CN110058124B - 线性离散时滞系统的间歇故障检测方法 - Google Patents

线性离散时滞系统的间歇故障检测方法 Download PDF

Info

Publication number
CN110058124B
CN110058124B CN201910339620.0A CN201910339620A CN110058124B CN 110058124 B CN110058124 B CN 110058124B CN 201910339620 A CN201910339620 A CN 201910339620A CN 110058124 B CN110058124 B CN 110058124B
Authority
CN
China
Prior art keywords
time
intermittent fault
discrete time
intermittent
residual
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
Application number
CN201910339620.0A
Other languages
English (en)
Other versions
CN110058124A (zh
Inventor
盛立
张森
高明
周东华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Petroleum East China
Shandong University of Science and Technology
Original Assignee
China University of Petroleum East China
Shandong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Petroleum East China, Shandong University of Science and Technology filed Critical China University of Petroleum East China
Priority to CN201910339620.0A priority Critical patent/CN110058124B/zh
Publication of CN110058124A publication Critical patent/CN110058124A/zh
Application granted granted Critical
Publication of CN110058124B publication Critical patent/CN110058124B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08Locating faults in cables, transmission lines, or networks
    • G01R31/088Aspects of digital computing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Relating To Insulation (AREA)
  • Complex Calculations (AREA)

Abstract

本发明涉及一种线性离散时滞系统的间歇故障检测方法,其步骤为:根据线性离散时滞系统的特点,引入虚拟输入和虚拟输出,构建一个线性降维离散时滞系统,利用提升法将线性降维离散时滞系统转化为线性降维离散定常系统;在设计状态观测器的基础上,通过引入滑动时间窗口来构造截断式残差,对截断式残差的统计特性进行分析;利用两个假设检验来分别设定间歇故障发生时刻和消失时刻的检测阈值,并对间歇故障的幅值进行估计及对间歇故障的可检测性问题进行分析。本发明基于提升法和设计的状态观测器,通过引入滑动窗口,设计一种新的截断式残差,能够定量的描述间歇故障检测过程,能够及时有效的实现间歇故障的检测,提高故障检测率,降低故障误报率和漏报率。

