CN108572552B - 一种基于故障报警的混合无源/h∞的混杂控制方法 - Google Patents
一种基于故障报警的混合无源/h∞的混杂控制方法 Download PDFInfo
- Publication number
- CN108572552B CN108572552B CN201810370646.7A CN201810370646A CN108572552B CN 108572552 B CN108572552 B CN 108572552B CN 201810370646 A CN201810370646 A CN 201810370646A CN 108572552 B CN108572552 B CN 108572552B
- Authority
- CN
- China
- Prior art keywords
- fault
- actuator
- matrix
- following
- closed loop
- 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.)
- Active
Links
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Safety Devices In Control Systems (AREA)
Abstract
本发明涉及一种基于故障报警的混合无源/H∞的混杂控制方法。本方法先得出使闭环系统混合无源/H∞的充分条件,再基于此条件得到鲁棒控制器、容错控制器以及相对应的观测器。之后,通过设计一种基于多阈值的报警系统来排除误报并帮助系统调用合适的控制器。相比于直接调用容错控制器的方法,本发明具有可靠性强、保守性小、资源利用率高等优点,此外本发明针对的被控系统具有一般性,这使得本发明具有广阔的发展前景。
Description
技术领域
本发明涉及一种基于故障报警的混合无源/H∞的混杂控制方法,属于系统安全领域。
背景技术
随着当今工业技术的迅速发展,其所依赖控制系统的精密度的要求不断提高,相应的,控制系统也变得越来越复杂。然而当系统部件故障、部件维修、子系统间互连突变、突发性外部扰动等等这些不可避免的随机因素发生时,系统的结构与参数难免会产生一定程度上的突变,这也使得控制系统的故障率越来越高,从而导致控制系统的不稳定。Markovian跳变系统模型则能很好地描述这类混杂系统,正因如此,对Markovian跳变系统的研究不仅仅局限于理论意义,在现实技术发展领域也有不可忽视的重大价值。
在系统控制的研究领域中,无源性理论是其重要组成部分。系统的无源性是从电子网络的无源性以及物理学分支中延伸出来的,是耗散系统的一种特例。它将系统的输入和输出的乘积(输入、输出为向量时,则为内积)作为系统的供给率,在系统的输入是有界的条件下能反映出系统能量是衰减的这一重要性质。这也体现了无源性与稳定性的相关性,事实上,无源性是稳定性的一种更高层次的抽象体现,其存储函数也往往被用作系统稳定性分析的Lyapunov函数。因此,当被控系统存在扰动的情况下,可以通过无源性理论来设计反馈控制器,使得闭环系统是无源的,进而也是稳定的。
同时,本发明还涉及到了H∞控制。H∞控制是一种优化控制,其优化指标是控制系统内部一些信号之间(一般为噪声到期望输出之间)传递函数矩阵的H∞范数。在所设计的反馈控制器能保证闭环系统稳定的条件下,还要满足闭环系统传递函数的H∞范数小于预先设定的一个正数值。因为该方法具有普适性,其应用已经日趋成熟,成为现如今控制理论的重要组成部分。
此外,不可忽视的是当控制系统内子系统之间传递数据时,不可避免地会存在时滞现象,这会导致控制效果的滞后。而与此同时,因硬件设备的限制,控制系统还存在执行器部分失效和执行器饱和现象使得控制效果无法达到预期目标。这些局限性条件,在一定程度上会导致控制系统的性能下降,甚至还会造成系统的不稳定乃至系统彻底崩溃。因此,这些问题成为了当今控制系统领域无法回避的挑战。
发明内容
本发明要解决的技术问题是:针对现实控制系统领域中伴随着执行器部分失效以及执行器偏移故障的时滞系统(这里选用Markovian跳变系统为具体模型),并且同时考虑外部扰动对系统的影响,提供一种基于故障报警的混合无源/H∞的混杂控制方法,来解决该系统的混合无源/H∞问题并保证其稳定性。
本发明的技术解决方案是:首先,对被控对象进行建模,选定时滞Markovian 跳变系统作为合适的模型,采用状态反馈控制器来控制被控对象,从而形成闭环系统,并选取合适的Lyapunov-krasovskii函数得到使闭环系统混合随机无源/H∞的充分条件;基于该充分条件,利用LMI方法分别求得正常情况下的鲁棒控制器和执行器发生故障情况下的容错控制器的增益矩阵,类似地,还可以得到两种情况下分别对应的观测器来估计实时的执行器偏移故障;之后,为了减小控制器选取方法的保守性,通过设计一种基于多阈值的报警系统来达到切换控制器的目的;具体步骤如下:
(1)被控对象建模、相关约束条件申明、状态反馈控制器构造以及混合无源 /H∞性能定义,具体如下:
(1-1)选取时滞Markovian跳变系统作为被控对象的模型,具体模型如下:
其中是系统(1)的状态向量;是控制信号;是实际影响到被控对象的执行器偏移故障;是外部扰动信号,并且属于l2[0,∞);是系统(1)的控制输出;是定义在上的初始条件;d(t)为时变状态时滞,并且满足以下条件:
{r(t)}为在有限集合S={1,2,3,…,s}上关于时间连续取值的Markov过程,其跳变转移概率矩阵为
此外,跳变概率矩阵定义如下:
(1-2)构造状态反馈控制器,代入公式(1)所描述的系统模型,得到闭环控制系统(9),具体步骤如下:
状态反馈控制器设计如下:
根据执行器偏移故障的特性,将其分为以下两种情况:
