CN112347640B - 一种基于固定时间故障观测器的故障诊断方法 - Google Patents

一种基于固定时间故障观测器的故障诊断方法 Download PDF

Info

Publication number
CN112347640B
CN112347640B CN202011225411.2A CN202011225411A CN112347640B CN 112347640 B CN112347640 B CN 112347640B CN 202011225411 A CN202011225411 A CN 202011225411A CN 112347640 B CN112347640 B CN 112347640B
Authority
CN
China
Prior art keywords
fault
observer
fixed time
vector
time
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
CN202011225411.2A
Other languages
English (en)
Other versions
CN112347640A (zh
Inventor
倪骏康
张晨光
任莹楠
孙振东
段菲宇
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202011225411.2A priority Critical patent/CN112347640B/zh
Publication of CN112347640A publication Critical patent/CN112347640A/zh
Application granted granted Critical
Publication of CN112347640B publication Critical patent/CN112347640B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)

Abstract

本发明涉及一种基于固定时间故障观测器的故障诊断方法,属于故障诊断技术领域。包括:1)建立待诊断故障系统的数学模型;2)设计固定时间故障观测器,使得故障观测器能够在固定时间内观测得到故障向量;3)对故障观测器系统进行稳定性分析,根据稳定性分析结果确定故障观测器参数和故障观测时间上界;4)确定故障诊断判据。本发明所提出的方法克服了既有的方法只能实现观测器的渐进收敛,无法在有限时间内获得准确的故障信息这一不足,可以在规定时间内实现故障信息的准确观测,从而在规定时间内采取恰当的重构控制策略或者隔离策略,将故障对系统安全性和稳定性的影响降到最低。

