CN111007727A - 基于自触发采样的化工工业过程故障诊断与容错控制方法 - Google Patents
基于自触发采样的化工工业过程故障诊断与容错控制方法 Download PDFInfo
- Publication number
- CN111007727A CN111007727A CN201911394359.0A CN201911394359A CN111007727A CN 111007727 A CN111007727 A CN 111007727A CN 201911394359 A CN201911394359 A CN 201911394359A CN 111007727 A CN111007727 A CN 111007727A
- Authority
- CN
- China
- Prior art keywords
- fault
- sampling
- state
- self
- triggering
- 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
- 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)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种基于自触发采样的化工工业过程故障诊断与容错控制方法。本发明首先建立系统模型并离散化;然后基于不确定多项式系统方法,构造离散时间Kalman故障诊断观测器来估计故障和状态信息,基于估计的状态和故障信息,设计满足Lyapunov不等式条件约束的自触发故障容错控制器。本发明是基于事件触发控制的基础,利用算法将系统的实时状态和阈值事件融合起来,建立触发策略和实时状态之间的映射关系,从而避免了设计专门的硬件来对阈值事件的存储及监测,当满足触发条件时系统自动采样,诊断到故障,然后通过自动调节系统输入来使系统逐渐达到稳定状态。
Description
技术领域
本发明属于自动化技术领域,涉及一种基于自触发采样的化工工业过程故障诊断与容错控制方法。
背景技术
随着对系统性能、成本约束和低能耗等要求的不断提高,现代化工工业系统正朝着大规模、复杂化、网络化以及分散化的方向发展。然而,系统越复杂、规模越大,运行过程中,系统各部件发生各类故障的可能性就越高。
对于化工工业过程故障诊断与容错控制方法来说,由于近来网络和嵌入式等技术在复杂工程系统中的普及,网络和计算资源约束使得传统的周期性采样模式不再适用,因此通过主动调节采样周期如自触发采样等非均匀采样模式来降低资源消耗是很有必要的。为此,研究一种自触发采样的故障诊断与容错控制方法是很有必要的,该方法通过采样能够及时发现系统故障并进行相应的调节使系统状态能够保持稳定。
发明内容
本发明针对现有技术的不足,提供了一种基于自触发采样的化工工业过程故障诊断与容错控制方法。
本发明首先,建立系统模型并离散化;然后,基于不确定多项式系统方法,构造离散时间Kalman故障诊断观测器来估计故障和状态信息,基于估计的状态和故障信息,设计满足Lyapunov不等式条件约束的自触发故障容错控制器;进一步,构造自触发调度机制来保证故障系统是稳定的。
本发明的方法步骤包括:
步骤1.建立离散化系统状态模型
1-1.建立非均匀采样系统状态模型
其中,x(t)∈Rn为状态向量,u(t)∈Rm为输入向量,d(t)∈Rd为外界扰动,y(t)∈Rr为系统输出,f(t)∈Rq为需要检测和估计的系统加性故障信号,A,B,Bf,Bd,C为适维定常矩阵,并有(A,C)可观,(A,B)可控。
1-2.系统状态模型的离散化
对系统状态模型在采样时刻tk+1进行离散化后有:
x(tk+1)=F(θk)x(tk)+Gu(θk)u(tk)+Gf(θk)f(tk)+Gd(θk)d(tk)
其中,θk为自触发机制下的采样间隔,θk=tk+1-tk为时变甚至不确定的,θmin,θmax分别表示最小最大采样间隔。
步骤2.基于不确定多项式系统方法,构造离散时间Kalman故障诊断观测器来估计故障和状态信息
2-1.构造离散时间类Kalman滤波器
2-2.定义系统状态误差和故障误差
设计故障估计算法
其中H∈Rq×r为加权矩阵。
结合步骤1-2可得
其中Δf(tk)=f(tk+1)-f(tk),则误差系统满足H∞性能约束。
步骤3.基于估计的状态和故障信息,设计满足Lyapunov不等式条件约束的自触发故障容错控制器。
3-1.故障调节信号的设置
对于故障容错控制来说,离散控制信号在采样时刻的更新是同步的,其形式如下:
u(tk)=un(tk)+uf(tk)
3-2.把控制信号u(tk)代入系统模型得到
且满足如下的Lyapunov函数关系
其中V(χ(T))=(χTPχ)1/2,P为Lyapunov等式(A+BK)TP+P(A+BK)=-Q的解,为x(tk)的估计值,λ为所需的衰减率。当上述条件成立时,则不执行采样操作,反之,传感器立即采样状态信息。
3-3.给定采样周期
本发明的有益效果:本发明是基于事件触发控制的基础,利用算法将系统的实时状态和阈值事件融合起来,建立触发策略和实时状态之间的映射关系,从而避免了设计专门的硬件来对阈值事件的存储及监测,当满足触发条件时系统自动采样,诊断到故障,然后通过自动调节系统输入来使系统逐渐达到稳定状态。
具体实施方式
以注塑成型为例:
步骤1.建立离散化注塑成型系统状态模型
1-1.建立非均匀采样系统状态模型
其中,x(t)表示注塑成型的系统状态,u(t)表示系统t时刻注塑成型的阀门开度,d(t)∈Rd为外界扰动,y(t)表示系统t时刻的喷嘴压力,f(t)∈Rq系统内部故障信号,A,B,Bf,Bd,C为适维定常矩阵,并有(A,C)可观,(A,B)可控。
1-2.系统状态模型的离散化