(1-3)混合无源/H∞性能的定义具体如下:
其中γ为大于0的常数,α∈[0,1]为H∞性能和无源性之间的权重参数;
(2)闭环系统(10)的混合随机无源/H∞性能分析,具体如下:
(2-1)充分利用闭环控制系统(10)的相关信息,选取合适的 Lyapunov-Krasovskii函数如下:
其中:
V1(r(t),t)=xT(t)Pix(t),
(2-2)利用弱无穷小算子、放缩法以及自由权矩阵方法,得到使公式(10)所描述的闭环系统混合随机无源/H∞的充分条件:
结论1:如果对于给定的正常数δ1和δ2,存在矩阵Pi>0,Q>0,R>0以及合适维度的可逆矩阵N和常数γ>0,使得在所有模态下下述线性矩阵不等式都成立
其中:
则闭环系统(10)具有混合随机无源/H∞性能γ;
(2-3)利用弱无穷小算子、放缩法以及自由权矩阵方法,得到使公式(11)所描述的闭环系统具有H∞性能γ′的充分条件:
结论2:如果对于给定的正常数δ1和δ2,存在矩阵Pi>0,Q>0,R>0以及合适维度的可逆矩阵N和常数γ′>0,使得在所有模态下下述线性矩阵不等式都成立
其中:
则闭环系统(11)具有H∞性能γ′;
(3)基于混合随机无源/H∞充分条件,设计鲁棒控制器、容错控制器以及相对应的观测器,具体步骤如下:
(3-1)鲁棒控制器设计:
接着通过LMI方法求得各个模态下的鲁棒控制器;
其中:
(3-2)容错控制器设计:
根据执行器故障的类型,分为以下三种情况进行讨论:
其中:F(x(t),t)是未知的,且满足||F(x(t),t)||≤Fα+Fβ||x(t)||≤Fmax,Fα、Fβ和Fmax均是已知正常数;此外,F(x(t),t)的b阶微分是有界的,b=1,2,…,r;
其中:
通过放缩来找到符合范围的通解并降低其保守性;即令M=M0(I+G)且G满足 |G|≤H≤I;其中:
M0=diag{m01,m02,…,m0m},H=diag{h1,h2,…,hm},
G=diag{g1,g2,…,gm},|G|=diag{|g1|,|g2|,…,|gm|},
公式(10)所描述的闭环系统重新描述如下:
其中:
其中:
(3-3)容错观测器设计:
根据是否存在执行器部分失效故障,分成以下2种情况来讨论:
(3-3-1)当执行器不存在部分失效故障而存在偏移故障时,令 Fi=F(r-i)(x(t),t),i=1,2,…,r,公式(20)所描述闭环系统相对应的增广系统写成如下形式:
其中:
为了实时估计执行器偏移故障,设计如下观测器:
值得指出的是Fr=F(x(t),t),而且发现Li2不受Ki2的影响,然而F(x(t),t)=0 看成是执行器偏移故障存在的一种特殊情况,所以当执行器偏移故障不存在时,其观测器的增益矩阵Li1等于Li2;此外,根据执行器偏移故障有界的特性,的值满足以下等式:
结论7:如果对于给定的正常数δ1和δ2,存在矩阵Pi>0,Q>0,R>0以及合适维度的可逆矩阵N和常数γ>0,使得在所有模态下下述线性矩阵不等式都成立
其中:
则观测器增益为Li2=N-1Zi2,且公式(31)所描述的闭环系统具有混合随机无源/H∞性能γ;
(3-3-2)当执行器存在部分失效故障且存在偏移故障时,执行器的输出描述成MKikx(t)+MF(x(t),t),k=3,4;因此,公式(9)所描述的闭环系统重新描述成
则对应的增广闭环系统描述成如下形式:
所述的观测器描述如下:
结论8:如果对于给定的正常数δ1和δ2,存在矩阵Pi>0,Q>0,R>0以及合适维度的可逆矩阵N和常数γ>0,ε>0,使得在所有模态下下述线性矩阵不等式都成立
其中:
则公式(38)所描述的闭环系统具有H∞性能γ,观测器的增益为Lik=N-1Zik,k=3,4;
(4)设计基于多阈值的报警系统,具体步骤如下:
(4-1)执行器偏移故障阈值设计:
其中: 为||ω(t)||的上界;定义作为执行器偏移故障阈值;考虑到当执行器偏移故障存在时,可能存在振荡现象,这会使的值偶尔会小于执行器偏移故障阈值;因此,在判断语句中加入关于时间持续的相关条件防止误判,故该阈值的工作原理如下:
其中:s∈[t-tl,t],tl为预先设定的持续时间;
(4-2)执行器部分失效故障阈值设计:
从鲁棒观测器系统,即将公式(31)所描述的闭环系统中的Li2替换成Li1后所得的系统,可以得到以下等式:
作为执行器部分失效故障阈值,且其故障诊断的逻辑算法如下:
基于之前两种阈值,混杂控制器描述如下:
混杂观测器则为:
其中:Li=(1-Sw(t))Li1+Sw(t)((1-Obw(t))Li3+Obw(t)Li4);
此外,还需设计一种报警信号来提高混杂控制器的可靠性;定义
作为报警阈值,其工作原理如下:
以下两种可能发生的情况,即图1和图2能体现出这种设计的优越性:
在图1中,||e(t)||的值多次超过报警阈值Ath,但是并没有达到执行器部分失效阈值Jth,因此系统将发出报警信号但是不会切换控制器;之后的结果也证明了这些报警信号只是一系列的误报而已;在图2中,当||e(t)||的值超过执行器部分失效阈值Jth时,系统将调用合适的控制器,这样之前一系列的报警信号将给系统提供足够的时间来应对执行器部分失效故障。
与现有技术相比,本发明具有以下优点:
1.控制器结构简单。在设计过程中,只需根据预定的执行器失效范围,通过求解线性矩阵不等式,即可得到相应的鲁棒控制器、容错控制器以及相对应的观测器的增益矩阵;
2.能维持一定程度的控制性能。在步骤(4)中得到三种阈值信息,并且通过设计合适的逻辑关系将执行器偏移故障阈值、执行器部分失效故障阈值与各个控制器组合成一个混杂控制器,避免了容错控制器再正常情况下的滥用,也能保持被控系统的高性能;
3.考虑的时滞现象、执行器故障以及跳变概率部分未知等现象符合现实情况,具有普适性;
