CN111812980A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111812980A CN111812980A CN202010624544.0A CN202010624544A CN111812980A CN 111812980 A CN111812980 A CN 111812980A CN 202010624544 A CN202010624544 A CN 202010624544A CN 111812980 A CN111812980 A CN 111812980A
- Authority
- CN
- China
- Prior art keywords
- observer
- vector
- unknown input
- fault
- error
- 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
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)
Abstract
本发明涉及故障诊断技术领域,公开了一种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,将原离散切换系统的状态向量和故障向量整合为增广系统的状态向量,得到增广系统;基于P半径技术,设计一个未知输入观测器(UIO)来估计增广系统的状态和故障;给出假设条件,利用线性矩阵不等式技术和Schur补引理对观测器进行求解;对故障估计误差进行分析。与现有技术相比,本发明针对离散切换系统基于P半径技术设计未知输入鲁棒故障估计观测器,利用线性矩阵不等式技术和Schur补引理对观测器进行求解并对故障估计误差进行分析,以保证误差系统的稳定,故障估计对未知输入干扰具有完全鲁棒性,该方法与其他传统方法相比,具有更精确的边界和更高的效率。
Description
技术领域
本发明涉及故障诊断技术领域,特别涉及一种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。
背景技术
近年来,基于观测器的故障估计方法得到了广泛的应用,如滑模观测器、模糊观测器、自适应观测器等。基于滑模观测器的故障估计技术可以对常变故障和时变故障进行有界估计,研究了模糊系统的故障估计和容错控制问题,但是当状态轨迹达到滑模面后,难以严格地沿着滑面向平衡点滑动,而是在滑模面两侧来回穿越,从而产生颤动。而基于观测器的自适应故障估计技术仅仅只能实现常数的渐近估计,自适应控制所依据的关于模型和扰动的先验知识比较少,需要在系统的运行过程中去不断提取有关模型的信息,使模型逐步完善。所以自适应控制比常规反馈控制要复杂的多,成本也高的多,因此只是在用常规反馈达不到所期望的性能时,才会考虑采用。
另一方面,由于切换系统在实际工程系统中的广泛应用,引起了人们的广泛关注。切换系统是由多个子系统和指定子系统之间切换顺序的切换信号组成的混合系统。根据切换特性,切换信号可分为任意切换和约束切换。平均驻留时间(ADT)就是一种典型的受限切换信号。在已有文献中,ADT切换已被证明是更一般和具有更少的保守性。
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离散切换系统的鲁棒故障估计方法,针对离散切换系统基于P半径技术设计未知输入鲁棒故障估计观测器,以保证误差系统的稳定,故障估计对未知输入干扰具有完全鲁棒性。
技术方案:本发明提供了一种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,包括如下步骤:
步骤1:将原离散切换系统的状态向量和故障向量整合为增广系统的状态向量,得到增广系统;所述离散切换系统为:
其中,是状态向量,是已知输入向量,是可测输出向量,是高斯白噪声,是未知输入向量,是可测噪声向量,是故障向量,αi表示切换信号,N表示i的取值上界,即离散切换系统中子系统的个数;i表示第i个子系统被激活,t表示时刻、nx、nu、ny、nd、nw、nv、nf分别为x(t)、u(t)、y(t)、d(t)、ω(t)、υ(t)、f(t)对应向量的维数;Ai,Bi,Ci,Ddi,Dυi,F1i,F2i是具有适当维数的矩阵,矩阵Ddi是满秩的;
步骤2:基于P半径技术,设计一个未知输入观测器(UIO)来估计步骤1中增广系统的状态和故障;所述未知输入观测器为:
步骤3:给出假设条件,并利用线性矩阵不等式技术和Schur补引理对观测器进行求解;
步骤4:对故障估计误差进行分析。
进一步地,所述步骤1中状态和故障的增广向量构造为:
则所述增广系统为:
其中,
进一步地,所述步骤3中未知输入观测器的误差系统为:
所以误差系统为:
进一步地,所述步骤4中利用线性矩阵不等式技术和Schur补引理对观测器进行求解,过程如下:
定理1:对于给定的标量0<γ<1,矩阵Ji,Ri,如果存在一个正定矩阵P,以及矩阵Wi和Gi,使得以下的优化条件可以被求解:
进一步地,所述步骤4中对故障估计误差进行分析,过程如下:
对于误差系统,在初始状态、系统扰动和被测噪声均属于相应带域的假设下,则有:
其中,表示闵可夫斯基的总和,Ωt+1表示t+1时刻对应的状态估计误差的区间范围,表示t时刻对应的未知输入向量ω(t),表示t时刻对应的可测噪声向量,j、k表示开始结束的位置,比如从j=0开始,到k-1结束;Ω0表示初始状态时状态估计误差的区间范围。
有益效果:
1.本发明基于P半径技术,设计一个未知输入观测器(UIO)来估计增广系统的状态和故障,以保证误差系统的稳定。
2.本发明利用线性矩阵不等式技术和Schur补引理对观测器进行求解,并对故障估计误差进行分析。
3.与其他传统方法相比,该方法具有更精确的边界和更高的效率,故障估计对未知输入干扰具有完全鲁棒性,得到了带有测量扰动的切换系统鲁棒故障估计观测器设计的有效条件,提出的故障估计算法适用于各种故障估计。
附图说明
图1为本发明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步骤流程图。
具体实施方式
下面结合具体实施例对本发明进行详细的介绍。
本发明研究了基于未知输入离散切换系统的鲁棒故障估计问题。基于P半径技术,设计一个未知输入观测器(UIO)来估计增广系统的状态和故障,以保证误差系统的稳定。利用线性矩阵不等式技术和Schur补引理对观测器进行求解并对故障估计误差进行分析。与其他传统方法相比,该方法具有更精确的边界和更高的效率。
注记:本发明中涉及的PT,P-1分别表示矩阵P的转置和逆矩阵,Rn表示n维实向量集,I,0分别表示具有适当维数的单位向量和零向量,文中*表示对称矩阵中的对称项。
