CN110703744A - 基于未知输入观测器的化工液位控制系统故障检测方法 - Google Patents

基于未知输入观测器的化工液位控制系统故障检测方法 Download PDF

Info

Publication number
CN110703744A
CN110703744A CN201911217581.3A CN201911217581A CN110703744A CN 110703744 A CN110703744 A CN 110703744A CN 201911217581 A CN201911217581 A CN 201911217581A CN 110703744 A CN110703744 A CN 110703744A
Authority
CN
China
Prior art keywords
observer
fault
fault detection
unknown input
liquid level
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
Application number
CN201911217581.3A
Other languages
English (en)
Other versions
CN110703744B (zh
Inventor
杜董生
杨月
赵环宇
白秋产
唐中一
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.)
Hefei Jiuzhou Longteng Scientific And Technological Achievement Transformation Co ltd
Original Assignee
Huaiyin Institute of 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 Huaiyin Institute of Technology filed Critical Huaiyin Institute of Technology
Publication of CN110703744A publication Critical patent/CN110703744A/zh
Application granted granted Critical
Publication of CN110703744B publication Critical patent/CN110703744B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric 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
    • G05B23/0221Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/20Pc systems
    • G05B2219/24Pc safety
    • G05B2219/24065Real time diagnostics

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及化工技术领域,公开了一种基于未知输入观测器的化工液位控制系统故障检测方法,包括1)建立连续时间切换系统模型,完成准备工作;2)涉及故障检测观测器,进行鲁棒性与敏感性分析,得到其增益矩阵;3)设计阈值评估系统是否发生故障。与现有技术相比,本发明能在线检测出发生的故障并且准确地对故障进行估计,具有高敏感性和较强的鲁棒性,得到有效的H/H条件,实现了故障诊断系统对外部扰动的消除,满足对系统进行在线故障检测。