Description

线性离散时滞系统的间歇故障检测方法
技术领域
本发明属于工业系统间歇故障诊断技术领域,具体地说,涉及一种线性离散时滞系统的间歇故障检测方法。
背景技术
随着计算机技术和控制理论的发展,现代工业控制系统变得更加大型化、复杂化和智能化,各个子系统之间的信息传递总会存在时间上的延迟。因此,如何提高工业时滞系统的安全性和可靠性一直是工业安全生产的重要研究课题。经过相关领域学者们的深入研究,时滞系统故障诊断方法大致分成了基于模型、基于数据驱动和基于历史经验的三大类方法。与其他两种时滞系统故障诊断方法相比较,基于模型的时滞系统故障诊断方法具有耗费低、性能良好、应用范围广等特点。因此,基于模型的时滞系统故障诊断方法越来越多的被应用于工业时滞系统故障诊断领域。
现有的基于模型的时滞系统故障诊断方法大都针对的是永久故障,而在间歇故障诊断方面的相关理论成果较少。间歇故障是指一类持续时间短,可以反复出现,未经外部任何修正措施可以自行消失的故障。在实际工业系统中,间歇故障普遍存在于电力系统、电磁系统和化工系统中。例如:随着电力系统运行时间的增加,电弧故障的幅值和活跃时间也会逐渐增加,最终可能导致重大电力事故的发生。因而,及时地检测出间隙故障并采取有效的防护措施对保障工业过程安全、高效运行具有重要意义。由于时滞系统的时滞性和间歇故障的随机性,利用传统的时滞系统的故障检测方法难以检测间歇故障,且检测效果差。
发明内容
本发明针对现有故障检测方法检测时滞系统的间歇故障时存在检测效果差的问题,提供一种线性离散时滞系统的间歇故障检测方法,该方法能够有效检测间歇故障的发生时刻和消失时刻,及时有效的实现间歇故障检测,提高故障检测率,降低故障误报率。
为了达到上述目的,本发明提供了一种线性离散时滞系统的间歇故障检测方法,含有以下步骤:
(一)任意选取一个线性离散时滞系统,引入虚拟输入η(k)和虚拟输出ρ(k),建立一个新的降维线性离散时滞系统,依据该线性离散时滞系统的特点,利用提升法将降维线性离散时滞系统转化为降维线性定常系统;
(二)基于新的降维线性定常系统,设计状态观测器
Figure GDA0003062324730000021
并得到误差动态系统的状态表达式e(k+1),通过降维线性定常系统的输出和状态估计来构建传统残差r(k);
(三)在传统残差r(k)的基础上,引入滑动时间窗口Δk,构建截断式残差r(k,Δk),定义标量残差Γr(k,Δk)作为最终检测间歇故障的残差,并计算其均值E(Γr(k,Δk))和方差σ2(k,Δk)的统计特性;
(四)给定显著性水平γ和显著性水平θ,利用两个假设检验分别设定间歇故障发生时刻kqa的检测阈值为
Figure GDA0003062324730000022
和消失时刻kqd的检测阈值为
Figure GDA0003062324730000023
将标量残差曲线与检测阈值
Figure GDA0003062324730000024
或检测阈值
Figure GDA0003062324730000025
相比较,如果超出检测阈值
Figure GDA0003062324730000026
或检测阈值
Figure GDA0003062324730000027
则认为发生或消失间歇故障;
(五)对标量残差Γr(k,Δk)进行变换构建残差
Figure GDA0003062324730000028
通过残差
Figure GDA0003062324730000029
估计间歇故障的幅值,并得到间歇故障的发生时刻的误报率和漏报率以及间歇故障的消失时刻的误报率和漏报率。
进一步的,步骤(一)中,建立降维线性时滞系统的具体步骤为:
选取的线性离散时滞系统为:
Figure GDA00030623247300000210
式中,x(k)∈Rn表示线性离散时滞系统的状态,u(k)∈Rm表示线性离散时滞系统的输入,y(k)∈Rp表示线性离散时滞系统的输出,l∈N表示线性离散时滞系统的时滞,f(k)∈R表示线性离散时滞系统的故障,w(k)∈Rn表示线性离散时滞系统的系统噪声,v(k)∈Rp表示线性离散时滞系统的量测噪声;A∈Rn×n,Ad∈Rn×n,B∈Rn×m,C∈Rp×n且C=[0 Ip],F∈Rn×1均表示线性离散时滞系统的参数矩阵;
根据输出矩阵C的形式,假设
Figure GDA00030623247300000211
则公式(1)可被写为:
Figure GDA00030623247300000212
引入虚拟输入η(k)和虚拟输出ρ(k),虚拟输入η(k)和虚拟输出ρ(k)表示为:
Figure GDA0003062324730000031
建立一个新的降维线性离散时滞系统为:
Figure GDA0003062324730000032
进一步的,步骤(一)中,利用提升法将降维线性离散时滞系统转化为降维线性定常系统的具体方法为:将公式(4)所述降维线性离散时滞系统的状态、故障、噪声从当前时刻k到(k-l)时刻进行增广,得到增广后的系统为:
Figure GDA0003062324730000033
式中,
Figure GDA0003062324730000034
Figure GDA0003062324730000035
Figure GDA0003062324730000036
Figure GDA0003062324730000037
表示维数为n-p的单位阵,
Figure GDA0003062324730000038
Figure GDA0003062324730000039
Figure GDA00030623247300000310
增广后的系统即为降维线性定常系统。
进一步的,步骤(二)中,所述状态观测器的表达式为:
Figure GDA00030623247300000311
式中,L表示待设计的观测器增益矩阵;
根据公式(4)和(5)得到误差动态系统的状态表达式e(k+1)为:
Figure GDA00030623247300000312
通过降维线性定常系统的输出和状态估计来构建传统残差r(k),传统残差r(k)表示为:
Figure GDA0003062324730000041
联立公式(6)、(7)、(8),得到残差动态方程为:
Figure GDA0003062324730000042
式中,
Figure GDA0003062324730000043
Figure GDA0003062324730000044
Figure GDA0003062324730000045
进一步的,步骤(三)中,基于传统残差动态方程(9),引入滑动时间窗口Δk,构建如下截断式残差r(k,Δk):
Figure GDA0003062324730000046
将标量残差Γr(k,Δk)改写为:
Figure GDA0003062324730000047
根据均方黎曼积分的定义,得到E[P2(k,Δk)]=E[P3(k,Δk)]=0,根据公式(12)计算公式(11)各自的方差,公式(12)表示为:
Figure GDA0003062324730000048
进一步的,步骤(四)中,利用两个假设检验分别设定间歇故障发生时刻kqa的检测阈值和间歇故障消失时刻kqd的检测阈值的具体步骤为:令方差σ2(k,Δk)=VarP2(k,Δk)+VarP3(k,Δk),当间歇故障与滑动窗口没有交集时,标量残差Γr(k,Δk)的均值为零,则间歇故障发生时刻kqa用以下的假设检验进行检测:
Figure GDA0003062324730000052
对于给定的显著性水平γ,得到间歇故障发生时刻kqa的检测阈值
Figure GDA0003062324730000053
当滑动窗口完全处于间歇故障内时,标量残差Γr(k,Δk)的均值为定值,令
Figure GDA0003062324730000054
式中,Ni表示N的i次幂,mq表示间歇故障的幅值;
考虑到故障幅值存在一个最小值λ,定义
Figure GDA0003062324730000055
则间歇故障的消失时刻kqd用以下的假设检验进行检测:
Figure GDA0003062324730000056
对于给定的显著性水平θ,得到间歇故障消失时刻kqd的检测阈值±(φ(Δk)-Hθσ(k,Δk))。
进一步的,步骤(五)中,对标量残差Γr(k,Δk)进行变换构建的残差
Figure GDA0003062324730000057
表示为:
Figure GDA0003062324730000058
通过残差
Figure GDA0003062324730000059
估计间歇故障的幅值mq
则有,
间歇故障发生时刻的漏报率为:
Figure GDA00030623247300000510
间歇故障发生时刻的误报率为:
Figure GDA00030623247300000511
间歇故障消失时刻的漏报率为:
Figure GDA00030623247300000512
间歇故障消失时刻的误报率分别为:
Figure GDA00030623247300000513
与现有技术相比,本发明的有益效果在于:
本发明提供的检测方法,直接利用提升法通过扩张维数将线性离散时滞系统转化为一般线性离散系统,消除时滞的影响;设计状态观测器并引入滑动窗口来构建截断式残差,得到的截断式残差只包含故障信息和噪声两部分,根据滑动时间窗口和间歇故障的相对位置,对截断式残差的统计特性进行分析,给定显著性水平,计算间歇故障检测阈值,并在此基础上实现故障幅值的估计,最后分析间歇故障的误报率和漏报率。与现有技术相比,本发明提供的检测方法针对时滞系统中的间歇故障,充分考虑系统的时滞性,间歇故障随机性、间歇性和反复性等特性,在传统残差的基础上,通过引入一个滑动时间窗口,构建一类新的截断式残差对间歇故障进行检测,能够及时有效检测间歇故障的发生时刻和消失时刻,实现间歇故障的检测,有效提高故障检测率,降低误报率,防止间歇故障逐渐累积演变为永久故障,从而保证时滞系统安全、高效地运行。
附图说明
图1为本发明所述线性离散时滞系统的间歇故障检测方法的流程图;
图2为本发明所述线性离散时滞系统的间歇故障检测方法构建截断式残差的流程图;
图3为本发明所述线性离散时滞系统的间歇故障检测方法故障检测和分析的流程图;
图4为本发明所述线性离散时滞系统的间歇故障检测方法基于matlab工具数值仿真模拟产生间歇故障示意图;
图5为传统残差和本发明构建的截断式残差对于基于matlab工具数值仿真模拟产生的间歇故障的检测结果示意图;
图6为本发明所述线性离散时滞系统的间歇故障检测方法对基于matlab工具数值仿真模拟产生间歇故障的幅值估计结果示意图;
图7为本发明所述线性离散时滞系统的间歇故障检测方法对基于matlab工具数值仿真模拟产生间歇故障的最终检测结果示意图。
具体实施方式
下面,通过示例性的实施方式对本发明进行具体描述。然而应当理解,在没有进一步叙述的情况下,一个实施方式中的元件、结构和特征也可以有益地结合到其他实施方式中。
由于间歇故障具有随机发生和消失的特点,如果在一定时间域上假设故障的幅值为定值,那么可以根据滑动窗口与间歇故障的相对位置关系定量的计算出滑动窗口与间歇故障相交的面积,通过利用两个假设检验,可以精确的计算出间歇故障的发生时刻和消失时刻。