本发明所述的故障估计方法包括如下步骤:
步骤1:进行定义和性质介绍等准备工作;
1)相关定义描述:
定义1:Bn∈Rn是由(x1,x2,...,xn)T组成的,xi∈[ai,bi],ai≤bi,i=1,2,...,n。
2)相关性质描述:
性质1:对于给定的p1∈Rn,p2∈Rn以及生成矩阵H1∈Rn×m,H2∈Rn×m,则:
性质2:对于给定的中心向量p∈Rn以及生成矩阵H∈Rn×m、K∈Rm×n,则:
K<p,H>=<Kp,KH> (3)
步骤2:将原离散切换系统的状态向量和故障向量整合为增广系统的状态向量,即可得到增广系统。其中离散切换系统为:
其中,是状态向量,是已知输入向量,是可测输出向量,是高斯白噪声,是未知输入向量,是可测噪声向量,是故障向量,αi表示切换信号,N表示i的取值上界,即离散切换系统中子系统的个数;i表示第i个子系统被激活,t表示时刻、nx、nu、ny、nd、nw、nv、nf分别为x(t)、u(t)、y(t)、d(t)、ω(t)、υ(t)、f(t)对应向量的维数。
假设初始状态和扰动是有界的,也就是满足:
假设:矩阵Ddi是满秩的。
为了实现故障估计,将状态和故障的增广向量构造为
则系统(1)可以转化为如下增广系统:
其中,
步骤3:基于P半径技术,设计一个未知输入观测器(UIO)来估计增广系统的状态和故障,以保证误差系统的稳定;
1)未知输入观测器:
2)误差系统:
基于(6)(7)和(8),则误差系统为:
若以下条件满足:
则误差系统(9)可写成:
又从(8)和(10)中可以得到:
从而得到一组Ji,Ri的可行解:
其中,
表示摩尔-彭罗斯逆,是一个具有更多额外设计自由度的任意矩阵。由误差系统(11)可知,e(t+1)可以根据性质1、性质2,由e(t),ω(t),υ(t)的递归调用得到。因为e(0),ω(t),υ(t)是有界的,所以e(t)也是有界的,并由Ω=<0,H(k)>表示,其中,根据(11)该生成矩阵可以由下式得到:
其中,He(k)表示状态估计误差e(t)的上界;e表示状态估计误差,H(k)以e为下标,对应的是状态估计误差e的上界。
为了使扰动对状态估计的影响最小,需要将观测器的增益Li设计为使得Ω最小。根据定义4,P半径定义为:
步骤4:为了简化计算,给出了一些假设条件,并利用线性矩阵不等式技术和Schur补引理对观测器进行求解,过程如下:
定理1:对于给定的标量0<γ<1,矩阵Ji,Ri,如果存在一个正定矩阵P,以及矩阵Wi和Gi,使得以下的优化条件可以被求解:
证明:定义如下的P半径:
r=nx+nf+nω+2nυ
如果存在两个正常数0<γ<1和δ>0,使得下列条件成立,则区域的范围将减小。
定义生成的矩阵形式为:
则由系统(11)未知输入的最大影响参数δ可以定义如下:
也就等价于:
也就是:
则上式可以转化为:
其中:
由Schur引理可知:
则对于任意的矩阵Gi,不等式(P-Gi)TP-1(P-Gi)<0都成立。
令Wi=GiLi
则定理1条件成立,证明完成。
步骤5:对故障估计误差进行分析,过程如下:
对于误差系统(11),在初始状态、系统扰动和被测噪声均属于相应带域的假设下,则有:
基于性质2,有:
注意:本发明针对的故障的形式可以是任意的。也就是说,对故障的形式没有限制。本发明提出的方法可以实现对它们的精确估计。
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 (5)
1.一种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,其特征在于,包括如下步骤:
步骤1:将原离散切换系统的状态向量和故障向量整合为增广系统的状态向量,得到增广系统;所述离散切换系统为:
其中,是状态向量,是已知输入向量,是可测输出向量,是高斯白噪声,是未知输入向量,是可测噪声向量,是故障向量,αi表示切换信号,N表示i的取值上界,即离散切换系统中子系统的个数;i表示第i个子系统被激活,t表示时刻、nx、nu、ny、nd、nw、nv、nf分别为x(t)、u(t)、y(t)、d(t)、ω(t)、υ(t)、f(t)对应向量的维数;Ai,Bi,Ci,Ddi,Dυi,F1i,F2i是具有适当维数的矩阵,矩阵Ddi是满秩的;
步骤2:基于P半径技术,设计一个未知输入观测器(UIO)来估计步骤1中增广系统的状态和故障;所述未知输入观测器为:
步骤3:给出假设条件,并利用线性矩阵不等式技术和Schur补引理对观测器进行求解;
步骤4:对故障估计误差进行分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010624544.0A CN111812980B (zh) | 2020-07-02 | 2020-07-02 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010624544.0A CN111812980B (zh) | 2020-07-02 | 2020-07-02 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111812980A true CN111812980A (zh) | 2020-10-23 |
CN111812980B CN111812980B (zh) | 2022-03-22 |
Family
ID=72856043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010624544.0A Active CN111812980B (zh) | 2020-07-02 | 2020-07-02 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111812980B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733320A (zh) * | 2020-12-09 | 2021-04-30 | 淮阴工学院 | 一种基于delta算子的升压变换器执行器故障检测方法 |
CN113031570A (zh) * | 2021-03-18 | 2021-06-25 | 哈尔滨工业大学 | 基于自适应未知输入观测器的快速故障估计方法及设备 |
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 |