Description

基于未知输入观测器的化工液位控制系统故障检测方法
技术领域
本发明涉及化工技术领域,特别涉及一种基于未知输入观测器的化工液位控制系统故障检测方法。
背景技术
随着工业技术的飞速发展,出现故障可能会对系统性能产生严重影响,甚至会对环境造成灾难性的破坏。故障诊断作为一种有效的故障处理方法,在过去的几十年中得到了广泛的研究。故障诊断技术包括故障检测、故障隔离和故障估计三部分。故障检测是故障诊断技术的第一步,是尽快检测出是否已经发生故障。显而易见,故障检测是最重要的一步,只有在故障被确定之后,才能进一步完成对故障的隔离和估计,为最终的控制决策提供依据。因此,故障检测技术受到了学术界的广泛关注。在各种故障检测方法中,基于观测器的故障检测方法被认为是一种高效且流行的方法,其基本思想是利用状态观测器或滤波器生成残差信号,并在此基础上构造残差评估函数与预定义阈值进行比较。当残差评价函数值大于阈值时,显示故障存在并报警。到目前为止,已经提出了各种基于观察器的方法。如滑模观测器、自适应观测器、比例积分观测器、未知输入观测器等。其中,未知输入观测器是一种有效的状态观测器,对未知干扰信号具有良好的鲁棒性,对故障信号具有较高的敏感性,不仅可以检测传感器故障,还可以检测执行器故障。
切换系统属于混合系统的一种,它包括多个子系统(连续子系统或离散子系统)和一个协调子系统之间切换的规则。许多实际工程系统可以建模成这样的系统,如电路系统、航天系统和化学系统等。ADT技术是一种受限的切换信号,它要求各子系统在有限时间内的平均运行时间大于一个恒定的值,比经典的算法具有较小的保守性。目前,已有的文献中,有的研究了基于未知输入观测器的切换离散系统故障检测,研究了带输出干扰的离散切换系统执行器故障检测问题;有的提出了一种适用于区间时变时滞离散切换系统的故障检测滤波器。从所提出的切换系统的故障检测结果来看,大部分的故障检测研究主要针对离散时间系统,这促使我们开发出适用于连续时间切换系统的有效故障检测滤波器。目前,针对上述问题提出了一些技术解决方案。然而,该类文献主要考虑了鲁棒性,没有给出故障敏感性。此外,若采用传统的观测器,不能很好地保证对扰动的鲁棒性和对故障的敏感性。基于此,出于取得的成就,存在的问题我们研究连续时间切换系统的有效未知输入观测器的故障检测滤波器,可以在线进行准确的故障检测。
发明内容
发明目的:针对现有技术中存在的问题,本发明提供一种基于未知输入观测器的化工液位控制系统故障检测方法,能在线检测出发生的故障并且准确地对故障进行估计,具有高敏感性和较强的鲁棒性,保证对系统不确定性未知输入的鲁棒性和对故障的敏感性,实现了故障诊断系统对外部扰动的消除,满足对系统进行在线故障检测。
技术方案:本发明提供了一种基于未知输入观测器的化工液位控制系统故障检测方法,包括如下步骤:
步骤1:建立化工过程液位控制系统模型,构建连续时间切换系统,完成相关准备工作;
步骤2:针对步骤1所述系统模型,设计基于未知输入观测器的液位控制系统故障检测观测器,并对其进行鲁棒性与敏感性分析,得到未知输入观测器的增益矩阵;
步骤3:设计阈值、构造残差评价函数来评估系统是否发生故障。
进一步地,所述步骤1中的连续时间切换系统为:
Figure BDA0002299906470000021
其中,x(t)∈Rn,u(t)∈Ru,y(t)∈Rm,d(t)∈Rd,f(t)∈Rl,分别表示系统的状态向量、控制输入向量、可测输出向量、未知输入向量以及故障向量,Rx表示x维实向量集,Ai,Bi,Ci,D1i,D2i,F1i,F2i表示已知的具有适当维度的恒实矩阵;σi(t)是切换信号,需满足
Figure BDA0002299906470000022
进一步地,所述步骤1中的相关准备工作包括:引入未知输入观测器,确定系统状态误差与残差,推导出系统误差方程:
1.1)未知输入观测器为:
Figure BDA0002299906470000023
其中,z(t)∈Rn表示观测器的状态,
Figure BDA0002299906470000031
表示x(t)的状态估计,
Figure BDA0002299906470000032
表示故障检测观测器的输出向量,矩阵Ni,Gi,Ei,Li都是未知输入观测器的增益矩阵;
1.2)系统状态误差和残差为:
Figure BDA0002299906470000033
其中,e(t)为状态误差,r(t)为残差,Ti=In+EiCi,Ti为变量替换;
1.3)系统误差方程为:
Figure BDA0002299906470000034
其中,
Figure BDA0002299906470000035
为变量替换其需满足:
Figure BDA0002299906470000036
进一步地,根据所述步骤2中的故障检测观测器,并针对步骤1中系统模型,进行鲁棒性分析:
令f(t)=0,系统误差对任意具有ADT约束的切换信号是渐进稳定的,需满足以下条件:
Pi≤μPj
Figure BDA0002299906470000037
其中,α>0,μ≥1,γ>0为给定的标量,Pi和Pj为正定矩阵,
Figure BDA0002299906470000038
N为自然数集。
进一步地,根据所述步骤2中的故障检测观测器,并针对步骤1中系统模型,进行敏感性分析,具体内容如下:
令d(t)=0,系统误差对任意具有ADT约束的切换信号是渐进稳定的,需满足以下条件:
Pi≤μPj
Figure BDA0002299906470000041
其中,α>0,μ≥1,β>0为给定的标量,Pi和Pj为正定矩阵,Qi为一矩阵,
Figure BDA0002299906470000042
进一步地,所述步骤2中增益矩阵设计如下:
Pi≤μPj
EiCiD1i=-D1i
Figure BDA0002299906470000043
Figure BDA0002299906470000044
Figure BDA0002299906470000045
Figure BDA0002299906470000046
其中,
Figure BDA0002299906470000047
Li=Pi -1Qi
Figure BDA0002299906470000048
Figure BDA0002299906470000049
表示CiD1i的逆。
进一步地,所述步骤3中残差评价函数J(r(t))和阈值函数Jth分别为:
Figure BDA00022999064700000410
Figure BDA00022999064700000411
其中,t0表示初始评价时刻,t表示评价时间步长。
进一步地,所述步骤3中故障检测决策逻辑为:
有益效果:
1.本发明设计的故障诊检测测器能在线检测出发生的故障并且准确地对故障进行估计,具有高敏感性和较强的鲁棒性,有重要的实用参考价值。
2.利用ADT方法,得到有效的H/H-条件,保证对系统不确定性未知输入的鲁棒性和对故障的敏感性,实现了故障诊断系统对外部扰动的消除,满足对系统进行在线故障检测。
附图说明
图1:本发明的流程图;
图2:本发明中化工过程液位控制系统图;
图3:本发明中的切换信号图;
图4:故障信号f1(t)
图5:化工过程液位控制系统发生故障f1(t)时,故障检测观测器的故障检测曲线示意图;
图6:化工过程液位控制系统发生故障f2(t)时,故障检测观测器的故障检测曲线示意图;
图7:系统存在故障f1(t)的阈值以及无故障时的阈值曲线示意图;
图8:系统存在故障f2(t)的阀值以及无故障时的阈值曲线示意图。
具体实施方式
下面结合附图对本发明进行详细的介绍。
本发明以化工过程液位控制系统模型为实施对象,针对该系统中出现故障,提出一种基于未知输入观测器的化工液位控制系统故障检测方法,该方法从理论上实现对系统在线进行故障检测。
注意:本发明算法中,涉及的PT,P-1分别表示矩阵P的转置和矩阵的逆矩阵,P>0(P<0)则表示P矩阵是正(负)定矩阵,Rx表示x维实向量集,I和0表示具有适当维数的单位矩阵和0矩阵,文中*表示对称矩阵中的对称项。
本发明所述的故障检测方法包括如下步骤:
步骤1:建立连续时间切换系统,并进行准备工作。
连续时间切换系统为:
Figure BDA0002299906470000051
其中,x(t)∈Rn,u(t)∈Ru,y(t)∈Rm,d(t)∈Rd,f(t)∈Rl(Rx表示x维实向量集)分别表示系的状态向量、控制输入向量、可测输出向量、未知输入向量以及故障向量,Ai,Bi,Ci,D1i,D2i,F1i,F2i表示已知的具有适当维度的恒实矩阵。σi(t)是切换信号,满足
在本实施方式中,液位控制系统由两个储罐组成,顶部有一个流源,两个罐中间有一个连接管,每个储罐下部有一个出水管,如图2所述。这些管道可以通过外部开关或阀门打开或关闭,根据每个阀门的关闭状态,我们有8种不同的系统模式,但本发明实施方式只考虑了3种阀门配置,如下所示:
模式一:开R2,关R1和R3
模式二:开R1和R2,关R3
模式三:开R2和R3,关R1
假设通过阀门的流量为层流,也就是阀门内的流量与液体的高度线性相关。根据每种模式下的罐容量CT和管道阻力R的值,双罐系统的行为通过式(1)由状态空间表示控制:
Figure BDA0002299906470000062
式(2)中,
Figure BDA0002299906470000063
u(t)=2e-0.5t(1+sin3πt)。
各个参数为:CT1=5m2,CT2=3m2,
Figure BDA0002299906470000064
其中CT1表示第一个储罐的罐容量,CT2表示第二个储罐的罐容量,R1 R2 R3的参数值表示阀门控制的流量,不同的阀门,流量不同。x(t)为系统的状态,在本实施例中hi为两个储罐液位的高度,具体表示为
Figure BDA0002299906470000065
系统各个常实数矩阵表示如下:
Figure BDA0002299906470000066
为了检测系统模型的故障,使用以下未知输入观测器(3)式产生残差信号,过程如下:
Figure BDA0002299906470000071
式(3)中,z(t)∈Rn,表示观测器的状态,
Figure BDA0002299906470000072
表示x(t)的状态估计,
Figure BDA0002299906470000073
表示故障检测观测器的输出向量,矩阵Ni,Gi,Ei,Li都是未知输入观测器的增益矩阵,本发明后面会阐述对增益矩阵的设计。
在这里,我们定义状态误差和残差分别为:
Figure BDA0002299906470000077
