CN108536017A - 基于动态反馈控制的随机分布互联系统协作容错控制方法 - Google Patents
基于动态反馈控制的随机分布互联系统协作容错控制方法 Download PDFInfo
- Publication number
- CN108536017A CN108536017A CN201810415044.9A CN201810415044A CN108536017A CN 108536017 A CN108536017 A CN 108536017A CN 201810415044 A CN201810415044 A CN 201810415044A CN 108536017 A CN108536017 A CN 108536017A
- Authority
- CN
- China
- Prior art keywords
- subsystem
- fault
- dynamic feedback
- value
- ith
- 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013461 design Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 51
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 3
- 239000000654 additive Substances 0.000 claims 1
- 230000000996 additive effect Effects 0.000 claims 1
- 238000012986 modification Methods 0.000 abstract description 2
- 230000004048 modification Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 150000001875 compounds Chemical class 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000004537 pulping Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于动态反馈控制的随机分布互联系统协作容错控制方法，构建各随机分布控制子系统的系统模型，给定各子系统在无故障状态下的跟踪权值，求解动态反馈控制器参数，得到无故障状态下各子系统模型的动态反馈标称控制器；当随机分布控制系统发生故障后，设计各子系统的状态观测器，利用观测残差设计故障估计律，并计算故障估计值和增益值，将故障估计值与增益值相乘得到跟踪权值补偿值，构造补偿函数修正子系统的跟踪权值，使子系统在出现故障后实现协作容错控制。本发明在系统发生故障后，保持现有控制器结构不变，通过修改系统的跟踪权值的设定值来抵消故障，达到容错控制的目的，使得每个子系统以允许的误差跟踪给定的设定权值。
Description
技术领域
本发明涉及一种基于动态反馈控制器的随机分布互联系统协作容错控制方法。
背景技术
随着控制系统规模的日益增大，越来越多的复杂系统具有多子系统互联的特性。由于各子系统都有着不同的动态特性和控制要求，因此单一系统的建模机制不再适用。采用互联系统对复杂的生产过程和工业设备进行建模、优化与控制是一种行之有效的办法，其理论、方法及应用日益受到重视。互联系统对可靠性和安全性的要求非常高，然而互联系统结构复杂，控制器的设计本就复杂，而系统故障除了会突然改变子系统的性能之外，还会改变子系统之间的耦合机制，这给理论研究带来了巨大挑战，因此迫切需要有效的互联系统容错控制技术。
另一方面，在对互联系统建模的过程中不可避免会受到人为因素的影响以及各类随机噪声的干扰，在已有的关于随机控制的结论中，大多假设这些噪声服从高斯分布，然而这种假设并不完全符合一些实际应用过程，比如造纸过程中纤维尺寸分布、化工过程中高分子化合物分子量分布等。当噪声为非高斯随机过程时，原有方法不满足这些假设条件，因此就失去了其真正意义。而概率密度函数形状控制包括了系统的完全分布信息和传统的随机分布统计特性，如均值和方差可以很容易地从概率密度函数中计算得到。为刻画系统输入与系统输出概率密度函数之间的关系，输出随机分布控制系统相对具有优势，这类系统在形式描述上比常规随机系统更一般化，既可以表述高斯系统，又可以表述非高斯系统，尤其适用于高分子化合物的聚合过程、粮食颗粒加工过程、造纸中的制浆过程等复杂工业流程。作为随机系统的一种扩展，输出随机分布控制系统不仅能够有效的刻画复杂、非线性、不精确系统，而且在处理系统的非高斯随机变量、更加全面的获取输出变量的统计特性等方面都具有明显的优越性。但是原有的输出随机分布控制方法均是基于单一系统展开的，未能解决互联系统的协作容错控制问题。而随机分布互联控制系统，不仅可以更加准确的描述上述几类复杂工业流程，而且当某个子系统发生故障时，可以充分利用多子系统自由度的特点，采用协作容错的方法进行故障补偿。现有的协作容错控制方法中大多是基于重构故障子系统的控制器来实现的，改变了原有的控制器，存在计算量大，所需时间长，不可靠，准确性不高的不足。