Description

一种基于固定时间故障观测器的故障诊断方法
技术领域
本发明涉及故障诊断领域,特别涉及一种基于固定时间故障观测器的故障诊断方法。
背景技术
故障诊断技术是许多学科的一个重要问题,诸如,电气、航空和宇航工程、车辆工程、化学工程、核工程。随着使用时间的增长,系统中的元器件和部件会发生故障或失效,影响系统正常性能的发挥,甚至会破坏系统的安全性和稳定性,造成人员伤亡和财产损失。为了避免故障带来的不利影响,系统中需要具备故障容忍能力。系统中实现故障容忍的关键因素包括:元器件冗余、故障诊断系统和重构系统。故障容忍功能的实现依赖于故障诊断系统提供的信息,并使用冗余的元器件取代故障的元器件。尽管在某些系统中建立了高度冗余机制来容忍硬件和软件故障,例如飞机系统,依然需要故障诊断来监视和评估系统的安全性。在某些情况下,如果一个故障能够被快速检测和辨识,就可以及时采取恰当的重构控制策略或者隔离策略,将故障对系统安全性和稳定性的影响降到最低。
故障诊断方法大体被划分为三类,一类是基于信号的故障诊断,一类是基于知识的故障诊断,一类是基于模型的故障诊断。基于信号的故障诊断利用能够反映故障信息的量测信号特征,诸如,均值、趋势和斜率,基于系统在故障和健康状态不同的症状分析来做出故障诊断决定的。基于信号的故障诊断需要增加额外的传感器和硬件设备,这增加了成本和系统的大小。此外,基于信号的故障诊断需要进行大量的信号处理,特征提取和数据分析,对故障诊断系统的软硬件要求较高,还会增加故障诊断时间。基于知识的故障诊断利用各种人工智能方法,需要大量的历史数据来训练专家诊断系统。其局限性在于需要大量的历史数据和复杂耗时的训练过程。基于模型的故障诊断通过比较系统实际的量测输出和故障观测器的输出来监视系统的变化,做出故障诊断决策。基于模型的故障诊断方法实施起来相对容易,对故障诊断系统的软硬件要求不高,适用于能够准确建立数学模型的系统,特别是在当今数字信号处理器取得巨大进步,这种方法显得更为诱人。有很多观测器被提出用于实现基于模型的故障诊断,例如自适应观测器,Luenberger观测器,扩展卡尔曼滤波器等。
然而,这些观测器只能实现渐进收敛,这意味着准确的故障信息无法在有限时间内获得,即这些算法无法实现快速准确的故障诊断。有限时稳定性的收敛时间取决于系统初值,然而,对于许多实际系统,其初始状态是难以获得的。此外,有限时稳定性的收敛时间随初值的增长而无界增长,这限制了有限时稳定性在初值非常大实际系统控制中的应用。为了克服上述不足,研究人员提出固定时稳定性。固定时稳定性的主要特征在于稳定时间边界是一个与初值无关的常数,这有助于收敛时间估计和控制器设计以满足收敛时间的要求。然而,目前还没有文献报道基于固定时间故障观测器的故障诊断方法。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种基于固定时间故障观测器的故障诊断方法,以满足故障诊断对快速性和准确性的要求。
技术方案
一种基于固定时间故障观测器的故障诊断方法,其特征在于步骤如下:
步骤1:建立待诊断故障系统的数学模型:
式中,x为状态向量,u为控制输入,A为系统矩阵,B为控制输入增益,f表示系统故障向量;
步骤2:设计固定时间故障观测器,使得故障观测器能够在固定时间内观测得到故障向量;
所述的固定时间故障观测器为:
式中,为故障观测器状态,/>为估计的故障向量;故障观测器参数需要满足k1>0,k2>0,k3>L1,L1表示故障向量f的上界;
故障观测时间上界为
式中,m1=k3-L1,M1=k3+L1
步骤3:对故障观测器系统进行稳定性分析,根据稳定性分析结果确定故障观测器参数和故障观测时间上界;
步骤4:确定故障诊断判据。
步骤4中故障诊断判据设计为
式中,fthershold为故障阈值。
有益效果
本发明提出的一种基于固定时间故障观测器的故障诊断方法,解决了现有方法只能实现观测器的渐进收敛,这意味着准确的故障信息无法在有限时间内获得的技术缺陷。
相对于现有技术,本发明具有以下有益效果:可以在规定时间内实现故障信息的准确观测,从而在规定时间内采取恰当的重构控制策略或者隔离策略,将故障对系统安全性和稳定性的影响降到最低。
附图说明
图1是本发明提供的一种基于固定时间故障观测器的故障诊断方法流程图
图2是本发明实施例中Buck变换器电路
图3是本发明的实施例中故障情形1下电感电流通道故障向量的观测值与实际值的对比图
图4是本发明的实施例中故障情形1下输出电压通道故障向量的观测值与实际值的对比图
图5是本发明的实施例中故障情形2下电感电流通道故障向量的观测值与实际值的对比图
图6是本发明的实施例中故障情形2下输出电压通道故障向量的观测值与实际值的对比图
具体实施方式
现结合实施例、附图对本发明作进一步描述:
请参阅图1至图6所示,本发明的目的在于提供一种基于固定时间故障观测器的故障诊断方法,达到快速准确故障观测和诊断的目的。
结合图1,本发明所提出基于固定时间故障观测器的故障诊断方法的设计流程包括以下步骤:
步骤一:建立待诊断故障系统的数学模型:
式中,x为状态向量,u为控制输入,A为系统矩阵,B为控制输入增益,f表示系统故障向量。
步骤二:设计固定时间故障观测器:
式中,为故障观测器状态,/>为估计的故障向量。
步骤三:对故障观测器系统进行稳定性分析,根据稳定性分析结果确定故障观测器参数为k1>0,k2>0,k3>L1,L1表示故障向量f的上界。故障观测时间上界为
式中m1=k3-L1,M1=k3+L1
步骤四:故障诊断判据设计为
式中fthershold为故障阈值,该阈值与故障诊断的鲁棒性和故障诊断速度密切相关,小的阈值会在系统处于健康状态时发出错误的报警,大的阈值将增加故障诊断的鲁棒性,但同时也会增加故障诊断时间。阈值的确定需要仔细平衡故障诊断的可靠性和诊断速度。该阈值的确定需要避免对正常的参数变化和负载变化等情形下系统故障的误诊断,同时提高故障诊断速度。
实施例:Buck变换器的故障诊断
随着对电子设备的可靠性和安全性需求的日益增长,电力电子故障诊断问题受到人们极大的关注。Buck变换器是常见的直流-直流电力电子变换器,由于设备老化,不正确的运行,环境影响和其他因素,电力电子系统经常会发生故障,影响Buck变换器的性能。MOSFET是Buck变换器中不可或缺的关键元器件,其工作寿命对Buck变换器系统可靠性有着直接的影响。MOSFET运行时经受开关冲击、大过流冲击等影响,而且其承担30%以上的功率损耗,在工作过程中温升明显,容易出现芯片退化、封装退化等失效,进而发生开路短路故障,其故障率占开关电源总故障率的31%。为了避免MOSFET故障和失效对系统造成更大的影响,故障诊断是必要的,它可以实时监测系统的变化,为电路维护奠定基础。
考虑电容寄生参数和电感寄生参数的Buck变换器电路图如图1所示。图中,Q1是MOSFET,D是功率二极管,RL是电感L的寄生电阻,RC是电容C的寄生电阻,R是负载电阻。该变换器电路的状态空间平均方程为:
式中s1表示MOSFET的导通信号,s2表示二极管的导通信号,iL表示电感电流,vs表示电源电压,vo表示输出电压
系统(5)可以表示为
式中,x=[iL,vo]T
系统参数选择为输入电压vs=24V,占空比s1=s2=0.5,输出电阻R=10Ω,电感L=240μH,电容C=100μF,电容寄生电阻RC=0.6Ω,电感寄生电阻RL=0.2Ω。
本实施例的一种基于固定时间故障观测器的故障诊断方法,包括以下步骤:
(1)当Buck变换器发生由MOSFET造成的故障时,系统的状态方程可以写为:
当Buck变换器发生由MOSFET开路造成的故障时,故障向量可以表示为:
当Buck变换器发生由MOSFET短路造成的故障时,故障向量可以表示为:
(2)为实现固定时间故障向量的观测,设计如下的故障观测器:
(3)根据李雅普诺夫函数稳定性分析,故障观测器参数选为:对于电感电流通道k1=2,k2=2,k3=6×104,收敛时间上界确定为t≤1.9993;对于输出电压通道k1=5,k2=5,k3=3×104,收敛时间上界确定为t≤0.7918。
(4)故障诊断判据设计为
所提供的一种基于固定时间故障观测器的故障诊断方法的流程图示于图2。在实施例中,设定故障场景为:故障1,在t=0时刻,MOSFET发生短路故障;故障2,在t=0时刻,MOSFET发生开路故障。使用所提出的基于固定时间的故障观测器来观测故障向量,故障1下电感电流通道实际的故障向量和观测器观测出的故障向量示于图3,故障1下输出电压通道实际的故障向量和观测器观测出的故障向量示于图4,故障2下电感电流通道实际的故障向量和观测器观测出的故障向量示于图5,故障2下输出电压通道实际的故障向量和观测器观测出的故障向量示于图6。由图中可以看出,所提出的基于固定时间的故障观测器可以在0.025s内达到故障阈值,发出报警信号,在0.08s内准确估计故障向量。