式(4)中,e(t)为状态误差,ef(t)为故障误差,则可得:
Figure BDA0002299906470000074
式(5)中,Ti=In+EiCi,Ti变量替换。
由此可以推导出系统误差为:
Figure BDA0002299906470000075
式(6)需满足以下关系:
Figure BDA0002299906470000076
则式(6)可表示为:
Figure BDA0002299906470000081
其中,
Figure BDA0002299906470000082
一个理想的故障检测观测器应该产生一个对扰动具有鲁棒性,对故障具有敏感性的残差信号,因此,本发明的主要目标是设计一个未知输入观测器式(3)使得:
1)系统误差式(8)是稳定的;
2)在零初始条件下,产生的残差r(t)对未知扰动d(t)具有鲁棒性,也就是下式成立:
Figure BDA0002299906470000083
3)在零初始条件下,产生的残差r(t)对故障f(t)敏感,也就是H-故障敏感性条件成立:
Figure BDA0002299906470000084
其中,γ>0,β>0为标量。
在本发明中还使用到部分引理与相关定义,先作简单描述:
1)定义1:对任意的切换信号σi(t)和任意时间t2>t1>0,令表示在时间段(t1,t2)内的切换次数,对于给定的N0≥0,τa>0,若下式成立:
Figure BDA0002299906470000086
则常数τa称为平均驻留时间,N0叫作抖振边界值。
2)注记1:本发明中涉及的切换信号是一种慢速切换信号,比经典的驻留时间切换信号具有较小的保守性。为简便起见,本发明令抖振界N0=0。
3)引理1:如果存在函数
Figure BDA0002299906470000087
Y,满足
Figure BDA0002299906470000088
Figure BDA0002299906470000089
4)引理2:考虑连续时间切换系统
Figure BDA00022999064700000810
且令α>0,μ>1都为给定的常数。假设存在X1函数
Figure BDA00022999064700000811
和两类K函数k1,k2使得:
Figure BDA0002299906470000091
Figure BDA0002299906470000092
Vi(x(t))≤μVj(x(t)),则该切换系统
Figure BDA0002299906470000093
对任意具有ADT约束的切换信号是渐进稳定的。
Figure BDA0002299906470000094
5)注记2:引理2是研究切换系统的重要工具,当切换子系统工作,条件给出了Lyapunov函数的变化趋势,而α表示了子系统Lyapunov函数的衰减率。当系统处于切换时刻时,条件Vi(x(t))≤μVj(x(t))给出了模型切换前后不同子系统的Lyapunov函数之间的关系,即Lyapunov函数增加了μ倍。α的值越大,切换系统的平均驻留时间就越长,从而更容易保证系统稳定。此外,引理2没有定义切换系统的类型,因此它适用于线性或非线性系统以及其他类型的切换系统。
步骤2:设计了基于未知输入观测器的连续切换系统故障检测观测器,针对连续时间切换系统设计了H/H-故障检测观测器,使产生的残差对扰动具有鲁棒性,对故障具有敏感性。
具体内容如下:
1、进行鲁棒性分析:
本部分给出了H性能指标的充分条件,如果我们令f(t)=0,则系统误差式(8)可以转化成以下形式:
Figure BDA0002299906470000096
以下给出的定理保证了误差系统(11)是渐进稳定的,并且具有H性能指标。
定理1:对于给定的标量α>0,μ>1,γ>0,且式(7)都满足,则系统误差式(11)对任意具有ADT约束的切换信号是渐进稳定的,且存在正定矩阵Pi和Pj,对于
Figure BDA0002299906470000097
需满足以下条件:
Pi≤μPj (12)
Figure BDA0002299906470000101
定理1的证明过程如下:
首先,我们建立系统误差(11)的稳定性:考虑以下切换Lyapunov函数作为式(11)的动态误差:
Figure BDA0002299906470000102
假设d(t)=0,可以得到:
Figure BDA0002299906470000103
则可以由矩阵不等式(13)得出:
Figure BDA0002299906470000104
根据引理2和(12),可以知道式(11)是渐进稳定的。
接着给出H性能指标γ的证明:首先考虑Lyapunov函数,并且令Γ(t)=rT(t)r(t)-γ2dT(t)d(t),可以有:
Figure BDA0002299906470000105
其中,
ξ(t)=[eT(t) dT(t)]T
Figure BDA0002299906470000106
由式(13)可知:
Figure BDA0002299906470000107
由引理1可知:
Figure BDA0002299906470000111
当t0=0时,在初始条件e(0)=0下,有:
Figure BDA0002299906470000112
上式两边同时乘以
Figure BDA0002299906470000113