综上所述，现有技术中对于互联系统的协作容错控制问题，尚缺乏有效的解决方案。
发明内容
为了克服上述现有技术的不足，本发明提供了一种基于动态反馈控制器的随机分布互联系统协作容错控制方法，在系统发生故障后，保持现有控制器结构和参数不变的前提下，通过修改系统的跟踪权值的设定值来抵消故障，达到容错控制的目的，使得每个子系统以允许的误差跟踪给定的设定权值。
本发明所采用的技术方案是：
一种基于动态反馈控制器的随机分布互联系统协作容错控制方法，该方法包括以下步骤：
构建各随机分布控制子系统的系统模型，给定各子系统在无故障状态下的跟踪权值，求解动态反馈控制器参数，得到无故障状态下各子系统模型的动态反馈标称控制器；
当随机分布控制系统发生故障后，设计各子系统的状态观测器，利用观测残差设计故障估计律，并计算故障估计值和增益值，将故障估计值与增益值相乘得到跟踪权值补偿值，构造补偿函数修正子系统的跟踪权值的设定值，使子系统在出现故障后实现协作容错控制。
如上所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其中，所述随机分布控制子系统的系统模型的构建方法为：
根据随机分布互联控制系统，选取第i个随机分布控制子系统的线性模型为：
其中，表示权值对时间的导数；Ai(vi-1(t))和Bi(vi-1(t))均为受第i-1个随机分布控制子系统的输出概率密度函数影响的参数矩阵，后面简记为Ai(t)和Bi(t)；vi(t)表示概率密度函数γi(y,ui)的权值，ui(t)表示系统输入，γi(y,ui)表示概率密度函数；C(y)＝[b1(y),b2(y),...,bn-1(y)]和L(y)＝bn(y)由神经网络B样条基函数确定；t表示时间，vi-1(t)表示第i-1个随机分布控制系统的输出概率密度函数权值；bj(y)为选定的第j个基函数；y为神经网络B样条基函数的自变量；N表示生产单元的总数；
设第i个随机分布控制子系统的动态反馈标称控制器为：
其中，wi为控制器的动态向量，mi,gi,hi,di为动态反馈控制器参数，为第i个子系统的权值跟踪误差，为给定的第i个子系统的跟踪权值；
令将第i个随机分布控制子系统的线性模型和动态反馈标称控制器进行扩维后，得到第i个随机分布控制子系统的扩维后系统模型为：
其中mi,gi,hi,di为动态反馈控制器的待定参数；Ai(t)＝Ai+ΔAi(t)，Bi(t)＝Bi+ΔBi(t)，其中Ai和Bi为已知的常数矩阵，ΔAi(t)，ΔBi(t)未知且满足[ΔAi(t) ΔBi(t)]＝HiFi(t)[Ei1 Ei2]，其中Hi、Ei1和Ei2为已知矩阵，Fi(t)未知且满足Fi T(t)Fi(t)≤I。
如上所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其中，所述动态反馈控制器参数的求解方法为：
给定第i个子系统在无故障状态下的跟踪权值和控制器动态向量的目标值后，令则有：
其中，mi,gi,hi,di为动态反馈控制器的待定参数；Ai(t)和Bi(t)分别为受第i-1个随机分布控制子系统的输出概率密度函数影响的参数矩阵；
构造第一个Lyapunov函数：
式中，Pi为已知正定矩阵；为扩维向量的跟踪误差；
计算第一个Lyapunov函数中各项对时间的导数，得到如下不等式；
其中，为给定的第i个子系统的跟踪权值；λ1和λ2为利用Yong不等式放大时所引入的已知的小正数；*代表该矩阵为对称矩阵；
根据Schur补原理可得如下第一线性矩阵不等式：
式中，τ1和β为给定的正数；I为合适维数的单位矩阵；Pi为正定矩阵，*代表该矩阵为对称矩阵；
求解第一线性矩阵不等式，得到动态反馈控制器各个参数，使系统以允许的误差跟踪给定的权值
如上所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其中，所述子系统的状态观测器的设计方法为：
构建故障发生后第i个子系统的系统模型：
则设计第i个子系统的状态观测器为
式中，Li为待定的观测器增益。
如上所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其中，所述故障估计律为
其中σ(y)为选定的使得跟踪残差不为零的函数；Γ1和Γ2为待定参数；γi(y,ui)为表示第i个子系统的概率密度函数。
如上所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其中，所述增益值的计算方法为：
将协作容错控制器与故障估计观测器做差，得误差的动态方程为：