Claims (1)

1.一种基于固定时间故障观测器的故障诊断方法,其特征在于步骤如下:
步骤1:建立待诊断故障系统的数学模型:
式中,x为状态向量,u为控制输入,A为系统矩阵,B为控制输入增益,f表示系统故障向量;
步骤2:设计固定时间故障观测器,使得故障观测器能够在固定时间内观测得到故障向量;
所述的固定时间故障观测器为:
式中,为故障观测器状态,/>为估计的故障向量;故障观测器参数需要满足k1>0,k2>0,k3>L1,L1表示故障向量f的上界;
故障观测时间上界为
式中,m1=k3-L1,M1=k3+L1
步骤3:对故障观测器系统进行稳定性分析,根据稳定性分析结果确定故障观测器参数和故障观测时间上界;
步骤4:确定故障诊断判据:
式中,fthershold为故障阈值。
CN202011225411.2A 2020-11-05 2020-11-05 一种基于固定时间故障观测器的故障诊断方法 Active CN112347640B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011225411.2A CN112347640B (zh) 2020-11-05 2020-11-05 一种基于固定时间故障观测器的故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011225411.2A CN112347640B (zh) 2020-11-05 2020-11-05 一种基于固定时间故障观测器的故障诊断方法

Publications (2)

Publication Number Publication Date
CN112347640A CN112347640A (zh) 2021-02-09
CN112347640B true CN112347640B (zh) 2024-02-13