可以得到:
Figure BDA0002299906470000114
由于条件
Figure BDA0002299906470000115
Figure BDA0002299906470000116
可得:
Figure BDA0002299906470000117
可得:
Figure BDA0002299906470000118
也就是意味着:
Figure BDA0002299906470000119
当t→∞时,则
Figure BDA00022999064700001110
然后,可以得出式(11)的H性能指标γ,证明结束。
2、进行敏感性分析:
如果我们只考虑故障的影响,也就是令d(t)=0,则式(8)可以被表示为:
Figure BDA0002299906470000121
以下定理将为满足H-性能指标的系统误差(14)提供条件:
定理2:对于给定的标量α>0,μ≥1,β>0,且式(7)都满足,则系统误差式(14)对任意具有ADT约束的切换信号是渐进稳定的,且存在正定矩阵Pi和Pj以及矩阵Qi,对于
Figure BDA0002299906470000122
需满足以下条件:
Pi≤μPj (15)
Figure BDA0002299906470000123
通过使用引理1和引理2,并遵循与定理1相同的证明方法,可以很容易地推导出(16)。为了简洁起见,省略了详细的证明过程。
3、故障检测观测器的增益矩阵设计如下:
定理3:对于给定的标量α>0,μ>1,γ>0,且式(7)都满足,则系统误差式(11)对任意具有ADT约束的切换信号是渐进稳定的,且存在正定矩阵Pi和Pj以及矩阵Qi,对于
Figure BDA0002299906470000124
需满足以下条件:
Pi≤μPj (17)
EiCiD1i=-D1i (18)
Figure BDA0002299906470000125
其中,Li=Pi -1Qi
定理4:对于给定的标量α>0,μ≥1,β>0,且式(7)都满足,则系统误差式(14)对任意具有ADT约束的切换信号是渐进稳定的,且存在正定矩阵Pi和Pj以及矩阵Qi,对于
Figure BDA0002299906470000127
需满足以下条件:
Pi≤μPj (20)
EiCiD1i=-D1i (21)
Figure BDA0002299906470000131
其中,
Figure BDA0002299906470000132
Li=Pi -1Qi。代入替代的条件,可以得出(22)就是(16)的等价式子。
定理5:对于给定的标量α>0,μ≥1,β>0,γ>0,且式(7)都满足,则系统误差式(14)对任意具有ADT约束的切换信号是渐进稳定的,且存在正定矩阵Pi和Pj以及矩阵Qi,对于
Figure BDA0002299906470000133
需满足以下条件:
Pi≤μPj (23)
EiCiD1i=-D1i (24)
Figure BDA0002299906470000135
其中,
Figure BDA0002299906470000136
Li=Pi -1Qi。由式(25)可得
Figure BDA0002299906470000137
其中
Figure BDA0002299906470000138
表示CiD1i的逆。
4、给出了未知输入观测器式式(3)增益矩阵的求解步骤的算法:
1)计算未知输入观测器增益Ei,则Gi可由式(7)求解;
2)利用定理3求解矩阵Pi和Qi,计算增益Li=Pi -1Qi
3)由式(7)计算增益Ni
步骤3:针对步骤1所述系统模型,设计了阈值来对系统是否发生故障进行评估。
构建残差后,最后一步是确定残差评价函数J(r(t))和阈值函数Jth。本发明选取残差评价函数J(r(t))和阈值函数Jth为:
Figure BDA0002299906470000139
Figure BDA00022999064700001310
其中,t0表示初始评价时刻,t表示评价时间步长。基于上述定义,则故障检测决策逻辑为:
Figure BDA0002299906470000141
我们令α=0.001,β=1.002,μ=1.002,ε=0.1,则可得
Figure BDA0002299906470000142
则可得
利用MATLAB中的线性矩阵不等式工具,可以得到矩阵Pi,Qi
Figure BDA0002299906470000144
通过算法步骤,可以求出以下矩阵:
Figure BDA0002299906470000145
假设化工过程液位控制系统出现故障,故障模型如下:
Figure BDA0002299906470000146
对于仿真,系统的切换信号如图3所示,故障f1(t)如图4所示。当化工过程液位控制系统发生故障f1(t)时,系统无故障和发生故障f1(t)时的故障检测图像如图5所示。当化工过程液位控制系统发生故障f2(t)时,系统无故障和发生故障f2(t)时的故障检测图像如图6所示;系统存在故障f1(t)以及无故障时的阈值曲线如图7所示;系统存在故障f2(t)以及无故障时的阈值曲线如图8所示。
从仿真结果中可以看出,当化工过程液位控制系统发生故障时,本发明设计对的故障诊断故障内测期能在线检测出发生的故障,具有高敏感性和较强的鲁棒性,有重要的实用参考价值。