设置第二个Lyapunov函数：
计算第二个Lyapunov函数中各项对时间的导数，得到如下第二线性矩阵不等式；
其中， Π33＝-Γ1 TSi-SiΓ1，Qi、Ri和Si分别为已知的正定矩阵；λ3、λ4、λ5、λ6、λ7、λ8、ε1和ε2分别为已知的小正数，*代表该矩阵为对称矩阵；
当满足第二线性矩阵不等式时，通过MATLAB求解第二线性矩阵不等式得到第i个子系统的增益值Ki，将第i个子系统的增益值Ki和故障估计值相乘得到第i个子系统的跟踪权值补偿值
如上所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其中，所述故障估计值的计算方法为：
通过求解第二线性矩阵不等式得到故障估计律中的参数Γ1和Γ2，利用故障估计律的动态方程，计算得到故障估计值
如上所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其中，所述补偿函数为：
其中，为修正后的故障状态下第i个子系统的跟踪权值；为给定的第i个子系统在无故障状态下的跟踪权值；为发生故障后第i个子系统的跟踪权值补偿值。
与现有技术相比，本发明的有益效果是：
本发明在系统发生故障后，保持现有控制器结构不变，通过修改系统的跟踪权值的设定值来抵消故障，达到容错控制的目的，使得每个子系统以允许的误差跟踪给定的原设定权值。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本发明实施例公开的基于动态反馈控制器的随机分布互联系统协作容错控制方法流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的，现有技术中存在互联系统的协作容错控制问题，为了解决如上的技术问题，本申请提出了一种基于动态反馈控制器的随机分布互联系统协作容错控制方法，该方法包括以下步骤：
1、构建各随机分布控制子系统的系统模型
假设随机分布互联控制系统由N个子系统组成，选取第i个随机分布控制子系统的线性模型结构为：
其中，表示权值对时间的导数；Ai(vi-1(t))和Bi(vi-1(t))均为受第i-1个随机分布控制子系统的输出概率密度函数影响的参数矩阵；当i＝1时，参数矩阵Ai(vi-1(t))和Bi(vi-1(t))为常矩阵，不受边界条件影响；vi(t)表示概率密度函数γi(y,ui)的权值，ui(t)表示系统输入，γi(y,ui)表示概率密度函数；C(y)＝[b1(y),b2(y),...,bn-1(y)]和L(y)＝bn(y)由神经网络B样条基函数确定；t表示时间，vi-1(t)表示第i-1个随机分布控制系统的输出概率密度函数权值；bj(y)为选定的第j个基函数；y为神经网络B样条基函数的自变量；N表示生产单元的总数。该建模方法可采用文献Bounded Dynamic StochasticSystems.Springer London中公开的建模方法。
下面将Ai(vi-1(t))和Bi(vi-1(t))简记为Ai(t)和Bi(t)，且Ai(t)＝Ai+ΔAi(t)，Bi(t)＝Bi+ΔBi(t)，其中Ai和Bi为已知的常数矩阵，ΔAi(t)，ΔBi(t)未知且满足
[ΔAi(t) ΔBi(t)]＝HiFi(t)[Ei1 Ei2]
其中，Hi，Ei1和Ei2为已知矩阵，Fi(t)未知且满足Fi T(t)Fi(t)≤I。
设子系统(1)的动态反馈标称控制器为
其中，wi为控制器的动态向量，mi,gi,hi,di为动态反馈控制器的待定参数，为第i个子系统的权值跟踪误差，为给定的第i个子系统的跟踪权值；
令将系统(1)和系统(2)扩维后，得到如下系统模型
其中
2、求解动态反馈控制器的各个参数
给定子系统无故障状态下的跟踪权值和控制器动态向量的目标值后，令 则有
求解动态反馈控制器的各个参数。
取第一个Lyapunov函数为
则方程两边求导得
利用Young不等式可得
因此方程(4)可化为
其中*代表该矩阵为对称矩阵。
因为[ΔAi(t) ΔBi(t)]＝HiFi(t)[Ei1 Ei2]，且Ai(t)＝Ai+ΔAi(t)，Bi(t)＝Bi+ΔBi(t)，所以
其中
所以有如下式子成立
令
则根据文献[Robust tracking controller design for non-Gaussiansingular uncertainty stochastic distributionsystems]，有如下线性矩阵不等式成立
因此利用矩阵Schur补的性质可得
式中，τ1和β为给定的正数；I为合适维数的单位矩阵；Pi为正定矩阵，*代表矩阵为对称矩阵。
即通过求取线性矩阵不等式(5)便可得到动态反馈控制器中各个参数，从而使得每个子系统以允许的误差跟踪给定的跟踪权值
3、当系统发生故障后，通过修改设定的跟踪权值来实现系统的整体容错控制，并利用故障估计观测器估计出故障的幅值。
发生故障后子系统的系统模型为：