本发明揭示了一种线性离散时滞系统的间歇故障检测方法,该方法采用提升法首先将线性离散时滞系统转换为线性离散非时滞系统,在传统残差的基础上,通过引入一个滑动时间窗口,构建一类新的截断式残差对间歇故障进行检测,参见图1,其含有以下步骤:
S101、任意选取一个线性离散时滞系统,引入虚拟输入η(k)和虚拟输出ρ(k),建立一个新的降维线性离散时滞系统,依据该线性离散时滞系统的特点,利用提升法将降维线性离散时滞系统转化为降维线性定常系统;
S102、基于新的降维线性定常系统,设计状态观测器
Figure GDA0003062324730000071
并得到误差动态系统的状态表达式e(k+1),通过降维线性定常系统的输出和状态估计来构建传统残差r(k);
S103、在传统残差r(k)的基础上,引入滑动时间窗口Δk,构建截断式残差r(k,Δk),定义标量残差Γr(k,Δk)作为最终检测间歇故障的残差,并计算其均值E(Γr(k,Δk))和方差σ2(k,Δk)的统计特性;
S104、给定显著性水平γ和显著性水平θ,利用两个假设检验分别设定间歇故障发生时刻kqa的检测阈值为
Figure GDA0003062324730000072
和消失时刻kqd的检测阈值为
Figure GDA0003062324730000073
将标量残差曲线与检测阈值
Figure GDA0003062324730000074
或检测阈值
Figure GDA0003062324730000075
相比较,如果超出检测阈值
Figure GDA0003062324730000076
或检测阈值
Figure GDA0003062324730000077
则认为发生或消失间歇故障;
S105、对标量残差Γr(k,Δk)进行变换构建残差
Figure GDA0003062324730000078
通过残差
Figure GDA0003062324730000079
估计间歇故障的幅值,并得到间歇故障的发生时刻的误报率和漏报率以及间歇故障的消失时刻的误报率和漏报率。
步骤S101、S102、S103为截断式残差设计过程,步骤S104、S105为在线检测与分析过程。
参见图2,本发明上述检测方法中截断式残差设计过程的具体步骤为:
S201、任意选取一个线性离散时滞系统,引入虚拟输入η(k)和虚拟输出ρ(k),建立一个新的降维线性离散时滞系统,其具体步骤为:
选取的线性离散时滞系统为:
Figure GDA00030623247300000710
式中,x(k)∈Rn表示线性离散时滞系统的状态,u(k)∈Rm表示线性离散时滞系统的输入,y(k)∈Rp表示线性离散时滞系统的输出,l∈N表示线性离散时滞系统的时滞,f(k)∈R表示线性离散时滞系统的故障,w(k)∈Rn表示线性离散时滞系统的系统噪声,v(k)∈Rp表示线性离散时滞系统的量测噪声;A∈Rn×n,Ad∈Rn×n,B∈Rn×m,C∈Rp×n且C=[0 Ip],F∈Rn×1均表示线性离散时滞系统的参数矩阵;
根据输出矩阵C的形式,假设
Figure GDA0003062324730000081
则公式(1)可被写为:
Figure GDA0003062324730000082
引入虚拟输入η(k)和虚拟输出ρ(k),虚拟输入η(k)和虚拟输出ρ(k)表示为:
Figure GDA0003062324730000083
建立一个新的降维线性离散时滞系统为:
Figure GDA0003062324730000084
S202、利用提升法将降维线性离散时滞系统转化为降维线性定常系统,其具体方法为:将公式(4)所述降维线性离散时滞系统的状态、故障、噪声从当前时刻k到(k-l)时刻进行增广,得到增广后的系统为:
Figure GDA0003062324730000085
式中,
Figure GDA0003062324730000086
Figure GDA0003062324730000087
Figure GDA0003062324730000088
Figure GDA0003062324730000089
表示维数为n-p的单位阵,
Figure GDA0003062324730000091
Figure GDA0003062324730000092
Figure GDA0003062324730000093
增广后的系统即为降维线性定常系统。
具体地说,本发明中所述提升法是指扩张系统维数的方法,也就是说,通过扩张系统维数将降维线性离散时滞系统转化为降维线性定常系统,消除时滞的影响,将时滞系统转化为线性定常系统。
S203、基于新的降维线性定常系统,设计状态观测器
Figure GDA0003062324730000094
所述状态观测器的表达式为:
Figure GDA0003062324730000095
式中,L表示待设计的状态观测器增益矩阵;
根据公式(4)和(5)得到误差动态系统的状态表达式e(k+1)为:
Figure GDA0003062324730000096
通过降维线性定常系统的输出和状态估计来构建传统残差r(k),传统残差r(k)表示为:
Figure GDA0003062324730000097
联立公式(6)、(7)、(8),得到残差动态方程为:
Figure GDA0003062324730000098
式中,
Figure GDA0003062324730000099
Figure GDA00030623247300000910
Figure GDA00030623247300000911
S204、基于传统残差动态方程(9),引入滑动时间窗口Δk,构建如下截断式残差r(k,Δk):
Figure GDA0003062324730000101