上述实施方式只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰,都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于未知输入观测器的化工液位控制系统故障检测方法,其特征在于,包括如下步骤:
步骤1:建立化工过程液位控制系统模型,构建连续时间切换系统,完成相关准备工作;
步骤2:针对步骤1所述系统模型,设计基于未知输入观测器的液位控制系统故障检测观测器,并对其进行鲁棒性与敏感性分析,得到未知输入观测器的增益矩阵;
步骤3:设计阈值、构造残差评价函数来评估系统是否发生故障。
2.根据权利要求1所述的基于未知输入观测器的化工液位控制系统故障检测方法,其特征在于,所述步骤1中的连续时间切换系统为:
Figure FDA0002299906460000011
其中,x(t)∈Rn,u(t)∈Ru,y(t)∈Rm,d(t)∈Rd,f(t)∈Rl,分别表示系统的状态向量、控制输入向量、可测输出向量、未知输入向量以及故障向量,Rx表示x维实向量集,Ai,Bi,Ci,D1i,D2i,F1i,F2i表示已知的具有适当维度的恒实矩阵;σi(t)是切换信号,需满足σi(t):[0,∞)→{0,1},
Figure FDA0002299906460000012
3.根据权利要求1所述的基于未知输入观测器的化工液位控制系统故障检测方法,其特征在于,所述步骤1中的相关准备工作包括:引入未知输入观测器,确定系统状态误差与残差,推导出系统误差方程:
1.1)未知输入观测器为:
Figure FDA0002299906460000013
其中,z(t)∈Rn表示观测器的状态,
Figure FDA0002299906460000014
表示x(t)的状态估计,
Figure FDA0002299906460000015
表示故障检测观测器的输出向量,矩阵Ni,Gi,Ei,Li都是未知输入观测器的增益矩阵;
1.2)系统状态误差和残差为:
Figure FDA0002299906460000021
其中,e(t)为状态误差,r(t)为残差,Ti=In+EiCi,Ti为变量替换;
1.3)系统误差方程为:
Figure FDA0002299906460000022
其中, 为变量替换,其需满足:
Figure FDA0002299906460000025
4.根据权利要求1所述的基于未知输入观测器的化工液位控制系统故障检测方法,其特征在于,根据所述步骤2中的故障检测观测器,并针对步骤1中系统模型,进行鲁棒性分析:
令f(t)=0,系统误差对任意具有ADT约束的切换信号是渐进稳定的,需满足以下条件:
Pi≤μPj
Figure FDA0002299906460000026
其中,α>0,μ≥1,γ>0为给定的标量,Pi和Pj为正定矩阵,
Figure FDA0002299906460000027
j∈N,N为自然数集。
5.根据权利要求1所述的基于未知输入观测器的化工液位控制系统故障检测方法,其特征在于,根据所述步骤2中的故障检测观测器,并针对步骤1中系统模型,进行敏感性分析,具体内容如下:
令d(t)=0,系统误差对任意具有ADT约束的切换信号是渐进稳定的,需满足以下条件:
Pi≤μPj
Figure FDA0002299906460000031
其中,α>0,μ≥1,β>0为给定的标量,Pi和Pj为正定矩阵,Qi为一矩阵,
Figure FDA0002299906460000039
j∈N。
6.根据权利要求1所述的基于未知输入观测器的化工液位控制系统故障检测方法,其特征在于,所述步骤2中增益矩阵设计如下:
Pi≤μPj
EiCiD1i=-D1i
Figure FDA0002299906460000032
Figure FDA0002299906460000033
Figure FDA0002299906460000034
Figure FDA0002299906460000035
其中,
Figure FDA0002299906460000036
Li=Pi -1Qi
Figure FDA0002299906460000037
Figure FDA0002299906460000038
表示CiD1i的逆。
7.根据权利要求1所述的基于未知输入观测器的化工液位控制系统故障检测方法,其特征在于,所述步骤3中残差评价函数J(r(t))和阈值函数Jth分别为:
Figure FDA0002299906460000041
Figure FDA0002299906460000042
其中,t0表示初始评价时刻,t表示评价时间步长。
8.根据权利要求7所述的基于未知输入观测器的化工液位控制系统故障检测方法,其特征在于,所述步骤3中故障检测决策逻辑为:
Figure FDA0002299906460000043
CN201911217581.3A 2019-09-11 2019-12-03 基于未知输入观测器的化工液位控制系统故障检测方法 Active CN110703744B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910858559 2019-09-11
CN2019108585590 2019-09-11