则设计故障估计观测器为
给定新的跟踪权值为故障估计律的动态方程为
记则
其中σ(y)为选定的使得跟踪残差不为零的函数。
因此
选取如下第二个Lyapunov函数为
式中，Qi、Ri、Si分别为已知的正定矩阵。
对等式(10)两边同时求导得
利用Young不等式可得
则有
其中
所以Ψi＜0等价于Πi＜0，其中
Π33＝-Γ1 TSi-SiΓ1
因此Πi≤0等价于
其中， Π33＝-Γ1 TSi-SiΓ1，Qi、Ri和Si分别为已知矩阵；λ3、λ4、λ5、λ6、λ7、λ8、ε1和ε2分别为已知的小正数；*代表该矩阵为对称矩阵。
因此当式子(11)满足时，可以通过MATLAB求解解线性矩阵不等式(11)得到第i个子系统的参数Ki，并通过求解线性矩阵不等式(11)得到故障估计律中的参数Γ1和Γ2，利用故障估计律的动态方程(8)，计算得到故障估计值
利用第i个子系统的Ki和故障估计值计算跟踪权值补偿值当系统发生故障后，在保持原控制器结构不变的前提下，利用跟踪权值的设定值补偿值来抵消故障，从而实现故障后系统仍然能够跟踪原有的跟踪权值设定值。
目前关于容错控制器的设计均为在系统发生故障后，通过对现有控制器的重构来实现容错控制，而本发明在系统发生故障后，保持现有控制器结构和参数不变的前提下，通过修改系统的跟踪权值的设定值来抵消故障，达到容错控制的目的，使得每个子系统以允许的误差跟踪给定的设定权值；跟踪权值的设定值的补偿值与故障估计值以及性能指标变化量有关，通过设计设定值的补偿函数来实现协作容错。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种基于动态反馈控制器的随机分布互联系统协作容错控制方法，其特征是，该方法包括以下步骤：
构建各随机分布控制子系统的系统模型，给定各子系统在无故障状态下的跟踪权值，求解动态反馈控制器参数，得到无故障状态下各子系统模型的动态反馈标称控制器；
当随机分布控制系统发生故障后，设计各子系统的状态观测器，利用观测残差设计故障估计律，并计算故障估计值和增益值，将故障估计值与增益值相乘得到跟踪权值补偿值，构造补偿函数修正子系统的跟踪权值的设定值，使子系统在出现故障后实现协作容错控制。
2.根据权利要求1所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其特征是，所述随机分布控制子系统的系统模型的构建方法为：
根据随机分布互联控制系统，选取第i个随机分布控制子系统的线性模型为：
其中，表示权值对时间的导数；Ai(vi-1(t))和Bi(vi-1(t))均为受第i-1个随机分布控制子系统的输出概率密度函数影响的参数矩阵，后面简记为Ai(t)和Bi(t)；vi(t)表示概率密度函数γi(y,ui)的权值，ui(t)表示系统输入，γi(y,ui)表示概率密度函数；C(y)＝[b1(y),b2(y),...,bn-1(y)]和L(y)＝bn(y)由神经网络B样条基函数确定；t表示时间，vi-1(t)表示第i-1个随机分布控制系统的输出概率密度函数权值；bj(y)为选定的第j个基函数；y为神经网络B样条基函数的自变量；n表示生产单元的总数；
设第i个随机分布控制子系统的动态反馈标称控制器为：
其中，wi为控制器的动态向量，mi,gi,hi,di为动态反馈控制器参数，为第i个子系统的权值跟踪误差，为给定的第i个子系统的跟踪权值；
令将第i个随机分布控制子系统的线性模型和动态反馈标称控制器进行扩维后，得到第i个随机分布控制子系统的扩维后系统模型为：
其中mi,gi,hi,di为动态反馈控制器的待定参数；Ai(t)＝Ai+ΔAi(t)，Bi(t)＝Bi+ΔBi(t)，其中Ai和Bi为已知的常数矩阵，ΔAi(t)，ΔBi(t)未知且满足[ΔAi(t) ΔBi(t)]＝HiFi(t)[Ei1 Ei2]，其中Hi、Ei1和Ei2为已知矩阵，Fi(t)未知且满足Fi T(t)Fi(t)≤I。
3.根据权利要求1所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其特征是，所述动态反馈控制器参数的求解方法为：
给定第i个子系统在无故障状态下的跟踪权值和和控制器动态向量的目标值后，令则有：
其中，mi,gi,hi,di为动态反馈控制器的待定参数；Ai(t)和Bi(t)分别为受第i-1个随机分布控制子系统的输出概率密度函数影响的参数矩阵；
构造第一个Lyapunov函数：
式中，Pi为已知正定矩阵；为扩维向量的跟踪误差；
计算第一个Lyapunov函数中各项对时间的导数，得到如下不等式；
其中，为给定的第i个子系统的跟踪权值；λ1和λ2为利用Yong不等式放大时所引入的已知的小正数；*代表该矩阵为对称矩阵；
根据Schur补原理可得如下第一线性矩阵不等式：
式中，τ1和β为给定的正数；I为单位矩阵；Pi为正定矩阵，*代表该矩阵为对称矩阵。