考虑到间歇故障的系数矩阵形式,定义标量残差Γr(k,Δk)作为最终检测间歇故障的残差,并计算其均值E(Γr(k,Δk))和方差σ2(k,Δk)的统计特性,将标量残差Γr(k,Δk)改写为:
Figure GDA0003062324730000102
由于高斯白噪声
Figure GDA0003062324730000103
Figure GDA0003062324730000104
都是服从高斯分布的,根据均方黎曼积分的定义,得到E[P2(k,Δk)]=E[P3(k,Δk)]=0,根据公式(12)计算公式(11)各自的方差,公式(12)表示为:
Figure GDA0003062324730000105
参见图3,本发明上述检测方法中在线检测与分析过程的具体步骤为:
S301、给定显著性水平γ和显著性水平θ,利用两个假设检验分别设定间歇故障发生时刻kqa的检测阈值和间歇故障消失时刻kqd的检测阈值,其具体步骤为:令方差σ2(k,Δk)=VarP2(k,Δk)+VarP3(k,Δk),当间歇故障与滑动窗口没有交集时,标量残差Γr(k,Δk)的均值为零,则间歇故障发生时刻kqa用以下的假设检验进行检测:
Figure GDA0003062324730000111
对于给定的显著性水平γ,得到间歇故障发生时刻kqa的检测阈值
Figure GDA0003062324730000112
当滑动窗口完全处于间歇故障内时,标量残差Γr(k,Δk)的均值为定值,令
Figure GDA0003062324730000113
式中,Ni表示N的i次幂,mq表示间歇故障的幅值;
考虑到故障幅值存在一个最小值λ,定义
Figure GDA0003062324730000114
则间歇故障的消失时刻kqd用以下的假设检验进行检测:
Figure GDA0003062324730000115
对于给定的显著性水平θ,得到间歇故障消失时刻kqd的检测阈值±(φ(Δk)-Hθσ(k,Δk))。
根据上述两个假设检验得到的检测阈值,将标准量残差曲线与检测阈值相比较,若超出间歇故障发生时刻kqa的检测阈值
Figure GDA0003062324730000116
则认为发生间歇故障,若超出间歇故障消失时刻kqd的检测阈值±(φ(Δk)-Hθσ(k,Δk)),则认为消失间歇故障。
S302、由于标量残差Γr(k,Δk)是服从正态分布的,通过正态分布的特性对标量残差Γr(k,Δk)进行变换构建的残差
Figure GDA0003062324730000117
表示为:
Figure GDA0003062324730000118
通过残差
Figure GDA0003062324730000119
估计间歇故障的幅值mq;由于构建的残差
Figure GDA00030623247300001110
只与间歇故障的幅值mq有关,能够很好的反应故障的变化趋势,从而达到了估计间歇故障的幅值mq的目的。
S303、基于以上分析,则有,
间歇故障发生时刻的漏报率为:
Figure GDA00030623247300001111
间歇故障发生时刻的误报率为:
Figure GDA00030623247300001112
间歇故障消失时刻的漏报率为:
Figure GDA00030623247300001113
间歇故障消失时刻的误报率分别为:
Figure GDA0003062324730000121
本发明提供的上述检测方法,通过引入虚拟输入和虚拟输出并利用提升法将线性离散时滞系统化为一般线性离散系统,通过引入滑动时间窗口设计截断式残差,得到的截断式残差只包含故障信息和噪声两部分,根据滑动时间窗口和间歇故障的相对位置关系,对截断式残差的统计特性进行分析,对于给定显著性水平计算间歇故障检测阈值,并在此基础上实现对故障幅值的估计,最后分析间歇故障的误报率和漏报率。本发明检测方法针对时滞系统中的间歇故障,充分考虑时滞系统的时滞性,间歇故障随机性、间歇性和反复性等特性,基于提升法和传统的降维观测器(即状态观测器
Figure GDA0003062324730000125
),通过引入滑动时间窗口,设计新的截断式残差,能能够定量的描述间歇故障检测过程,够及时有效地实现间歇故障的检测,有效提高故障检测率,降低误报率,防止间隙故障逐渐累积演变为永久故障,从而保证时滞系统安全、高效地运行。
为了能更清楚地说明本发明上述故障检测方法的有益效果,以下结合具体实施例对本发明上述故障分类方法做出进一步说明。
实施例:
Williams-Otto过程具有很多典型化工过程特性,现被广泛用于检验化工控制算法和过程监控方法的优劣。Williams-Otto过程主要包括一个搅拌槽反应器和一个包含冷却器、换瓶器和蒸馏塔的分离系统组成。在本实施例中,假设模型的四个状态分别代表两种原材料的重量、中间产物和目标产物。
选取的线性离散时滞系统如下:
Figure GDA0003062324730000122
式中,
Figure GDA0003062324730000123
Figure GDA0003062324730000124
根据输出矩阵C,将公式(1)所述线性离散时滞系统重新写为如下一个新的线性离散时滞系统:
Figure GDA0003062324730000131
引入虚拟输入η(k)和虚拟输出ρ(k),虚拟输入η(k)和虚拟输出ρ(k)表示为:
Figure GDA0003062324730000132
建立一个新的降维线性离散时滞系统为:
Figure GDA0003062324730000133
利用提升法,将公式(4)所述线性离散时滞系统的状态、故障、噪声从当前时刻k到(k-l)时刻进行增广,为方便计算,假设时滞步数为l=2,得到增广后的系统为:
Figure GDA0003062324730000134