Publications (2)

Publication Number Publication Date
CN110703744A true CN110703744A (zh) 2020-01-17
CN110703744B CN110703744B (zh) 2022-05-17

Family

ID=69208031

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911217581.3A Active CN110703744B (zh) 2019-09-11 2019-12-03 基于未知输入观测器的化工液位控制系统故障检测方法

Country Status (1)

Country Link
CN (1) CN110703744B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111783945A (zh) * 2020-06-22 2020-10-16 东北石油大学 基于迁移学习lstm的长输油管道泄漏实时检测系统
CN111812980A (zh) * 2020-07-02 2020-10-23 淮阴工学院 基于未知输入观测器的离散切换系统的鲁棒故障估计方法
CN112067925A (zh) * 2020-09-07 2020-12-11 淮阴工学院 一种针对升压变换器电路的实时加权故障检测方法
CN112526975A (zh) * 2020-12-02 2021-03-19 西北工业大学 一种基于h-/l∞观测器的非线性系统同时故障诊断与控制方法
CN113156812A (zh) * 2021-01-28 2021-07-23 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
CN116880382A (zh) * 2023-07-05 2023-10-13 南通大学 化工生产控制模型生成方法、化工生产控制方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103676918A (zh) * 2013-12-24 2014-03-26 北京控制工程研究所 一种基于未知输入观测器的卫星执行机构故障诊断方法
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
CN106569487A (zh) * 2016-11-16 2017-04-19 北京理工大学 一种基于观测器的伺服系统的故障检测方法
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
CN207197994U (zh) * 2017-04-18 2018-04-06 淮阴工学院 一种粉尘浓度报警系统
SK532017A3 (sk) * 2017-06-19 2019-01-08 Slovenská Technická Univerzita V Bratislave Zapojenie obvodu pozorovateľa vstupnej poruchy s filtrom FIR pre sústavy s dominantnou dynamikou 1. rádu
CN109242204A (zh) * 2018-09-30 2019-01-18 淮阴工学院 基于最优vmd与同步优化的超短期风速预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103676918A (zh) * 2013-12-24 2014-03-26 北京控制工程研究所 一种基于未知输入观测器的卫星执行机构故障诊断方法
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
CN106569487A (zh) * 2016-11-16 2017-04-19 北京理工大学 一种基于观测器的伺服系统的故障检测方法
CN207197994U (zh) * 2017-04-18 2018-04-06 淮阴工学院 一种粉尘浓度报警系统
SK532017A3 (sk) * 2017-06-19 2019-01-08 Slovenská Technická Univerzita V Bratislave Zapojenie obvodu pozorovateľa vstupnej poruchy s filtrom FIR pre sústavy s dominantnou dynamikou 1. rádu
CN109242204A (zh) * 2018-09-30 2019-01-18 淮阴工学院 基于最优vmd与同步优化的超短期风速预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
DONGSHENG DU: "《Robust fault estimation observer design for switched systems with unknown input》", 《MATHEMATICS AND COMPUTATION》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111783945A (zh) * 2020-06-22 2020-10-16 东北石油大学 基于迁移学习lstm的长输油管道泄漏实时检测系统
CN111783945B (zh) * 2020-06-22 2022-08-16 东北石油大学 基于迁移学习lstm的长输油管道泄漏实时检测系统
CN111812980A (zh) * 2020-07-02 2020-10-23 淮阴工学院 基于未知输入观测器的离散切换系统的鲁棒故障估计方法
CN112067925A (zh) * 2020-09-07 2020-12-11 淮阴工学院 一种针对升压变换器电路的实时加权故障检测方法
CN112526975A (zh) * 2020-12-02 2021-03-19 西北工业大学 一种基于h-/l∞观测器的非线性系统同时故障诊断与控制方法
CN112526975B (zh) * 2020-12-02 2022-03-22 西北工业大学 一种基于h-/l∞观测器的非线性系统同时故障诊断与控制方法
CN113156812A (zh) * 2021-01-28 2021-07-23 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
CN116880382A (zh) * 2023-07-05 2023-10-13 南通大学 化工生产控制模型生成方法、化工生产控制方法及装置
CN116880382B (zh) * 2023-07-05 2024-04-05 南通大学 化工生产控制模型生成方法、化工生产控制方法及装置