求解第一线性矩阵不等式，得到动态反馈控制器各个参数，使系统以允许的误差跟踪给定的权值
4.根据权利要求1所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其特征是，所述子系统的状态观测器的设计方法为：
构建故障发生后第i个子系统的系统模型：
其中，fi(t)为第i个子系统当中发生的执行器加性故障值，为故障分布矩阵，为发生故障后第i个子系统新的跟踪权值，L(y)＝bn(y)为神经网络B样条基函数；
则设计第i个子系统的状态观测器为
式中，Li为待定的观测器增益。
5.根据权利要求1所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其特征是，所述故障估计律为
其中σ(y)为选定的使得跟踪残差不为零的函数；Γ1和Γ2为待定参数；γi(y,ui)为表示第i个子系统的概率密度函数。
6.根据权利要求1所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其特征是，所述增益值的计算方法为：
将协作容错控制器与故障估计观测器做差，得故障估计值的状态表达式为：
设置第二个Lyapunov函数：
计算第二Lyapunov函数中各项对时间的导数，得到如下第二线性矩阵不等式；
其中， Qi、Ri和Si分别为已知的正定矩阵；λ3、λ4、λ5、λ6、λ7、λ8、ε1和ε2分别为已知的小正数，*代表该矩阵为对称矩阵；
当满足第二线性矩阵不等式时，通过MATLAB求解第二线性矩阵不等式得到第i个子系统的增益值Ki，将第i个子系统的增益值Ki和故障估计值相乘得到第i个子系统的跟踪权值的补偿值
7.根据权利要求6所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其特征是，所述故障估计值的计算方法为：
通过求解第二线性矩阵不等式得到故障估计律中的参数Γ1和Γ2，利用故障估计律的动态方程，计算得到故障估计值
8.根据权利要求1所述的基于动态反馈控制器的随机分布互联系统协作容错控制方法，其特征是，所述补偿函数为：
其中，为修正后的故障状态下第i个子系统的跟踪权值；为给定的第i个子系统在无故障状态下的跟踪权值；为发生故障后第i个子系统的跟踪权值补偿值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810415044.9A CN108536017B (zh) | 2018-05-03 | 2018-05-03 | 基于动态反馈控制的随机分布互联系统协作容错控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810415044.9A CN108536017B (zh) | 2018-05-03 | 2018-05-03 | 基于动态反馈控制的随机分布互联系统协作容错控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108536017A true CN108536017A (zh) | 2018-09-14 |
| CN108536017B CN108536017B (zh) | 2021-01-08 |
Family
ID=63475902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810415044.9A Expired - Fee Related CN108536017B (zh) | 2018-05-03 | 2018-05-03 | 基于动态反馈控制的随机分布互联系统协作容错控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108536017B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109799802A (zh) * | 2018-12-06 | 2019-05-24 | 郑州大学 | 一种分子量分布控制中传感器故障诊断与容错控制方法 |
| CN111665820A (zh) * | 2020-06-08 | 2020-09-15 | 杭州电子科技大学 | 工业互联系统的分散式故障检测与容错控制方法 |
| WO2020199231A1 (zh) * | 2019-03-29 | 2020-10-08 | 东北大学 | 面向盘磨系统粉体粒度的随机分布控制实验装置及方法 |
| CN112684707A (zh) * | 2020-12-25 | 2021-04-20 | 扬州大学 | 基于干扰观测器的苯乙烯本体聚合抗干扰分布形状控制方法 |
| CN112799374A (zh) * | 2020-12-24 | 2021-05-14 | 南京财经大学 | 一种Delta算子切换粮食管理系统的全阶故障估计观测器的设计方法 |