设计状态观测器
Figure GDA0003062324730000135
来估计系统状态
Figure GDA0003062324730000136
其中,状态观测器
Figure GDA0003062324730000137
表达式如下:
Figure GDA0003062324730000138
其中:
Figure GDA0003062324730000139
根据公式(4)和公式(5)得到误差动态系统的状态表达式e(k+1)表示为:
Figure GDA00030623247300001310
通过降维线性定常系统的输出和状态估计来构建传统残差r(k):
Figure GDA0003062324730000141
联立公式(6)、(7)、(8),得到残差动态方程为:
Figure GDA0003062324730000142
式中,
Figure GDA0003062324730000143
Figure GDA0003062324730000144
Figure GDA0003062324730000145
基于传统残差动态方程(9),通过引入滑动时间窗口Δk,构建如下截断式残差r(k,Δk):
Figure GDA0003062324730000146
考虑到间歇故障的系数矩阵形式,定义标量残差Γr(k,Δk)作为最终检测间歇故障的残差,并计算其均值E(Γr(k,Δk))和方差σ2(k,Δk)的统计特性,将标量残差改写为:
Figure GDA0003062324730000147
由于高斯白噪声
Figure GDA0003062324730000148
Figure GDA0003062324730000149
都是服从高斯分布的,根据均方黎曼积分的定义,得到E[P2(k,Δk)]=E[P3(k,Δk)]=0,根据公式(12)计算公式(11)各自的方差,公式(12)表示为:
Figure GDA0003062324730000151
给定显著性水平γ=0.05和θ=0.05,利用两个假设检验分别设定间歇故障发生时刻kqa和消失时刻kqd的检测阈值,令σ2(k,Δk)=VarP2(k,Δk)+VarP3(k,Δk),当间歇故障与滑动窗口没有交集时,标量残差的均值为零,则间歇故障发生时刻kqa用以下的假设检验进行检测:
Figure GDA0003062324730000152
对于给定的显著性水平γ,得到间歇故障发生时刻kqa的检测阈值
Figure GDA0003062324730000153
当滑动窗口完全处于间歇故障内时,标量残差的均值为定值,令:
Figure GDA0003062324730000154
式中,Ni表示N的i次幂,mq表示间歇故障的幅值;
考虑到故障幅值存在一个最小值λ=1.1,定义
Figure GDA0003062324730000155
则间歇故障消失时刻kqd用以下的假设检验进行检测:
Figure GDA0003062324730000156
对于给定的显著性水平θ,得到间歇故障消失时刻kqd的检测阈值±(φ(Δk)-Hθσ(k,Δk))。
根据上述两个假设检验得到的检测阈值,将标准量残差曲线与检测阈值相比较,若超出间歇故障发生时刻kqa的检测阈值
Figure GDA0003062324730000157
则认为发生间歇故障,若超出间歇故障消失时刻kqd的检测阈值±(φ(Δk)-Hθσ(k,Δk)),则认为消失间歇故障。
通过正态分布的特性对标量残差Γr(k,Δk)进行变换构建的残差
Figure GDA0003062324730000158
表示为:
Figure GDA0003062324730000161
由于构建的残差
Figure GDA0003062324730000162
只与故障幅值有关,因此,新残差可以很好的反映故障的变化趋势,从而达到故障幅值估计的目的。
基于以上的分析,得到间歇故障发生时刻的漏报率和误报率以及间歇故障消失时刻的漏报率和误报率分别为:
间歇故障发生时刻的误报率:
Figure GDA0003062324730000163
间歇故障
Figure GDA0003062324730000164
发生时刻的漏报率:
Figure GDA0003062324730000165
间歇故障消失时刻的误报率:
Figure GDA0003062324730000166
间歇故障消失时刻的漏报率:
Figure GDA0003062324730000167
间歇故障的形式如图4所示,其中间歇故障的最小持续时间为100步,最小间隔时间为110步,间歇故障幅值最小值为1.1。为了更好的说明本发明所述检测方法的效果,将通过传统的残差故障检测方法和本发明所提出的基于滑动窗口的方法进行了对比。图5直观的显示出本发明的方法对间歇故障的有效性,当第一个间歇故障发生时,传统残差和截断式残差都能快速的检测出故障发生的时间,而当故障消失后,截断式残差能够很快的降到检测阈值之下,而传统残差无法快速降到阈值之下,因此无法有效的检测消失时刻,最终这种方法会失效。图6为采用故障幅值估计后的间歇故障检测结果,图5虽然显示了截断式残差检测间歇故障发生时刻和消失时刻的优越性,但是对间歇故障的幅值没有做到很好的估计,图6弥补了这一不足。图7是最终的间歇故障检测结果,从图7中可以看出,本发明提出的检测方法不仅能及时的检测出间歇故障的发生时刻和消失时刻,还能对故障的幅值进行估计,反映出本方法的优越性和实用性。
以上所举实施例仅用为方便举例说明本发明,并非对本发明保护范围的限制,在本发明所述技术方案范畴,所属技术领域的技术人员所作各种简单变形与修饰,均应包含在以上申请专利范围中。