Family

ID=74429736

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011225411.2A Active CN112347640B (zh) 2020-11-05 2020-11-05 一种基于固定时间故障观测器的故障诊断方法

Country Status (1)

Country Link
CN (1) CN112347640B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107168281A (zh) * 2017-05-12 2017-09-15 南京航空航天大学 基于有限时间观测器的多智能体系统故障诊断方法
CN110119087A (zh) * 2019-05-05 2019-08-13 西北工业大学 一种有向通信下二阶多智能体系统固定时一致性跟踪方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107168281A (zh) * 2017-05-12 2017-09-15 南京航空航天大学 基于有限时间观测器的多智能体系统故障诊断方法
CN110119087A (zh) * 2019-05-05 2019-08-13 西北工业大学 一种有向通信下二阶多智能体系统固定时一致性跟踪方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Buck型变换器固定时间自适应控制;陈强等;控制与决策;第35卷(第5期);1183-1189 *
Disturbance-observer-based fixed-time second-order sliding mode control of an air-breathing hypersonic vehicle with actuator faults;Peng Li;Aerospace Engineering;第232卷(第2期);344-361 *
Terrence P. Fries etc.Multi-Agent Fault Diagnosis in Manufacturing Systems Using Soft Computing.International Conference on Integration of Knowledge Intensive Multi-Agent Systems.2007,168-173. *
王锡波.中国优秀硕士学位论文全文数据库信息科技辑.2012,(第3期),I140-1007. *
电力电子变换器的故障诊断和参数辨识;郭鑫鑫;中国优秀硕士学位论文全文数据库信息科技辑;第I135-144页 *
电力系统混沌振荡的等效快速终端模糊滑模控制;倪骏康;刘崇新;庞霞;;物理学报(第19期);全文 *

Also Published As

Publication number Publication date
CN112347640A (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
US7392143B2 (en) Monitoring and fault diagnosis of single-and multi-converter power systems
da Silva et al. Composite reliability assessment based on Monte Carlo simulation and artificial neural networks
CN110118128B (zh) 微型燃气轮机传感器故障诊断和容错控制方法
US9239575B2 (en) Diagnostics for a programmable logic controller
US7084637B2 (en) Method for monitoring at least two electromagnetic valves of an internal combustion engine, especially an internal combustion engine of a motor vehicle in particular
KR20210075479A (ko) 컨버터를 위한 센서 고장 진단 시스템
Haque et al. Deep learning based micro-grid fault detection and classification in future smart vehicle
CN110988742A (zh) 基于四分位数的模块化多电平换流器开路故障诊断方法
CN112883634B (zh) 基于多维度分析的直流测量系统状态预测方法及系统
CN111707973B (zh) 基于格拉布斯准则的模块化多电平换流器开路故障诊断方法
Alavi et al. Fault detection and isolation in batteries power electronics and chargers
CN109795713B (zh) 基于Simulink模型的副翼作动器故障诊断方法
CN112347640B (zh) 一种基于固定时间故障观测器的故障诊断方法
Soman et al. Model-based methodology using modified sneak circuit analysis for power electronic converter fault diagnosis
Chen et al. A fuzzy logic approach for fault diagnosis and recovery in PHEV and EV chargers
KR101839487B1 (ko) 가변력 솔레노이드 밸브 고장 감지 장치 및 방법
Morsalin et al. Induction motor inter-turn fault detection using heuristic noninvasive approach by artificial neural network with Levenberg Marquardt algorithm
CN112234576B (zh) 基于滑窗特征提取的模块化多电平换流器故障诊断方法
CN102340126B (zh) 用于低压或中压设备的功率和控制单元
Cirrincione et al. Power switch open-circuit fault detection in an interleaved DC/DC buck converter for electrolyzer applications by using curvilinear component analysis
CN110531163B (zh) 一种磁浮列车悬浮斩波器母线电容状态监测方法
CN109001574B (zh) 特高压直流输电工程晶闸管换流阀系统的可靠性分析方法
Fourlas et al. Fault diagnosis of hybrid systems
Meng et al. Multi information fusion and fault diagnosis system for motor drive system in high speed train
CN117783929B (zh) 一种直流变换器的开关管故障诊断方法

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