| CN112925295A (zh) * | 2021-01-26 | 2021-06-08 | 杭州电子科技大学 | 基于化工过程的性能估计与分散式状态反馈控制方法 |
| CN113595974A (zh) * | 2021-06-11 | 2021-11-02 | 山东师范大学 | 受攻击的离散随机分布控制系统的安全控制方法及系统 |
| CN114779743A (zh) * | 2022-04-29 | 2022-07-22 | 北京京航计算通讯研究所 | 随机姿态高超声速飞行器的舵面微小故障容错控制方法 |
| US11860078B2 (en) | 2019-03-29 | 2024-01-02 | Northeastern University | Particle size distribution control in disc milling system based stochastic distribution control experimental device and method |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08500687A (ja) * | 1992-08-10 | 1996-01-23 | モノリシック・システム・テクノロジー・インコーポレイテッド | ウェハ規模の集積化のためのフォルトトレラントな高速度のバス装置及びバスインタフェース |
| CN1547145A (zh) * | 2003-12-08 | 2004-11-17 | 西安交通大学 | 设备运行状态数据质量动态检测和保障方法 |
| CN101860883A (zh) * | 2010-05-14 | 2010-10-13 | 南京邮电大学 | 一种基于物联网的多代理异常检测方法 |
| CN102520342A (zh) * | 2011-12-07 | 2012-06-27 | 南京航空航天大学 | 基于动态反馈神经网络建模的模拟电路测试节点选择方法 |
| CN102931673A (zh) * | 2012-10-30 | 2013-02-13 | 浙江大学 | 一种抑制交流故障切除后直流输电系统换相失败的控制器及控制方法 |
| US20130301207A1 (en) * | 2012-05-08 | 2013-11-14 | International Business Machines Corporation | 276-pin buffered memory card with enhanced memory system interconnect |
| US9300298B2 (en) * | 2011-04-06 | 2016-03-29 | International Business Machines Corporation | Programmable logic circuit using three-dimensional stacking techniques |
-
2018
- 2018-05-03 CN CN201810415044.9A patent/CN108536017B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08500687A (ja) * | 1992-08-10 | 1996-01-23 | モノリシック・システム・テクノロジー・インコーポレイテッド | ウェハ規模の集積化のためのフォルトトレラントな高速度のバス装置及びバスインタフェース |
| CN1547145A (zh) * | 2003-12-08 | 2004-11-17 | 西安交通大学 | 设备运行状态数据质量动态检测和保障方法 |
| CN101860883A (zh) * | 2010-05-14 | 2010-10-13 | 南京邮电大学 | 一种基于物联网的多代理异常检测方法 |
| US9300298B2 (en) * | 2011-04-06 | 2016-03-29 | International Business Machines Corporation | Programmable logic circuit using three-dimensional stacking techniques |
| CN102520342A (zh) * | 2011-12-07 | 2012-06-27 | 南京航空航天大学 | 基于动态反馈神经网络建模的模拟电路测试节点选择方法 |
| US20130301207A1 (en) * | 2012-05-08 | 2013-11-14 | International Business Machines Corporation | 276-pin buffered memory card with enhanced memory system interconnect |