CN113189973A (zh) * | 2020-12-09 | 2021-07-30 | 淮阴工学院 | 基于函数观测器的二级化学反应器执行器故障检测方法 |
CN114019944A (zh) * | 2021-11-08 | 2022-02-08 | 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 |
CN118092190A (zh) * | 2024-04-22 | 2024-05-28 | 南京工业大学 | 一种基于自适应抗扰观测器的随机时变系统故障检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0619504A (ja) * | 1992-05-08 | 1994-01-28 | Tel Varian Ltd | 制御システム |
US20080125875A1 (en) * | 2006-09-14 | 2008-05-29 | Honeywell International Inc. | A system for gain scheduling control |
CN108733030A (zh) * | 2018-06-05 | 2018-11-02 | 长春工业大学 | 一种基于网络的切换时滞系统中间估计器设计方法 |
KR101933964B1 (ko) * | 2017-06-21 | 2018-12-31 | 중앙대학교 산학협력단 | 임의로 스위치 된 불확실한 비아핀 비선형 시스템의 적응 관측기 기반 출력 제약 추종을 이용한 제어 장치 |
CN110412975A (zh) * | 2019-08-26 | 2019-11-05 | 淮阴工学院 | 一种化工液位过程控制系统的鲁棒故障诊断方法 |
CN110703744A (zh) * | 2019-09-11 | 2020-01-17 | 淮阴工学院 | 基于未知输入观测器的化工液位控制系统故障检测方法 |
CN110764414A (zh) * | 2019-10-31 | 2020-02-07 | 辽宁石油化工大学 | 针对多种干扰的多阶段批次异步切换过程的鲁棒预测控制方法 |
CN111090945A (zh) * | 2019-12-20 | 2020-05-01 | 淮阴工学院 | 一种针对切换系统的执行器和传感器故障估计设计方法 |
-
2020
- 2020-07-02 CN CN202010624544.0A patent/CN111812980B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0619504A (ja) * | 1992-05-08 | 1994-01-28 | Tel Varian Ltd | 制御システム |
US20080125875A1 (en) * | 2006-09-14 | 2008-05-29 | Honeywell International Inc. | A system for gain scheduling control |
KR101933964B1 (ko) * | 2017-06-21 | 2018-12-31 | 중앙대학교 산학협력단 | 임의로 스위치 된 불확실한 비아핀 비선형 시스템의 적응 관측기 기반 출력 제약 추종을 이용한 제어 장치 |
CN108733030A (zh) * | 2018-06-05 | 2018-11-02 | 长春工业大学 | 一种基于网络的切换时滞系统中间估计器设计方法 |
CN110412975A (zh) * | 2019-08-26 | 2019-11-05 | 淮阴工学院 | 一种化工液位过程控制系统的鲁棒故障诊断方法 |
CN110703744A (zh) * | 2019-09-11 | 2020-01-17 | 淮阴工学院 | 基于未知输入观测器的化工液位控制系统故障检测方法 |
CN110764414A (zh) * | 2019-10-31 | 2020-02-07 | 辽宁石油化工大学 | 针对多种干扰的多阶段批次异步切换过程的鲁棒预测控制方法 |
CN111090945A (zh) * | 2019-12-20 | 2020-05-01 | 淮阴工学院 | 一种针对切换系统的执行器和传感器故障估计设计方法 |
Non-Patent Citations (1)
Title |
---|
DU, DONGSHENG等: "Robust fault estimation observer design for switched systems with unknown input", 《APPLIED MATHEMATICS AND COMPUTATION》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733320A (zh) * | 2020-12-09 | 2021-04-30 | 淮阴工学院 | 一种基于delta算子的升压变换器执行器故障检测方法 |
CN113189973A (zh) * | 2020-12-09 | 2021-07-30 | 淮阴工学院 | 基于函数观测器的二级化学反应器执行器故障检测方法 |
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 |
CN113031570A (zh) * | 2021-03-18 | 2021-06-25 | 哈尔滨工业大学 | 基于自适应未知输入观测器的快速故障估计方法及设备 |
CN114019944A (zh) * | 2021-11-08 | 2022-02-08 | 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 |
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 |
CN118092190A (zh) * | 2024-04-22 | 2024-05-28 | 南京工业大学 | 一种基于自适应抗扰观测器的随机时变系统故障检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111812980B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111812980B (zh) | 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 | |