4.采用了“双阈值”的阈值选取思想,除了切换阈值(执行器部分失效故障阈值)外再选取一个报警阈值,可以让报警系统更为快速地进入切换控制器的预备状态并及时地给操作人员提供报警信息,而且能一定程度上地减少误报信息。
附图说明:
图1.多阈值设计举例(1);
图2.多阈值设计举例(2);
图3.开环系统的输出响应;
图4.只发生执行器偏移故障的闭环系统的输出响应(只调用鲁棒控制器);
图5.两种执行器故障都发生的闭环系统的输出响应(不调用Ki3和Ki4);
图6.混杂控制器控制下的闭环系统的输出响应。
具体实施步骤:
下面结合附图所示实施例,对本发明作进一步详细描述。
本发明是一种基于故障报警的混合无源/H∞的混杂控制方式,包括以下步骤:
(1)被控对象建模、相关约束条件申明、状态反馈控制器构造以及混合无源 /H∞性能定义
(2)闭环系统混合随机无源/H∞性能分析
(3)基于混合随机无源/H∞充分条件,设计鲁棒控制器、容错控制器以及相对应的观测器
(4)设计基于多阈值的报警系统
(5)仿真实验验证
下面介绍具体步骤:本发明的技术解决方案是:首先,对被控对象进行建模,选定时滞Markovian跳变系统作为合适的模型,采用状态反馈控制器来控制被控对象,从而形成闭环系统,并选取合适的Lyapunov-krasovskii函数得到使闭环系统混合随机无源/H∞的充分条件;基于该充分条件,利用LMI方法分别求得正常情况下的鲁棒控制器和执行器发生故障情况下的容错控制器的增益矩阵,类似地,还可以得到两种情况下分别对应的观测器来估计实时的执行器偏移故障;之后,为了减小控制器选取方法的保守性,通过设计一种基于多阈值的报警系统来达到切换控制器的目的;具体步骤如下:
(1)被控对象建模、相关约束条件申明、状态反馈控制器构造以及混合无源 /H∞性能定义,具体如下:
(1-1)选取时滞Markovian跳变系统作为被控对象的模型,具体模型如下:
(1-2)构造状态反馈控制器,代入公式(1)所描述的系统模型,得到闭环控制系统(3),具体步骤如下:
状态反馈控制器设计如下:
带入公式(1)所描述的开环系统,得到如下的闭环控制系统:
根据执行器偏移故障的特性,将其分为以下两种情况:
(1-3)混合无源/H∞性能的定义具体如下:
(2)闭环系统(4)的混合随机无源/H∞性能分析,具体如下:
(2-1)充分利用闭环控制系统(4)的相关信息,选取合适的Lyapunov-Krasovskii函数如下:
其中:
V1(r(t),t)=xT(t)Pix(t),
(2-2)利用弱无穷小算子、放缩法以及自由权矩阵方法,得到使公式(4)所描述的闭环系统混合随机无源/H∞的充分条件:
结论1:如果对于给定的正常数δ1和δ2,存在矩阵Pi>0,Q>0,R>0以及合适维度的可逆矩阵N和常数γ>0,使得在所有模态下下述线性矩阵不等式都成立
则闭环系统(4)具有混合随机无源/H∞性能γ;
(2-3)利用弱无穷小算子、放缩法以及自由权矩阵方法,得到使公式(11)所描述的闭环系统具有H∞性能γ′的充分条件:
结论2:如果对于给定的正常数δ1和δ2,存在矩阵Pi>0,Q>0,R>0以及合适维度的可逆矩阵N和常数γ′>0,使得在所有模态下下述线性矩阵不等式都成立
则闭环系统(5)具有H∞性能γ′;
(3)基于混合随机无源/H∞充分条件,设计鲁棒控制器、容错控制器以及相对应的观测器,具体步骤如下:
(3-1)鲁棒控制器设计:
接着通过LMI方法求得各个模态下的鲁棒控制器;
(3-2)容错控制器设计:
根据执行器故障的类型,分为以下三种情况进行讨论:
其中:F(x(t),t)是未知的,且满足||F(x(t),t)||≤Fα+Fβ||x(t)||≤Fmax,Fα、Fβ和Fmax均是已知正常数;此外,F(x(t),t)的b阶微分是有界的,b=1,2,…,r;
通过放缩来找到符合范围的通解并降低其保守性;即令M=M0(I+G)且G满足 |G|≤H≤I;
公式(4)所描述的闭环系统重新描述如下:
(3-3)容错观测器设计:
根据是否存在执行器部分失效故障,分成以下2种情况来讨论:
(3-3-1)当执行器不存在部分失效故障而存在偏移故障时,令 Fi=F(r-i)(x(t),t),i=1,2,…,r,公式(14)所描述闭环系统相对应的增广系统写成如下形式:
为了实时估计执行器偏移故障,设计如下观测器:
值得指出的是Fr=F(x(t),t),而且发现Li2不受Ki2的影响,然而F(x(t),t)=0 看成是执行器偏移故障存在的一种特殊情况,所以当执行器偏移故障不存在时,其观测器的增益矩阵Li1等于Li2;此外,根据执行器偏移故障有界的特性,的值满足以下等式:
结论7:如果对于给定的正常数δ1和δ2,存在矩阵Pi>0,Q>0,R>0以及合适维度的可逆矩阵N和常数γ>0,使得在所有模态下下述线性矩阵不等式都成立
则观测器增益为Li2=N-1Zi2,且公式(25)所描述的闭环系统具有混合随机无源/H∞性能γ;
(3-3-2)当执行器存在部分失效故障且存在偏移故障时,执行器的输出描述成MKikx(t)+MF(x(t),t),k=3,4;因此,公式(3)所描述的闭环系统重新描述成
则对应的增广闭环系统描述成如下形式:
所述的观测器描述如下:
得到如下残差值相关的残差系统:
结论8:如果对于给定的正常数δ1和δ2,存在矩阵Pi>0,Q>0,R>0以及合适维度的可逆矩阵N和常数γ>0,ε>0,使得在所有模态下下述线性矩阵不等式都成立
则公式(32)所描述的闭环系统具有H∞性能γ,观测器的增益为Lik=N-1Zik,k=3,4;
(4)设计基于多阈值的报警系统,具体步骤如下:
(4-1)执行器偏移故障阈值设计:
整理可得:
(4-2)执行器部分失效故障阈值设计:
从鲁棒观测器系统,即将公式(25)所描述的闭环系统中的Li2替换成Li1后所得的系统,可以得到以下等式:
作为执行器部分失效故障阈值,且其故障诊断的逻辑算法如下:
基于之前两种阈值,混杂控制器描述如下:
混杂观测器则为:
此外,还需设计一种报警信号来提高混杂控制器的可靠性;定义
作为报警阈值,其工作原理如下:
以下两种可能发生的情况,即图1和图2能体现出这种设计的优越性:
在图1中,||e(t)||的值多次超过报警阈值Ath,但是并没有达到执行器部分失效阈值Jth,因此系统将发出报警信号但是不会切换控制器;之后的结果也证明了这些报警信号只是一系列的误报而已;在图2中,当||e(t)||的值超过执行器部分失效阈值Jth时,系统将调用合适的控制器,这样之前一系列的报警信号将给系统提供足够的时间来应对执行器部分失效故障;
以下两种可能发生的情况,即图1和图2能体现出这种设计的优越性:
在图1中,||e(t)||的值多次超过报警阈值Ath,但是并没有达到执行器部分失效阈值Jth,因此系统将发出报警信号但是不会切换控制器;之后的结果也证明了这些报警信号只是一系列的误报而已;在图2中,当||e(t)||的值超过执行器部分失效阈值Jth时,系统将调用合适的控制器,这样之前一系列的报警信号将给系统提供足够的时间来应对执行器部分失效故障;
(5)仿真实验验证
为了验证本发明的有效性和优越性,将给出一个实例仿真;考虑被控系统如下:
W1=W2=W3=C1=C2=C3=I,δ1=0.13,δ2=0.3,
状态转移矩阵为部分未知的,如下:
执行器偏移故障的相关信息则为F(x(t),t)T=[f1 f2]T,其中 f1=f2=10+[0.50.3]x(t)+1.5rand(t);Fα=11.5,Fβ=0.5,Fmax=15;通过结论3、结论4以及结论7,可以得到以下鲁棒控制器增益Ki1、容错控制器增益Ki2以及对应的观测器增益Li1和Li2:
考虑实际的执行器部分失效故障为M=diag{0.27,0.33},其已知上界为 diag{0.3,0.4},已知下界为diag{0.25,0.2};根据结论5、结论6以及结论8,可以得到以下容错控制器增益Ki3、Ki4以及相对应的观测器增益Li3、Li4:
Claims (1)
1.一种基于故障报警的混合无源/H∞的混杂控制方法,其特征在与该方法包括以下步骤:
(1)被控对象建模、相关约束条件申明、状态反馈控制器构造以及混合无源/H∞性能定义,具体如下:
(1-1)选取时滞Markovian跳变系统作为被控对象的模型,具体模型如下:
其中是系统(1)的状态向量;是控制信号;是实际影响到被控对象的执行器偏移故障;是外部扰动信号,并且属于l2[0,∞);是系统(1)的控制输出;是定义在上的初始条件;d(t)为时变状态时滞,并且满足以下条件:
{r(t)}为在有限集合S={1,2,3,…,s}上关于时间连续取值的Markov过程,其跳变转移概率矩阵为
此外,跳变概率矩阵定义如下:
(1-2)构造状态反馈控制器,代入公式(1)所描述的系统模型,得到闭环控制系统(9),具体步骤如下:
状态反馈控制器设计如下:
根据执行器偏移故障的特性,将其分为以下两种情况:
(1-3)混合无源/H∞性能的定义具体如下:
其中γ为大于0的常数,α∈[0,1]为H∞性能和无源性之间的权重参数;
(2)闭环系统(10)的混合随机无源/H∞性能分析,具体如下:
(2-1)充分利用闭环控制系统(10)的相关信息,选取合适的Lyapunov-Krasovskii函数如下:
其中:
V1(r(t),t)=xT(t)Pix(t),
(2-2)利用弱无穷小算子、放缩法以及自由权矩阵方法,得到使公式(10)所描述的闭环系统混合随机无源/H∞的充分条件:
结论1:如果对于给定的正常数δ1和δ2,存在矩阵Pi>0,Q>0,R>0以及合适维度的可逆矩阵N和常数γ>0,使得在所有模态下下述线性矩阵不等式都成立
其中:
则闭环系统(10)具有混合随机无源/H∞性能γ;
(2-3)利用弱无穷小算子、放缩法以及自由权矩阵方法,得到使公式(11)所描述的闭环系统具有H∞性能γ′的充分条件:
结论2:如果对于给定的正常数δ1和δ2,存在矩阵Pi>0,Q>0,R>0以及合适维度的可逆矩阵N和常数γ′>0,使得在所有模态下下述线性矩阵不等式都成立
其中:
则闭环系统(11)具有H∞性能γ′;
(3)基于混合随机无源/H∞充分条件,设计鲁棒控制器、容错控制器以及相对应的观测器,具体步骤如下:
(3-1)鲁棒控制器设计:
接着通过LMI方法求得各个模态下的鲁棒控制器;
其中:
(3-2)容错控制器设计:
根据执行器故障的类型,分为以下三种情况进行讨论:
其中:F(x(t),t)是未知的,且满足||F(x(t),t)||≤Fa+Fβ||x(t)||≤Fmax,Fα、Fβ和Fmax均是已知正常数;此外,F(x(t),t)的b阶微分是有界的,b=1,2,…,r;
其中:
通过放缩来找到符合范围的通解并降低其保守性;即令M=M0(I+G)且G满足|G|≤H≤I;其中:
M0=diag{m01,m02,…,m0m},H=diag{h1,h2,…,hm},
G=diag{g1,g2,…,gm},|G|=diag{|g1|,|g2|,…,|gm|},
公式(10)所描述的闭环系统重新描述如下:
其中:
其中:
(3-3)容错观测器设计:
根据是否存在执行器部分失效故障,分成以下2种情况来讨论:
(3-3-1)当执行器不存在部分失效故障而存在偏移故障时,令Fi=F(r-i)(x(t),t),i=1,2,…,r,公式(20)所描述闭环系统相对应的增广系统写成如下形式:
其中:
为了实时估计执行器偏移故障,设计如下观测器:
值得指出的是Fr=F(x(t),t),而且发现Li2不受Ki2的影响,然而F(x(t),t)=0看成是执行器偏移故障存在的一种特殊情况,所以当执行器偏移故障不存在时,其观测器的增益矩阵Li1等于Li2;此外,根据执行器偏移故障有界的特性,的值满足以下等式:
结论7:如果对于给定的正常数δ1和δ2,存在矩阵Pi>0,Q>0,R>0以及合适维度的可逆矩阵N和常数γ>0,使得在所有模态下下述线性矩阵不等式都成立
其中:
则观测器增益为Li2=N-1Zi2,且公式(31)所描述的闭环系统具有混合随机无源/H∞性能γ;
(3-3-2)当执行器存在部分失效故障且存在偏移故障时,执行器的输出描述成MKikx(t)+MF(x(t),t),k=3,4;因此,公式(9)所描述的闭环系统重新描述成
则对应的增广闭环系统描述成如下形式:
所述的观测器描述如下:
结论8:如果对于给定的正常数δ1和δ2,存在矩阵Pi>0,Q>0,R>0以及合适维度的可逆矩阵N和常数γ>0,ε>0,使得在所有模态下下述线性矩阵不等式都成立
其中:
则公式(38)所描述的闭环系统具有H∞性能γ,观测器的增益为Lik=N-1Zik,k=3,4;
(4)设计基于多阈值的报警系统,具体步骤如下:
(4-1)执行器偏移故障阈值设计:
其中: 为||ω(t)||的上界;定义作为执行器偏移故障阈值;考虑到当执行器偏移故障存在时,可能存在振荡现象,这会使的值偶尔会小于执行器偏移故障阈值;因此,在判断语句中加入关于时间持续的相关条件防止误判,故该阈值的工作原理如下:
其中:s∈[t-tl,t],tl为预先设定的持续时间;
(4-2)执行器部分失效故障阈值设计:
从鲁棒观测器系统,即将公式(31)所描述的闭环系统中的Li2替换成Li1后所得的系统,可以得到以下等式:
作为执行器部分失效故障阈值,且其故障诊断的逻辑算法如下:
基于之前两种阈值,混杂控制器描述如下:
混杂观测器则为:
其中:Li=(1-Sw(t))Li1+Sw(t)((1-Obw(t))Li3+Obw(t)Li4);
此外,还需设计一种报警信号来提高混杂控制器的可靠性;定义
作为报警阈值,其工作原理如下:
||e(t)||的值多次超过报警阈值Ath,但是并没有达到执行器部分失效阈值Jth,报警系统将发出报警信号但是不会切换控制器;当||e(t)||的值超过执行器部分失效阈值Jth时,报警系统将调用合适的控制器,这样之前一系列的报警信号将提供足够的时间来应对执行器部分失效故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810370646.7A CN108572552B (zh) | 2018-04-24 | 2018-04-24 | 一种基于故障报警的混合无源/h∞的混杂控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810370646.7A CN108572552B (zh) | 2018-04-24 | 2018-04-24 | 一种基于故障报警的混合无源/h∞的混杂控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108572552A CN108572552A (zh) | 2018-09-25 |
CN108572552B true CN108572552B (zh) | 2021-04-27 |
Family
ID=63575332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810370646.7A Active CN108572552B (zh) | 2018-04-24 | 2018-04-24 | 一种基于故障报警的混合无源/h∞的混杂控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108572552B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508491B (zh) * | 2018-11-09 | 2023-05-30 | 辽宁石油化工大学 | 一种基于控制器失效的反应釜系统保成本控制器设计方法 |
CN109283845B (zh) * | 2018-11-15 | 2021-07-16 | 辽宁石油化工大学 | 一种针对单机无穷大总线电源系统的容错控制器设计方法 |
CN110703607B (zh) * | 2019-11-07 | 2022-05-06 | 辽宁石油化工大学 | 具有执行器故障的区间时变时滞系统的随机鲁棒预测容错控制方法 |
CN110635686B (zh) * | 2019-11-14 | 2021-10-01 | 东北电力大学 | 一种基于切换系统的升压电路的控制及故障检测方法 |
CN111158343B (zh) * | 2020-01-10 | 2023-03-21 | 淮阴工学院 | 一种针对带有执行器和传感器故障的切换系统的异步容错控制方法 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4345390B2 (ja) * | 2003-08-28 | 2009-10-14 | 株式会社明電舎 | 監視制御システムの故障表示方法 |
CN101977008A (zh) * | 2010-09-24 | 2011-02-16 | 重庆大学 | 双馈风电机组关键传感器故障的判断方法 |
CN102033984A (zh) * | 2010-11-12 | 2011-04-27 | 清华大学 | 一种基于区间型证据融合的旋转机械设备故障诊断方法 |
CN102705303A (zh) * | 2012-05-16 | 2012-10-03 | 北京航空航天大学 | 一种基于残差与双级Elman神经网络的液压伺服系统故障定位方法 |
