CN111142503B - 一种基于迭代学习观测器的故障诊断方法及诊断系统 - Google Patents
一种基于迭代学习观测器的故障诊断方法及诊断系统 Download PDFInfo
- Publication number
- CN111142503B CN111142503B CN201911389482.3A CN201911389482A CN111142503B CN 111142503 B CN111142503 B CN 111142503B CN 201911389482 A CN201911389482 A CN 201911389482A CN 111142503 B CN111142503 B CN 111142503B
- Authority
- CN
- China
- Prior art keywords
- state
- iterative learning
- output
- fault diagnosis
- fault
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric 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
- G05B23/0243—Electric 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 model based detection method, e.g. first-principles knowledge model
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明属于故障诊断技术领域,公开了一种基于迭代学习观测器的故障诊断方法及诊断系统,定义一个二维模糊模型,其分别是对时间轴和批次轴的演化;建立经过轮询调度协议后输出的数学表达式;将轮询调度协议的输出与原系统的状态组成增广系统的状态;对增广系统建立迭代学习观测器进行故障、状态的估计。本发明利用迭代学习观测器对故障进行估计,通过对输出误差的不断迭代,达到对故障更精确的估计,从而对系统状态有着更好的估计性能。考虑到轮询调度协议具有周期性,而迭代学习策略能够很好的挖掘周期信息,因此本发明设计迭代学习观测器对系统进行故障诊断,从而可以得到更精确的故障诊断结果。
Description
技术领域
本发明属于故障诊断技术领域,尤其涉及一种基于迭代学习观测器的故障诊断方法及诊断系统。
背景技术
目前,最接近的现有技术:传统观测器对含有轮询调度(Round-Robin)协议系统的故障诊断方法面临故障估计不准确的挑战。绝大多数情况下,由于系统中噪声、不确定性的存在,传统的观测器对系统的状态和故障的估计往往不准确。现有的传统观测器的故障诊断方法(如龙伯格观测器、未知输入观测器等)在噪声、系统不确定性存在时,对状态和故障的估计效果就会受到很大的影响。本发明专利首先利用迭代学习观测器对故障进行估计,通过对输出误差的不断迭代,达到对故障更精确的估计,从而对系统状态有着更好的估计性能。考虑到轮询调度协议具有周期性,而迭代学习策略能够很好的挖掘周期信息,因此本发明设计迭代学习观测器对系统进行故障诊断,从而可以得到更精确的故障诊断结果。
综上所述,现有技术存在的问题是:现有的传统观测器的故障诊断方法(如龙伯格观测器、未知输入观测器等)在噪声、系统不确定性存在时,对状态和故障的估计效果就会受到很大的影响。
解决上述技术问题的难度:因为引用迭代学习观测器的方法,需要将传统的一维系统转化为二维系统,在稳定性证明方面与一维系统有着一定的差别,并且需要找到一个合理的迭代次数使观测器有着不错的估计效果。
解决上述技术问题的意义:轮询调度协议具有周期性,而迭代学习策略可以很好的挖掘周期信息,利用这个方法,可以对含有轮询调度协议的T-S模糊系统的故障有着良好的估计,并且可以对系统状态有着进一步的估计。
发明内容
针对现有技术存在的问题,本发明提供了一种基于迭代学习观测器的故障诊断方法及诊断系统。
本发明是这样实现的,一种基于迭代学习观测器的故障诊断方法,所述故障诊断方法包括以下步骤:
步骤一,定义一个二维模糊模型,其分别是对时间轴和批次轴的演化;
步骤二,建立经过轮询调度协议后输出的数学表达式;
步骤三,将轮询调度协议的输出与原系统的状态组成增广系统的状态;
步骤四,对增广系统建立迭代学习观测器进行故障、状态的估计。
进一步,步骤一中,所述二维模糊模型为:
其中,k是迭代次数,g1,...,gj为前件变量,为模糊集合,Aci、Bci、Cc为系统矩阵,x(t,k)、u(t,k)、y(t,k)表示系统的状态、输入和输出,f(t,k)表示故障控制输入,w(t,k)表示噪声。
进一步,步骤二中,所述建立经过轮询调度协议后输出的数学表达式为:
进一步,步骤三中,所述将轮询调度协议的输出与原系统的状态组成增广系统的状态为:
进一步,步骤四中,所述对增广系统建立迭代学习观测器进行故障、状态的估计具体包括:
本发明的另一目的在于提供一种基于迭代学习观测器的故障诊断系统,所述基于迭代学习观测器的故障诊断系统包括:
二维模糊模型定义模块,用于定义一个二维模糊模型,其分别是对时间轴和批次轴的演化;
输出模块,用于建立经过轮询调度协议后输出的数学表达式;
状态输出模块,用于将轮询调度协议的输出与原系统的状态组成增广系统的状态;
故障及状态估计模块,用于对增广系统建立迭代学习观测器进行故障、状态的估计。
本发明的另一目的在于提供一种实现所述基于迭代学习观测器的故障诊断方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述的基于迭代学习观测器的故障诊断方法。
综上所述,本发明的优点及积极效果为:本发明首先利用迭代学习观测器对故障进行估计,通过对输出误差的不断迭代,达到对故障更精确的估计,从而对系统状态有着更好的估计性能。考虑到轮询调度协议具有周期性,而迭代学习策略能够很好的挖掘周期信息,因此本发明设计迭代学习观测器对系统进行故障诊断,从而可以得到更精确的故障诊断结果。
附图说明
图1是本发明实施例提供的基于迭代学习观测器的故障诊断方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种基于迭代学习观测器的故障诊断方法及诊断系统,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的基于迭代学习观测器的故障诊断方法包括以下步骤:
S101:定义一个二维模糊模型,其分别是对时间轴和批次轴的演化。
Plant rule i:
其中,k是迭代次数,g1,...,gj为前件变量,为模糊集合,Aci、Bci、Cc为系统矩阵,x(t,k)、u(t,k)、y(t,k)表示系统的状态、输入和输出,f(t,k)表示故障控制输入,w(t,k)表示噪声。
S102:建立经过轮询调度(Round-Robin)协议后输出的数学表达式。
S103:将轮询调度(Round-Robin)协议的输出与原系统的状态组成增广系统的状态。
S104:对增广系统建立迭代学习观测器进行故障、状态的估计。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于迭代学习观测器的故障诊断方法,其特征在于,所述故障诊断方法包括以下步骤:
步骤一,定义一个二维模糊模型,其分别是对时间轴和批次轴的演化;
步骤二,建立经过轮询调度协议后输出的数学表达式;
步骤三,将轮询调度协议的输出与原系统的状态组成增广系统的状态;
步骤四,对增广系统建立迭代学习观测器进行故障、状态的估计;
步骤一中,所述二维模糊模型为:
其中,k是迭代次数,g1,...,gj为前件变量,为模糊集合,Aci、Bci、Cc为系统矩阵,x(t,k)、u(t,k)、y(t,k)表示系统的状态、输入和输出,f(t,k)表示故障控制输入,w(t,k)表示噪声;
步骤二中,所述建立经过轮询调度协议后输出的数学表达式为:
步骤三中,所述将轮询调度协议的输出与原系统的状态组成增广系统的状态为:
步骤四中,所述对增广系统建立迭代学习观测器进行故障、状态的估计具体包括:
2.一种实施权利要求1所述基于迭代学习观测器的故障诊断方法的基于迭代学习观测器的故障诊断系统,其特征在于,所述基于迭代学习观测器的故障诊断系统包括:
二维模糊模型定义模块,用于定义一个二维模糊模型,其分别是对时间轴和批次轴的演化;
输出模块,用于建立经过轮询调度协议后输出的数学表达式;
状态输出模块,用于将轮询调度协议的输出与原系统的状态组成增广系统的状态;
故障及状态估计模块,用于对增广系统建立迭代学习观测器进行故障、状态的估计。
3.一种实现权利要求1所述基于迭代学习观测器的故障诊断方法的信息数据处理终端。
4.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1所述的基于迭代学习观测器的故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911389482.3A CN111142503B (zh) | 2019-12-30 | 2019-12-30 | 一种基于迭代学习观测器的故障诊断方法及诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911389482.3A CN111142503B (zh) | 2019-12-30 | 2019-12-30 | 一种基于迭代学习观测器的故障诊断方法及诊断系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111142503A CN111142503A (zh) | 2020-05-12 |
CN111142503B true CN111142503B (zh) | 2023-03-21 |
Family
ID=70521548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911389482.3A Active CN111142503B (zh) | 2019-12-30 | 2019-12-30 | 一种基于迭代学习观测器的故障诊断方法及诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111142503B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625677A (zh) * | 2021-06-16 | 2021-11-09 | 河南大学 | 一种基于自适应迭代学习算法的非线性系统故障检测与估计方法和装置 |
CN114019944B (zh) * | 2021-11-08 | 2024-04-30 | 江南大学 | 一种fdi攻击下网络化控制系统状态与故障的联合区间估计方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002169611A (ja) * | 2000-11-30 | 2002-06-14 | Yaskawa Electric Corp | 故障診断システムおよびその自動設計方法 |
CN103488092A (zh) * | 2013-10-16 | 2014-01-01 | 哈尔滨工业大学 | 基于t-s模糊模型与学习观测器的卫星故障诊断与容错控制方法 |
CN107329083A (zh) * | 2017-07-28 | 2017-11-07 | 南京航空航天大学 | 针对高速列车牵引电机非线性系统传感器的故障诊断方法 |
CN108227494A (zh) * | 2018-01-05 | 2018-06-29 | 海南师范大学 | 非线性批次过程2d最优约束模糊容错控制方法 |
CN110083981A (zh) * | 2019-05-17 | 2019-08-02 | 重庆交通大学 | 一种基于遗忘因子的任意初态下的迭代学习故障估计方法 |
CN110566403A (zh) * | 2019-08-08 | 2019-12-13 | 天津科技大学 | 一种风力发电t-s模糊鲁棒调度容错控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6956028B2 (ja) * | 2018-02-22 | 2021-10-27 | ファナック株式会社 | 故障診断装置及び機械学習装置 |
-
2019
- 2019-12-30 CN CN201911389482.3A patent/CN111142503B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002169611A (ja) * | 2000-11-30 | 2002-06-14 | Yaskawa Electric Corp | 故障診断システムおよびその自動設計方法 |
