁棒故障检测观测器仅仅对故障向量f(t)敏感;当f(t)=0,如果是Hurwitz的,则将指数趋近与零;因此,对于给定的式(1),状态向量的估计值为:
其中,
残差信号由下式产生:
其中,r是残差信号,V∈R(p-l)×(p-l)是需要设计的残差权重矩阵;
在频率域,残差信号定义为:
r(s)=Trf(s)f(s) (8)
其中,
残差信号的动态特性仅仅依赖于故障f(t),因此,故障检测问题转换成寻求增加残差对故障的敏感性和对未知输入的不敏感性;上述问题转换成设计观测器增益矩阵L和残差信号的权重矩阵V满足下述两个目标要求:使||Trf(s)||得H-指数最大化和残差误差的动态方程的极点配置在稳定的LMI区域;
步骤四、基于H-与区域极点配置的观测器增益矩阵设计;
求解观测器增益矩阵和残差权重矩阵,在约束下的maxβ问题;其中β>0;β越大,观测器具有更大的灵敏度和更好的故障检测性能;
定理1:对于给定的式(3)、式(4)、式(5)和式(7),是渐进稳定的,并且满足β最大化,当且仅当存在对称正定矩阵Pf>0和矩阵Ff,V满足下面的不等式;
其中,W=VTV,
通过LMI优化问题计算观测器的增益矩阵;
定理2:由式(4)描述的故障检测观测器的动态方程的所有特征值都位于直线α的左边,其中α≥0,当且仅当存在一对陈正定矩阵和矩阵Ff满足下面的LMI;
则观测器增益矩阵
定理3:由式(4)描述的故障检测观测器的动态方程的所有特征值都位于半径为r,中心在原点的区域时,当且仅当存在对陈正定矩阵和矩阵Ff满足下面的LMI;
则观测器增益矩阵
定理4:由式(4)描述的故障检测观测器的动态方程的所有特征值都位于中心在原点,顶角为2θ的圆锥区域时,当且仅当存在对陈正定矩阵和矩阵Ff满足下面的LMI;
则观测器增益矩阵
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510329953.7A CN104950876A (zh) | 2015-06-15 | 2015-06-15 | 基于故障敏感性约束的航天器弱小故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510329953.7A CN104950876A (zh) | 2015-06-15 | 2015-06-15 | 基于故障敏感性约束的航天器弱小故障检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104950876A true CN104950876A (zh) | 2015-09-30 |
Family
ID=54165595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510329953.7A Pending CN104950876A (zh) | 2015-06-15 | 2015-06-15 | 基于故障敏感性约束的航天器弱小故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104950876A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105204499A (zh) * | 2015-10-09 | 2015-12-30 | 南京航空航天大学 | 基于未知输入观测器的直升机协同编队故障诊断方法 |
CN106873568A (zh) * | 2015-12-11 | 2017-06-20 | 中国航空工业第六八研究所 | 基于h无穷鲁棒未知输入观测器的传感器故障诊断方法 |
CN111026087A (zh) * | 2019-12-20 | 2020-04-17 | 中国船舶重工集团公司第七一九研究所 | 基于数据的含权重非线性工业系统故障检测方法及装置 |
WO2020118512A1 (zh) * | 2018-12-11 | 2020-06-18 | 大连理工大学 | 一种基于lft的航空发动机传感器及执行机构故障诊断方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020193920A1 (en) * | 2001-03-30 | 2002-12-19 | Miller Robert H. | Method and system for detecting a failure or performance degradation in a dynamic system such as a flight vehicle |
CN102436179A (zh) * | 2011-11-25 | 2012-05-02 | 中国电力科学研究院 | 一种线性不确定性系统鲁棒故障检测滤波器设计方法 |
CN102436180A (zh) * | 2011-11-25 | 2012-05-02 | 中国电力科学研究院 | 一种鲁棒故障检测滤波器设计方法 |
CN103729570A (zh) * | 2014-01-21 | 2014-04-16 | 山东大学 | 基于矩阵摄动理论的电力系统振荡模式的匹配方法 |
CN103941725A (zh) * | 2014-04-24 | 2014-07-23 | 淮海工学院 | 一种非线性网络控制系统的故障诊断方法 |
-
2015
- 2015-06-15 CN CN201510329953.7A patent/CN104950876A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020193920A1 (en) * | 2001-03-30 | 2002-12-19 | Miller Robert H. | Method and system for detecting a failure or performance degradation in a dynamic system such as a flight vehicle |
CN102436179A (zh) * | 2011-11-25 | 2012-05-02 | 中国电力科学研究院 | 一种线性不确定性系统鲁棒故障检测滤波器设计方法 |
CN102436180A (zh) * | 2011-11-25 | 2012-05-02 | 中国电力科学研究院 | 一种鲁棒故障检测滤波器设计方法 |
CN103729570A (zh) * | 2014-01-21 | 2014-04-16 | 山东大学 | 基于矩阵摄动理论的电力系统振荡模式的匹配方法 |
CN103941725A (zh) * | 2014-04-24 | 2014-07-23 | 淮海工学院 | 一种非线性网络控制系统的故障诊断方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105204499A (zh) * | 2015-10-09 | 2015-12-30 | 南京航空航天大学 | 基于未知输入观测器的直升机协同编队故障诊断方法 |