Claims (7)

1.一种线性离散时滞系统的间歇故障检测方法,其特征在于,含有以下步骤:
(一)任意选取一个线性离散时滞系统,引入虚拟输入η(k)和虚拟输出ρ(k),建立一个新的降维线性离散时滞系统,依据该线性离散时滞系统的特点,利用提升法将降维线性离散时滞系统转化为降维线性定常系统;
(二)基于新的降维线性定常系统,设计状态观测器
Figure FDA0003062324720000011
并得到误差动态系统的状态表达式e(k+1),通过降维线性定常系统的输出和状态估计来构建传统残差r(k);
(三)在传统残差r(k)的基础上,引入滑动时间窗口Δk,构建截断式残差r(k,Δk),定义标量残差Γr(k,Δk)作为最终检测间歇故障的残差,并计算其均值E(Γr(k,Δk))和方差σ2(k,Δk)的统计特性;
(四)给定显著性水平γ和显著性水平θ,利用两个假设检验分别设定间歇故障发生时刻kqa的检测阈值为
Figure FDA0003062324720000012
和消失时刻kqd的检测阈值为
Figure FDA0003062324720000013
将标量残差曲线与检测阈值
Figure FDA0003062324720000014
或检测阈值
Figure FDA0003062324720000015
相比较,如果超出检测阈值
Figure FDA0003062324720000016
或检测阈值
Figure FDA0003062324720000017
则认为发生或消失间歇故障;
(五)对标量残差Γr(k,Δk)进行变换构建残差
Figure FDA0003062324720000018
通过残差
Figure FDA0003062324720000019
估计间歇故障的幅值,并得到间歇故障的发生时刻的误报率和漏报率以及间歇故障的消失时刻的误报率和漏报率。
2.如权利要求1所述的线性离散时滞系统的间歇故障检测方法,其特征在于,步骤(一)中,建立降维线性时滞系统的具体步骤为:
选取的线性离散时滞系统为:
Figure FDA00030623247200000110
式中,x(k)∈Rn表示线性离散时滞系统的状态,u(k)∈Rm表示线性离散时滞系统的输入,y(k)∈Rp表示线性离散时滞系统的输出,l∈N表示线性离散时滞系统的时滞,f(k)∈R表示线性离散时滞系统的故障,w(k)∈Rn表示线性离散时滞系统的系统噪声,v(k)∈Rp表示线性离散时滞系统的量测噪声;A∈Rn×n,Ad∈Rn×n,B∈Rn×m,C∈Rp×n且C=[0 Ip],F∈Rn×1均表示线性离散时滞系统的参数矩阵;
根据输出矩阵C的形式,则公式(1)可被写为:
Figure FDA0003062324720000021
引入虚拟输入η(k)和虚拟输出ρ(k),虚拟输入η(k)和虚拟输出ρ(k)表示为:
Figure FDA0003062324720000022
建立一个新的降维线性离散时滞系统为:
Figure FDA0003062324720000023
3.如权利要求2所述的线性离散时滞系统的间歇故障检测方法,其特征在于,步骤(一)中,利用提升法将降维线性离散时滞系统转化为降维线性定常系统的具体方法为:将公式(4)所述降维线性离散时滞系统的状态、故障、噪声从当前时刻k到(k-l)时刻进行增广,得到增广后的系统为:
Figure FDA0003062324720000024
式中,
Figure FDA0003062324720000025
Figure FDA0003062324720000026
Figure FDA0003062324720000027
Figure FDA0003062324720000028
表示维数为n-p的单位阵,
Figure FDA0003062324720000029
Figure FDA00030623247200000210
Figure FDA00030623247200000211
增广后的系统即为降维线性定常系统。
4.如权利要求3所述的线性离散时滞系统的间歇故障检测方法,其特征在于,步骤(二)中,所述状态观测器的表达式为:
Figure FDA0003062324720000031
式中,L表示待设计的状态观测器增益矩阵;
根据公式(4)和(5)得到误差动态系统的状态表达式e(k+1)为:
Figure FDA0003062324720000032
通过降维线性定常系统的输出和状态估计来构建传统残差r(k),传统残差r(k)表示为:
Figure FDA0003062324720000033
联立公式(6)、(7)、(8),得到残差动态方程为:
Figure FDA0003062324720000034
式中,
Figure FDA0003062324720000035
Figure FDA0003062324720000036
Figure FDA0003062324720000037
5.如权利要求4所述的线性离散时滞系统的间歇故障检测方法,其特征在于,步骤(三)中,基于传统残差动态方程(9),引入滑动时间窗口Δk,构建如下截断式残差r(k,Δk):
Figure FDA0003062324720000038
将标量残差Γr(k,Δk)改写为:
Figure FDA0003062324720000039
根据均方黎曼积分的定义,得到E[P2(k,Δk)]=E[P3(k,Δk)]=0,根据公式(12)计算公式(11)各自的方差,公式(12)表示为:
Figure FDA0003062324720000041
6.如权利要求5所述的线性离散时滞系统的间歇故障检测方法,其特征在于,步骤(四)中,利用两个假设检验分别设定间歇故障发生时刻kqa的检测阈值和间歇故障消失时刻kqd的检测阈值的具体步骤为:令方差σ2(k,Δk)=VarP2(k,Δk)+VarP3(k,Δk),当间歇故障与滑动窗口没有交集时,标量残差Γr(k,Δk)的均值为零,则间歇故障发生时刻kqa用以下的假设检验进行检测:
Figure FDA0003062324720000042
对于给定的显著性水平γ,得到间歇故障发生时刻kqa的检测阈值
Figure FDA0003062324720000043
当滑动窗口完全处于间歇故障内时,标量残差Γr(k,Δk)的均值为定值,令
Figure FDA0003062324720000044
式中,Ni表示N的i次幂,mq表示间歇故障的幅值;
考虑到故障幅值存在一个最小值λ,定义
Figure FDA0003062324720000045
则间歇故障的消失时刻kqd用以下的假设检验进行检测:
Figure FDA0003062324720000046
对于给定的显著性水平θ,得到间歇故障消失时刻kqd的检测阈值±(φ(Δk)-Hθσ(k,Δk))。
7.如权利要求6所述的线性离散时滞系统的间歇故障检测方法,其特征在于,步骤(五)中,对标量残差Γr(k,Δk)进行变换构建的残差
Figure FDA0003062324720000051
表示为:
Figure FDA0003062324720000052
通过残差
Figure FDA0003062324720000053
估计间歇故障的幅值mq
则有,
间歇故障发生时刻的漏报率为:
Figure FDA0003062324720000054
间歇故障发生时刻的误报率为:
Figure FDA0003062324720000055
间歇故障消失时刻的漏报率为:
Figure FDA0003062324720000056
间歇故障消失时刻的误报率分别为:
Figure FDA0003062324720000057
CN201910339620.0A 2019-04-25 2019-04-25 线性离散时滞系统的间歇故障检测方法 Active CN110058124B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910339620.0A CN110058124B (zh) 2019-04-25 2019-04-25 线性离散时滞系统的间歇故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910339620.0A CN110058124B (zh) 2019-04-25 2019-04-25 线性离散时滞系统的间歇故障检测方法