对系统状态模型在采样时刻tk+1进行离散化后有:
x(tk+1)=F(θk)x(tk)+Gu(θk)u(tk)+Gf(θk)f(tk)+Gd(θk)d(tk)
其中,
θk为自触发机制下的采样间隔,θk=tk+1-tk为时变甚至不确定的,θmin,θmax分别表示最小最大采样间隔。
步骤2.基于不确定多项式系统方法,构造离散时间Kalman故障诊断观测器来估计故障和状态信息
2-1.构造离散时间类Kalman滤波器
2-2.定义注塑系统状态误差和故障误差
ex(tk)表示注塑系统状态误差,ef(tk)表示注塑系统内部故障信号误差。
设计故障估计算法
其中H∈Rq×r为加权矩阵。
结合步骤1-2可得
其中Δf(tk)=f(tk+1)-f(tk),则误差系统满足H∞性能约束。
步骤3.基于估计的状态和故障信息,设计满足Lyapunov不等式条件约束的自触发故障容错控制器。
3-1.当出现故障时,系统阀门开度的调节
u(tk)=un(tk)+uf(tk)
其中
表示系统正常时的阀门开度;
表示系统发生故障时用于调节的阀门开度大小。
3-2.把阀门开度u(tk)代入注塑系统模型得到
且满足如下的Lyapunov函数关系
其中V(χ(T))=(χTPχ)1/2,P为Lyapunov等式(A+BK)TP+P(A+BK)=-Q的解,为x(tk)的估计值,λ为所需的衰减率。当上述条件成立时,则不执行采样操作,反之,传感器立即采样状态信息。
3-3.给定采样周期
Claims (1)
1.基于自触发采样的化工工业过程故障诊断与容错控制方法,其特征在于该方法包括以下步骤:
步骤1.建立离散化系统状态模型
1-1.建立非均匀采样系统状态模型
其中,x(t)∈Rn为状态向量,u(t)∈Rm为输入向量,d(t)∈Rd为外界扰动,y(t)∈Rr为系统输出,f(t)∈Rq为需要检测和估计的系统加性故障信号,A,B,Bf,Bd,C为适维定常矩阵,并有(A,C)可观,(A,B)可控;
1-2.系统状态模型的离散化
对系统状态模型在采样时刻tk+1进行离散化后有:
x(tk+1)=F(θk)x(tk)+Gu(θk)u(tk)+Gf(θk)f(tk)+Gd(θk)d(tk)
其中,θk为自触发机制下的采样间隔,θmin,θmax分别表示最小最大采样间隔;
步骤2.基于不确定多项式系统,构造离散时间Kalman故障诊断观测器来估计故障和状态信息
2-1.构造离散时间类Kalman滤波器
2-2.定义系统状态误差和故障误差
设计故障估计算法
其中H∈Rq×r为加权矩阵;
结合步骤1-2可得
其中Δf(tk)=f(tk+1)-f(tk),则误差系统满足H∞性能约束;
步骤3.基于估计的状态和故障信息,设计满足Lyapunov不等式条件约束的自触发故障容错控制器;
3-1.故障调节信号的设置
对于故障容错控制来说,离散控制信号在采样时刻的更新是同步的,其形式如下:
u(tk)=un(tk)+uf(tk)
3-2.把控制信号u(tk)代入系统模型得到
且满足如下的Lyapunov函数关系
其中V(χ(T))=(χTPχ)1/2,P为Lyapunov等式
3-3.给定采样周期
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911394359.0A CN111007727A (zh) | 2019-12-30 | 2019-12-30 | 基于自触发采样的化工工业过程故障诊断与容错控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911394359.0A CN111007727A (zh) | 2019-12-30 | 2019-12-30 | 基于自触发采样的化工工业过程故障诊断与容错控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111007727A true CN111007727A (zh) | 2020-04-14 |
Family
ID=70119354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911394359.0A Pending CN111007727A (zh) | 2019-12-30 | 2019-12-30 | 基于自触发采样的化工工业过程故障诊断与容错控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111007727A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114415634A (zh) * | 2022-01-19 | 2022-04-29 | 大连理工大学 | 积分型航空发动机执行机构故障估计方法 |
CN114563953A (zh) * | 2022-01-31 | 2022-05-31 | 四川大学 | 兼顾多因素影响的轮式机器人自适应容错可靠控制系统及方法 |
CN114859847A (zh) * | 2022-03-11 | 2022-08-05 | 四川大学 | 一种适用于互联非线性系统的可靠优化控制系统及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108845495A (zh) * | 2018-04-03 | 2018-11-20 | 南通大学 | 基于双层Kalman滤波器的间歇故障诊断与主动容错控制方法 |
-
2019
- 2019-12-30 CN CN201911394359.0A patent/CN111007727A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108845495A (zh) * | 2018-04-03 | 2018-11-20 | 南通大学 | 基于双层Kalman滤波器的间歇故障诊断与主动容错控制方法 |