CN105204499B (zh) * | 2015-10-09 | 2018-01-02 | 南京航空航天大学 | 基于未知输入观测器的直升机协同编队故障诊断方法 |
CN106873568A (zh) * | 2015-12-11 | 2017-06-20 | 中国航空工业第六八研究所 | 基于h无穷鲁棒未知输入观测器的传感器故障诊断方法 |
CN106873568B (zh) * | 2015-12-11 | 2019-05-10 | 中国航空工业第六一八研究所 | 基于h无穷鲁棒未知输入观测器的传感器故障诊断方法 |
WO2020118512A1 (zh) * | 2018-12-11 | 2020-06-18 | 大连理工大学 | 一种基于lft的航空发动机传感器及执行机构故障诊断方法 |
US11203446B2 (en) | 2018-12-11 | 2021-12-21 | Dalian University Of Technology | Method for fault diagnosis of aero-engine sensor and actuator based on LFT |
CN111026087A (zh) * | 2019-12-20 | 2020-04-17 | 中国船舶重工集团公司第七一九研究所 | 基于数据的含权重非线性工业系统故障检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Fault detection in finite frequency domain for Takagi-Sugeno fuzzy systems with sensor faults | |
CN104950876A (zh) | 基于故障敏感性约束的航天器弱小故障检测方法 | |
Li et al. | Fault detection for T–S fuzzy systems with unknown membership functions | |
CN108427401B (zh) | 一种具有联合连通拓扑的飞行控制系统协同故障诊断方法 | |
Panagi et al. | Distributed fault accommodation for a class of interconnected nonlinear systems with partial communication | |
Wang et al. | H-/L∞ fault detection observer design for linear parameter-varying systems | |
CN103529830B (zh) | 一种基于有限频域飞行控制系统渐变故障的诊断设计方法 | |
Yang et al. | Sliding-mode observers for nonlinear systems with unknown inputs and measurement noise | |
CN110377921A (zh) | 一种基于中心对称多胞体的故障检测阈值计算方法 | |
CN106130563A (zh) | 一种基于压缩感知信号的阈值收缩迭代差分重构方法 | |
CN104267716A (zh) | 一种基于多智能体技术的分布式飞行控制系统故障诊断设计方法 | |
Yao et al. | Fault diagnosis and minimum entropy fault tolerant control for non-Gaussian singular stochastic distribution systems using square-root approximation | |
Zhen-Hua et al. | Sensor fault estimation filter design for discrete-time linear time-varying systems | |
Zhou et al. | Robust fault detection and isolation based on finite-frequency H-/H∞ unknown input observers and zonotopic threshold analysis | |
CN104634603A (zh) | 一种复杂设备早期故障诊断方法 | |
CN104503428B (zh) | 一种民机飞控系统抗干扰时变故障诊断方法 | |
CN104459695A (zh) | 基于压缩相位恢复的稀疏微波成像方法 | |
Yao et al. | Nonlinear reduced-order observer-based predictive control for diving of an autonomous underwater vehicle | |
Karami-Mollaee et al. | Adaptive fuzzy fault tolerant control using dynamic sliding mode | |
Wu et al. | Robust ℋ︁∞ filtering for uncertain differential linear repetitive processes | |
Sriyananda et al. | Voting Techniques for Fault diagnosis from frequency-domain test-data | |
Zammali et al. | Fault detection for switched systems based on pole assignment and zonotopic residual evaluation | |
Zhang et al. | Incipient fault detection based on robust threshold generators: A sliding mode interval estimation approach | |
Bai et al. | Adaptive backstepping-based nonlinear disturbance observer for fin stabilizer system | |
Ren et al. | Fault detection for two-dimensional Roesser systems with sensor faults |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150930 |