CN103488092A (zh) * | 2013-10-16 | 2014-01-01 | 哈尔滨工业大学 | 基于t-s模糊模型与学习观测器的卫星故障诊断与容错控制方法 |
CN107329083A (zh) * | 2017-07-28 | 2017-11-07 | 南京航空航天大学 | 针对高速列车牵引电机非线性系统传感器的故障诊断方法 |
CN108227494A (zh) * | 2018-01-05 | 2018-06-29 | 海南师范大学 | 非线性批次过程2d最优约束模糊容错控制方法 |
CN110083981A (zh) * | 2019-05-17 | 2019-08-02 | 重庆交通大学 | 一种基于遗忘因子的任意初态下的迭代学习故障估计方法 |
CN110566403A (zh) * | 2019-08-08 | 2019-12-13 | 天津科技大学 | 一种风力发电t-s模糊鲁棒调度容错控制方法 |
Non-Patent Citations (2)
Title |
---|
网络控制系统的时延故障诊断方法研究;沈汉文;《中国优秀硕士学位论文全文数据库》;20190515;全文 * |
高速率通信网络下时变系统的有限时域H_∞控制;邹金鹏 等;《计算机工程与应用》;20191015(第20期);208-215 * |
Also Published As
Publication number | Publication date |
---|---|
CN111142503A (zh) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Van de Geer et al. | 0-penalized maximum likelihood for sparse directed acyclic graphs | |
Hu et al. | H∞ filtering for networked systems with partly known distribution transmission delays | |
CN111142503B (zh) | 一种基于迭代学习观测器的故障诊断方法及诊断系统 | |
CN111025914B (zh) | 基于通信受限的神经网络系统远程状态估计方法及装置 | |
CN113110039B (zh) | 一种多智能体系统的有限时间分布式聚合优化方法 | |
CN113095497B (zh) | 一种分数阶四元忆阻神经网络的有限时间同步方法、装置 | |
You et al. | Distributed adaptive event‐triggered control for leader‐following consensus of multi‐agent systems | |
Goegebeur et al. | Asymptotically unbiased estimation of the coefficient of tail dependence | |
Xu et al. | Event‐based distributed robust synchronization control for multiple Euler‐Lagrange systems without relative velocity measurements | |
Vershik | The problem of describing central measures on the path spaces of graded graphs | |
CN112327810B (zh) | 一种动态事件触发传输马尔科夫跳变系统的故障估计方法 | |
CN116579618B (zh) | 基于风险管理的数据处理方法、装置、设备及存储介质 | |
Chen et al. | Observer-based event-triggered consensus of leader-following linear multi-agent systems with input saturation and switching topologies | |
Gevers et al. | Identifiability of dynamical networks with singular noise spectra | |
CN112258410B (zh) | 一种可微分的低秩学习网络图像修复方法 | |
CN108462180B (zh) | 一种基于vine copula函数确定概率最优潮流的方法 | |
CN111694272B (zh) | 基于模糊逻辑系统的非线性多智能体的自适应控制方法及装置 | |
Feng et al. | On reachable set synthesis of delay Markovian jump systems under partially delay‐dependent asynchronous control | |
CN104537224B (zh) | 基于自适应学习算法的多状态系统可靠性分析方法及系统 | |
CN115755623A (zh) | 一种基于事件触发中间观测器的故障容错控制方法 | |
Breschi et al. | Cloud-aided collaborative estimation by admm-rls algorithms for connected diagnostics and prognostics | |
CN111091475B (zh) | 一种基于非负矩阵分解的社交网络特征提取方法 | |
Zhou et al. | Designing event-triggered prescribed-time consensus and containment control of multi-agent systems under directed graphs | |
Song et al. | Distributed heavy-ball Nash equilibrium seeking algorithm in aggregative games | |
CN110210691B (zh) | 资源推荐方法、装置、存储介质及设备 |
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 |