Non-Patent Citations (1)
Title |
---|
张静: "基于事件触发采样的故障诊断与容错控制", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114415634A (zh) * | 2022-01-19 | 2022-04-29 | 大连理工大学 | 积分型航空发动机执行机构故障估计方法 |
CN114563953A (zh) * | 2022-01-31 | 2022-05-31 | 四川大学 | 兼顾多因素影响的轮式机器人自适应容错可靠控制系统及方法 |
CN114859847A (zh) * | 2022-03-11 | 2022-08-05 | 四川大学 | 一种适用于互联非线性系统的可靠优化控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111007727A (zh) | 基于自触发采样的化工工业过程故障诊断与容错控制方法 | |
CN110513198B (zh) | 一种涡扇发动机控制系统主动容错控制方法 | |
Yin et al. | Real-time implementation of fault-tolerant control systems with performance optimization | |
Polycarpou | Fault accommodation of a class of multivariable nonlinear dynamical systems using a learning approach | |
US10113443B2 (en) | Failure detection device | |
US20170185055A1 (en) | Process control system | |
CN111650835B (zh) | 一种随机跳变系统的自适应事件触发异步滑模控制方法 | |
CN109901395B (zh) | 异步系统的自适应容错控制方法 | |
CN111381501B (zh) | 基于事件触发的异步系统的容错控制方法 | |
US7826910B2 (en) | Systems and methods for control over unreliable networks | |
Gai et al. | Dynamic Event-Triggered Hᵢ/H∞ Optimization Approach to Fault Detection for Unmanned Aerial Vehicles | |
Zhang et al. | Event-triggered adaptive control for a class of nonlinear systems with mismatched uncertainties via intermittent and faulty output feedback | |
CN112947391B (zh) | 一种基于tomfir残差的飞行控制系统执行器微小故障诊断方法 | |
CN111679580B (zh) | 基于自适应的飞行器控制系统故障补偿和扰动抑制方法 | |
CN112286125B (zh) | 电机驱动风扇事件触发固定时间容错控制方法及系统 | |
Zhang et al. | Diagnosis of process faults and sensor faults in a class of nonlinear uncertain systems | |
CN112925295B (zh) | 基于化工过程的性能估计与分散式状态反馈控制方法 | |
CN116203848B (zh) | 一种飞机升降舵故障感知与保护一体化驱动方法 | |
CN114545907B (zh) | 一种基于滤波器的飞行控制系统的故障检测方法 | |
CN111880407B (zh) | 一种非线性系统的稳定方法及装置 | |
Sun et al. | Predictor-Based Extended State Observer for Decentralized Event-Triggered Control of Large-Scale Systems With Input and Output Delays | |
Yang et al. | Adaptive tracking control for multiagent systems with event‐triggered communication and asymmetric input saturation | |
CN117215175B (zh) | 一种基于切换模型的航空发动机事件触发综合抗干扰方法 | |
Emami et al. | A fault detection technique for dynamical systems | |
Chen et al. | Integrated design of fault estimation and fault-tolerant control for closed-loop systems with uncertain short delay |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200414 |
|
WD01 | Invention patent application deemed withdrawn after publication |