CN104155968A (zh) * | 2014-07-17 | 2014-11-19 | 南京航空航天大学 | 一种针对高速列车悬架系统执行器的微小故障诊断方法 |
CN104458298A (zh) * | 2014-12-09 | 2015-03-25 | 南京航空航天大学 | 基于多模型的高速列车悬架系统多执行器故障检测与隔离方法 |
CN104808653A (zh) * | 2015-04-24 | 2015-07-29 | 南京理工大学 | 基于滑模的电机伺服系统加性故障检测和容错控制方法 |
CN204548158U (zh) * | 2015-03-31 | 2015-08-12 | 鞍山通奇工程技术有限公司 | 铁路列车车地联控系统 |
CN105785764A (zh) * | 2016-03-31 | 2016-07-20 | 北京航空航天大学 | 一种输入时变时滞的挠性航天器多界依赖鲁棒容错控制方法 |
CN105988368A (zh) * | 2016-07-27 | 2016-10-05 | 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 |
CN106022366A (zh) * | 2016-07-04 | 2016-10-12 | 杭州电子科技大学 | 一种基于近邻证据融合的旋转机械设备故障诊断方法 |
CN106933097A (zh) * | 2017-05-15 | 2017-07-07 | 青岛科技大学 | 一种基于多层优化pcc‑sdg的化工过程故障诊断方法 |
CN106936168A (zh) * | 2015-12-31 | 2017-07-07 | 林峰 | 主动故障检测的电池系统 |
CN107070734A (zh) * | 2016-12-29 | 2017-08-18 | 湖州师范学院 | 一种网络控制系统故障检测方法 |
CN107192964A (zh) * | 2017-06-27 | 2017-09-22 | 福州大学 | 基于模型预测的三相逆变器故障在线诊断方法 |
CN107490964A (zh) * | 2017-08-17 | 2017-12-19 | 杭州电子科技大学 | 一种基于特征证据离散化的旋转机械故障特征约简方法 |
CN107727253A (zh) * | 2017-09-25 | 2018-02-23 | 国家电网公司 | 基于无源无线测温装置的报警温度阈值判定及报警方法 |
CN107831662A (zh) * | 2017-11-13 | 2018-03-23 | 辽宁石油化工大学 | 针对存在执行器故障的间歇过程随机2d控制器设计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6643569B2 (en) * | 2001-03-30 | 2003-11-04 | The Regents Of The University Of Michigan | Method and system for detecting a failure or performance degradation in a dynamic system such as a flight vehicle |
US8774010B2 (en) * | 2010-11-02 | 2014-07-08 | Cisco Technology, Inc. | System and method for providing proactive fault monitoring in a network environment |
CA2922108C (en) * | 2015-10-15 | 2023-03-07 | Tata Consultancy Services Limited | Systems and methods for predictive reliability mining |
-
2018
- 2018-04-24 CN CN201810370646.7A patent/CN108572552B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4345390B2 (ja) * | 2003-08-28 | 2009-10-14 | 株式会社明電舎 | 監視制御システムの故障表示方法 |
CN101977008A (zh) * | 2010-09-24 | 2011-02-16 | 重庆大学 | 双馈风电机组关键传感器故障的判断方法 |
CN102033984A (zh) * | 2010-11-12 | 2011-04-27 | 清华大学 | 一种基于区间型证据融合的旋转机械设备故障诊断方法 |
CN102705303A (zh) * | 2012-05-16 | 2012-10-03 | 北京航空航天大学 | 一种基于残差与双级Elman神经网络的液压伺服系统故障定位方法 |
CN104155968A (zh) * | 2014-07-17 | 2014-11-19 | 南京航空航天大学 | 一种针对高速列车悬架系统执行器的微小故障诊断方法 |
CN104458298A (zh) * | 2014-12-09 | 2015-03-25 | 南京航空航天大学 | 基于多模型的高速列车悬架系统多执行器故障检测与隔离方法 |
CN204548158U (zh) * | 2015-03-31 | 2015-08-12 | 鞍山通奇工程技术有限公司 | 铁路列车车地联控系统 |
CN104808653A (zh) * | 2015-04-24 | 2015-07-29 | 南京理工大学 | 基于滑模的电机伺服系统加性故障检测和容错控制方法 |