| CN102931673A (zh) * | 2012-10-30 | 2013-02-13 | 浙江大学 | 一种抑制交流故障切除后直流输电系统换相失败的控制器及控制方法 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109799802A (zh) * | 2018-12-06 | 2019-05-24 | 郑州大学 | 一种分子量分布控制中传感器故障诊断与容错控制方法 |
| CN109799802B (zh) * | 2018-12-06 | 2021-06-25 | 郑州大学 | 一种分子量分布控制中传感器故障诊断与容错控制方法 |
| WO2020199231A1 (zh) * | 2019-03-29 | 2020-10-08 | 东北大学 | 面向盘磨系统粉体粒度的随机分布控制实验装置及方法 |
| US11860078B2 (en) | 2019-03-29 | 2024-01-02 | Northeastern University | Particle size distribution control in disc milling system based stochastic distribution control experimental device and method |
| CN111665820B (zh) * | 2020-06-08 | 2021-11-23 | 杭州电子科技大学 | 工业互联系统的分散式故障检测与容错控制方法 |
| CN111665820A (zh) * | 2020-06-08 | 2020-09-15 | 杭州电子科技大学 | 工业互联系统的分散式故障检测与容错控制方法 |
| CN112799374A (zh) * | 2020-12-24 | 2021-05-14 | 南京财经大学 | 一种Delta算子切换粮食管理系统的全阶故障估计观测器的设计方法 |
| CN112684707A (zh) * | 2020-12-25 | 2021-04-20 | 扬州大学 | 基于干扰观测器的苯乙烯本体聚合抗干扰分布形状控制方法 |
| CN112684707B (zh) * | 2020-12-25 | 2022-04-26 | 扬州大学 | 基于干扰观测器的苯乙烯本体聚合抗干扰分布形状控制方法 |
| CN112925295B (zh) * | 2021-01-26 | 2022-05-13 | 杭州电子科技大学 | 基于化工过程的性能估计与分散式状态反馈控制方法 |
| CN112925295A (zh) * | 2021-01-26 | 2021-06-08 | 杭州电子科技大学 | 基于化工过程的性能估计与分散式状态反馈控制方法 |
| CN113595974A (zh) * | 2021-06-11 | 2021-11-02 | 山东师范大学 | 受攻击的离散随机分布控制系统的安全控制方法及系统 |
| CN113595974B (zh) * | 2021-06-11 | 2023-06-16 | 山东师范大学 | 受攻击的离散随机分布控制系统的安全控制方法及系统 |
| CN114779743A (zh) * | 2022-04-29 | 2022-07-22 | 北京京航计算通讯研究所 | 随机姿态高超声速飞行器的舵面微小故障容错控制方法 |
| CN114779743B (zh) * | 2022-04-29 | 2024-05-28 | 北京京航计算通讯研究所 | 随机姿态高超声速飞行器的舵面微小故障容错控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108536017B (zh) | 2021-01-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108536017B (zh) | 基于动态反馈控制的随机分布互联系统协作容错控制方法 | |
| Tohidi et al. | Fault tolerant control design using adaptive control allocation based on the pseudo inverse along the null space | |
| Witczak et al. | An LMI approach to robust fault estimation for a class of nonlinear systems | |
| Ichalal et al. | Sensor fault tolerant control of nonlinear Takagi–Sugeno systems. Application to vehicle lateral dynamics | |