Also Published As

Publication number Publication date
CN110703744B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN110703744B (zh) 基于未知输入观测器的化工液位控制系统故障检测方法
Li et al. Interval-valued reliability analysis of multi-state systems
Wang et al. Zonotopic set-membership state estimation for discrete-time descriptor LPV systems
Keliris et al. A robust nonlinear observer-based approach for distributed fault detection of input–output interconnected systems
CN110412975B (zh) 一种化工液位过程控制系统的鲁棒故障诊断方法
CN111090945B (zh) 一种针对切换系统的执行器和传感器故障估计设计方法
CN108733030B (zh) 一种基于网络的切换时滞系统中间估计器设计方法
Witczak et al. A neural network approach to simultaneous state and actuator fault estimation under unknown input decoupling
CN112733320B (zh) 一种基于delta算子的升压变换器执行器故障检测方法
CN110531732B (zh) 一种非线性网络化控制系统的随机故障检测方法
Leifeld et al. Fault detection for probabilistic Boolean networks
Luzar et al. Actuators and sensors fault diagnosis with dynamic, state-space neural networks
Chen et al. UIO-based fault estimation and accommodation for nonlinear switched systems
Garbouj et al. Robust Fault Detection for switched Takagi-Sugeno systems with unmeasurable premise variables: Interval-Observer-based approach
Meslem et al. State estimation based on self-triggered measurements
Zhang et al. Fault detection for discrete-time uncertain LPV systems using non-minimal order filter
Elouni et al. Robust sensor faults observer design for continuous-time switched systems using descriptor approach
Bernardi et al. Reduced Order Observer Applied to a Linear Parameter Varying System with Unknown Input
Sneha et al. Detection of soft sensor fault using EKF algorithm for two tank interacting system
Pourasghar et al. Interval observer fault detection ensuring detectability and isolability by using a set-invariance approach
Wan et al. Probabilistic robust parity relation for fault detection using polynomial chaos
Hernandez et al. An easy to apply methodology for fault detection and isolation in linear systems
Alcorta-Garcia et al. Intelligent fault diagnosis in nonlinear systems
Jamel et al. Design of unknown inputs multiple observer for uncertain Takagi-Sugeno multiple model
Yang et al. A Nonlinear Adaptive Observer‐Based Differential Evolution Algorithm to Multiparameter Fault Diagnosis

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200117

Assignee: Shanghai Yanqiao Information Technology Co.,Ltd.

Assignor: HUAIYIN INSTITUTE OF TECHNOLOGY

Contract record no.: X2022980020273

Denomination of invention: Fault Detection Method of Chemical Level Control System Based on Unknown Input Observer

Granted publication date: 20220517

License type: Common License

Record date: 20221108

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240514

Address after: 230000 Room 203, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Hefei Jiuzhou Longteng scientific and technological achievement transformation Co.,Ltd.

Country or region after: China

Address before: 223005 Jiangsu Huaian economic and Technological Development Zone, 1 East Road.

Patentee before: HUAIYIN INSTITUTE OF TECHNOLOGY

Country or region before: China