CN106936168A (zh) * | 2015-12-31 | 2017-07-07 | 林峰 | 主动故障检测的电池系统 |
CN105785764A (zh) * | 2016-03-31 | 2016-07-20 | 北京航空航天大学 | 一种输入时变时滞的挠性航天器多界依赖鲁棒容错控制方法 |
CN106022366A (zh) * | 2016-07-04 | 2016-10-12 | 杭州电子科技大学 | 一种基于近邻证据融合的旋转机械设备故障诊断方法 |
CN105988368A (zh) * | 2016-07-27 | 2016-10-05 | 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 |
CN107070734A (zh) * | 2016-12-29 | 2017-08-18 | 湖州师范学院 | 一种网络控制系统故障检测方法 |
CN106933097A (zh) * | 2017-05-15 | 2017-07-07 | 青岛科技大学 | 一种基于多层优化pcc‑sdg的化工过程故障诊断方法 |
CN107192964A (zh) * | 2017-06-27 | 2017-09-22 | 福州大学 | 基于模型预测的三相逆变器故障在线诊断方法 |
CN107490964A (zh) * | 2017-08-17 | 2017-12-19 | 杭州电子科技大学 | 一种基于特征证据离散化的旋转机械故障特征约简方法 |
CN107727253A (zh) * | 2017-09-25 | 2018-02-23 | 国家电网公司 | 基于无源无线测温装置的报警温度阈值判定及报警方法 |
CN107831662A (zh) * | 2017-11-13 | 2018-03-23 | 辽宁石油化工大学 | 针对存在执行器故障的间歇过程随机2d控制器设计方法 |
Non-Patent Citations (6)
Title |
---|
ANALYSIS OF OBSERVER-BASED FAULT TOLERANT CONTROL SYSTEMS WITH MARKOVIAN PARAMETERS;Gao Fei and Zhang Hong-yue;《A Proceedings Volume from the 6th IFAC Symposium》;20071231;第552-556页 * |
Event-triggered H ∞ control for networked discrete-time Markov jump systems with repeated scalar nonlinearities;xiaona Song etal;《Applied Mathematics and Computation》;20171231;第123-132页 * |
FINITE-TIME H∞ CONTROL FOR A CLASS OF MARKOVIAN JUMPING NEURAL NETWORKS WITH DISTRIBUTED TIME VARYING DELAYS-LMI APPROACH;P. BASKAR etal;《Acta Mathematica Scientia》;20180331;第561-579页 * |
Mixed H-Infinity and Passive Filtering for Discrete Fuzzy Neural Networks With Stochastic Jumps and Time Delays;Peng Shi etal;《IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS》;20161231;第903-909页 * |
基于置信规则库推理的证据滤波报警器设计;徐海洋等;《山东科技大学学报》;20170831;第45-50页 * |
控制领域的故障系统状态估计研究综述;鲍汉东等;《计算机应用研究》;20171231;第3527-3533页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108572552A (zh) | 2018-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108572552B (zh) | 一种基于故障报警的混合无源/h∞的混杂控制方法 | |
Long et al. | Adaptive output-feedback neural control of switched uncertain nonlinear systems with average dwell time | |
Wang et al. | Observer-based event-triggered adaptive fuzzy control for leader-following consensus of nonlinear strict-feedback systems | |
Cao et al. | Observer-based event-triggered adaptive decentralized fuzzy control for nonlinear large-scale systems | |
Zhang et al. | Input—Output approach to control for fuzzy Markov jump systems with time-varying delays and uncertain packet dropout rate | |