| Ahmadizadeh et al. | Robust unknown input observer design for linear uncertain time delay systems with application to fault detection | |
| Shen et al. | Adaptive fault‐tolerant backstepping control against actuator gain faults and its applications to an aircraft longitudinal motion dynamics | |
| CN110058519A (zh) | 一种基于快速自适应技术的主动编队容错控制方法 | |
| CN108972553A (zh) | 一种基于粒子滤波算法的空间机械臂故障检测方法 | |
| Xu et al. | Tangent barrier Lyapunov function‐based constrained control of flexible manipulator system with actuator failure | |
| Chang et al. | LSTM‐based output‐constrained adaptive fault‐tolerant control for fixed‐wing UAV with high dynamic disturbances and actuator faults | |
| CN112015084A (zh) | 一种基于虚拟总轴的总量协同一致抗饱和控制方法 | |
| Mahdianfar et al. | Robust multiple model adaptive control: Modified using ν‐gap metric | |
| CN112558476A (zh) | 基于攻击补偿的非线性多智体系统无领导者一致控制方法 | |
| Tayari et al. | Active fault tolerant control design for lpv systems with simultaneous actuator and sensor faults | |
| CN113325717B (zh) | 基于互联大规模系统的最优容错控制方法、系统、处理设备、存储介质 | |
| Wu et al. | Observer‐based finite time adaptive fault tolerant control for nonaffine nonlinear systems with actuator faults and disturbances | |
| Zhang et al. | Finite time adaptive filter control of nonlinear systems with actuator faults and state constraints | |
| CN114357370A (zh) | 具有非凸激活函数的噪声抑制零化神经网络求解时变矩阵平方根 | |
| Ren et al. | Collaborative fault tolerant control for non‐gaussian stochastic distribution systems based on adaptive control strategy | |
| Zeng et al. | Event-triggered controller design for active suspension systems: An adaptive backstepping method with error-dependent gain | |
| CN106168760B (zh) | 基于凸多面体故障模型的不确定时滞系统稳定性判定方法 | |
| CN113110042A (zh) | 一种列车容错控制方法 | |
| CN116909134A (zh) | 基于事件触发的非线性互联系统分散式容错渐近跟踪控制方法 | |
| CN112526884A (zh) | 一种故障系统自适应容错方法及系统 | |
| Butler et al. | Takagi-sugeno fuzzy model-based flight control and failure stabilization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| 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: 20210108 |