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 | |
Liu et al. | Expectation–maximization algorithm for bilinear systems by using the Rauch–Tung–Striebel smoother | |
Karunasinghe et al. | Chaotic time series prediction with a global model: Artificial neural network | |
Chen et al. | L2–L∞ filtering for stochastic Markovian jump delay systems with nonlinear perturbations | |
Rakkiyappan et al. | Non-fragile finite-time l2− l∞ state estimation for discrete-time neural networks with semi-Markovian switching and random sensor delays based on Abel lemma approach | |
CN107832789B (zh) | 基于平均影响值数据变换的特征加权k近邻故障诊断方法 | |
Kwon et al. | Improved approaches to stability criteria for neural networks with time-varying delays | |
Fan | Convergence rate of the trust region method for nonlinear equations under local error bound condition | |
Jun et al. | Blind source separation method for bearing vibration signals | |
Xiang et al. | Robust fault detection for a class of uncertain switched nonlinear systems via the state updating approach | |
White et al. | Neural networks predict fluid dynamics solutions from tiny datasets | |
Acar | Effects of the correlation model, the trend model, and the number of training points on the accuracy of K riging metamodels | |
CN114708479A (zh) | 一种基于图结构和特征的自适应防御方法 | |
Lin et al. | Fault-tolerant state estimation for Markov jump neural networks with time-varying delays | |
Ethabet et al. | Set-membership fault detection for continuous-time switched linear systems | |
Putra et al. | Multilevel neural network for reducing expected inference time | |
CN109217844B (zh) | 基于预训练随机傅里叶特征核lms的超参数优化方法 | |
Zhang et al. | Unknown input decoupling and estimation in observer design for Boolean control networks | |
Kawada et al. | An application of a generalized inverse regression estimator to Taguchi's T-Method | |
Pavlenko et al. | Methods For Black–Box Diagnostics Using Volterra Kernels | |
Liu et al. | Echo state networks with double-reservoir for time-series prediction | |
Chen et al. | New results on stability analysis for a class of generalized delayed neural networks | |
Shen et al. | Iterative parameter identification for time-delay nonlinear rational models via L1-regularized least squares | |
SHIGEI et al. | Numerical evaluation of incremental vector quantization using stochastic relaxation |
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 |
Application publication date: 20201023 Assignee: Shanghai Yanqiao Information Technology Co.,Ltd. Assignor: HUAIYIN INSTITUTE OF TECHNOLOGY Contract record no.: X2022980020273 Denomination of invention: Robust fault estimation method for discrete switched systems based on unknown input observers Granted publication date: 20220322 License type: Common License Record date: 20221108 |
|
EE01 | Entry into force of recordation of patent licensing contract |