Ren et al. | Stability analysis of impulsive stochastic nonlinear systems | |
Tong et al. | Observer-based adaptive decentralized fuzzy fault-tolerant control of nonlinear large-scale systems with actuator failures | |
Yan et al. | Event-triggered $ H_\infty $ state estimation of 2-DOF quarter-car suspension systems with nonhomogeneous markov switching | |
Tong et al. | Fuzzy adaptive output feedback control of MIMO nonlinear systems with partial tracking errors constrained | |
Gao et al. | IBLF-based adaptive neural control of state-constrained uncertain stochastic nonlinear systems | |
Wu et al. | Neural-based adaptive control for nonlinear systems with quantized input and the output constraint | |
Zhang et al. | Adaptive fuzzy finite-time output-feedback fault-tolerant control of nonstrict-feedback systems against actuator faults | |
Chen et al. | Observer-based sensor fault-tolerant control for semi-Markovian jump systems | |
Lu et al. | A switching anti-windup design using multiple Lyapunov functions | |
Pang et al. | Resilient nonlinear control for attacked cyber-physical systems | |
Zhao et al. | Composite finite-time resilient control for cyber-physical systems subject to actuator attacks | |
Zhang et al. | Prescribed performance adaptive neural output feedback dynamic surface control for a class of strict‐feedback uncertain nonlinear systems with full state constraints and unmodeled dynamics | |
Shen et al. | Robust composite H∞ synchronization of Markov jump reaction–diffusion neural networks via a disturbance observer-based method | |
Yadegar et al. | An output‐feedback adaptive control architecture for mitigating actuator attacks in cyber‐physical systems | |
Yong et al. | Hybrid estimation strategy-based anti-disturbance control for nonlinear systems | |
Azarbahram et al. | Event-triggered tracking formation of networked nonlinear intelligent transportation systems surrounded by random disturbances | |
Fei et al. | A discontinuous Lyapunov function approach for hybrid event-triggered control of T–S fuzzy systems | |
Yang et al. | Event-triggered output feedback containment control for a class of stochastic nonlinear multi-agent systems | |
Vallabhan et al. | An analytical framework for analysis and design of networked control systems with random delays and packet losses | |
Tang et al. | Adaptive fuzzy constraint control for switched nonlinear systems in nonstrict feedback form |
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 |