Publications (2)

Publication Number Publication Date
CN110058124A CN110058124A (zh) 2019-07-26
CN110058124B true CN110058124B (zh) 2021-07-13

Family

ID=67320822

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910339620.0A Active CN110058124B (zh) 2019-04-25 2019-04-25 线性离散时滞系统的间歇故障检测方法

Country Status (1)

Country Link
CN (1) CN110058124B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111123885B (zh) * 2019-11-29 2022-05-10 南京航空航天大学 一种基于自适应技术的高超声速飞行器间歇故障诊断方法
CN113156812B (zh) * 2021-01-28 2021-11-23 淮阴工学院 基于未知输入观测器的二级化学反应器故障检测方法
CN113236506B (zh) * 2021-05-19 2022-03-15 江南大学 一种基于滤波的工业时滞系统故障检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0745971A2 (en) * 1995-05-30 1996-12-04 Rockwell International Corporation Pitch lag estimation system using linear predictive coding residual
CN102930171A (zh) * 2012-11-15 2013-02-13 北京理工大学 一种基于多胞型微分包含的非线性滤波方法
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
CN104914846B (zh) * 2015-04-01 2017-12-22 南京航空航天大学 基于自适应滑模观测器的电连接器间歇性失效检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0745971A2 (en) * 1995-05-30 1996-12-04 Rockwell International Corporation Pitch lag estimation system using linear predictive coding residual
CN102930171A (zh) * 2012-11-15 2013-02-13 北京理工大学 一种基于多胞型微分包含的非线性滤波方法
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
CN104914846B (zh) * 2015-04-01 2017-12-22 南京航空航天大学 基于自适应滑模观测器的电连接器间歇性失效检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一类存在参数摄动的线性随机系统的鲁棒间歇故障诊断方法;鄢镕易等;《自动化学报》;20160731;第42卷(第7期);第1005-1010页第2、3节 *
线性离散系统间歇故障的鲁棒检测方法;鄢镕易等;《上海交通大学学报》;20150630;第49卷(第6期);第812-818、824页 *

Also Published As

Publication number Publication date
CN110058124A (zh) 2019-07-26

Similar Documents

Publication Publication Date Title
CN110058124B (zh) 线性离散时滞系统的间歇故障检测方法
Adnan et al. On expected detection delays for alarm systems with deadbands and delay-timers
Kruger et al. Statistical monitoring of complex multivatiate processes: with applications in industrial process control
CN110046453B (zh) 一种激光雷达的寿命预测方法
CN109033499B (zh) 一种多阶段一致性检验的航空发动机剩余寿命预测方法
CN109739214A (zh) 工业过程间歇故障的检测方法
Yu et al. Nonlinear control performance assessment in the presence of valve stiction
Alevizakos et al. Monitoring of time between events with a double generally weighted moving average control chart
Li et al. Multiple attribute control charts with false discovery rate control
Alevizakos et al. A progressive mean control chart for monitoring time between events
Kong et al. Remaining useful life prediction for degrading systems with random shocks considering measurement uncertainty
CN113962253B (zh) 基于深度小波极限学习机的轴承剩余寿命预测方法及系统
Wu et al. Real-time monitoring and diagnosis scheme for IoT-enabled devices using multivariate SPC techniques
Khire et al. Model based failure mode effect analysis on whole building energy performance
CN109525453B (zh) 基于节点依赖关系的网络化cps异常检测方法及系统
Li et al. Condition monitoring of sensors in a NPP using optimized PCA
Bonvini et al. Bridging the gap between simulation and the real world an application to FDD
WO2015040683A1 (ja) センサ健全性判定方法およびセンサ健全性判定装置
CN114115185B (zh) 一种基于区间运算的故障检测阈值计算方法
Cocchi et al. Effects of the two-component measurement error model on X control charts
Chen et al. Semiparametric regression control charts
CN109101702A (zh) 一种基于时间约束稀疏表示和特征降维的故障检测方法
CN116838547B (zh) 多转子风力发电机的监测方法及多转子风力发电机
Ahmed et al. Detection of Cracks in the Industrial System Using Adaptive Principal Component Analysis and Wavelet Denoising
CN111913463B (zh) 一种核电厂化学容积控制系统状态监测方法

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