CN112882386A - 闭环系统的主动故障检测方法、装置、设备及存储介质 - Google Patents
闭环系统的主动故障检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112882386A CN112882386A CN202110036046.9A CN202110036046A CN112882386A CN 112882386 A CN112882386 A CN 112882386A CN 202110036046 A CN202110036046 A CN 202110036046A CN 112882386 A CN112882386 A CN 112882386A
- Authority
- CN
- China
- Prior art keywords
- closed
- loop system
- input signal
- parameter
- fault detection
- 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)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供的一种闭环系统的主动故障检测方法、装置、设备及存储介质,所述闭环系统的主动故障检测方法,包括:获取闭环系统的第一输入信号和第一输出信号,其中,所述第一输入信号包括:第一控制输入信号和第一辅助输入信号,所述第一辅助输入信号基于预设的辅助信号参数生成的,所述第一控制输入信号用于控制所述闭环系统运行;根据所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数;确定所述目标估计系统参数和诊断参数模型之间的残差评价函数;基于所述残差评价函数对所述闭环系统的主动故障检测。
Description
技术领域
本申请涉及故障诊断技术领域,特别地涉及一种闭环系统的主动故障检测方法、装置、设备及存储介质。
背景技术
深海载人潜水器是深海海底资源勘察的必要装备,由于工作在复杂的深海环境中,其可靠性与安全性不仅决定着每次的下潜任务能否顺利完成,还决定着潜航乘员的生命安全。深海载人潜水器包含多个闭环子系统,如液压与作业系统、推进系统、控制系统等。因此在深海载人潜水器运行过程中,利用系统的输入输出数据进行故障诊断是十分必要且重要的。
传统深海载人潜水器的故障诊断方法仅利用系统原有的输入输出信号生成用于指示故障的残差信号,限制了算法本身对故障的检测能力,对存在强不确定干扰的情况更是无能为力。由于故障发展初期一般幅值较小,不易捕捉,深海载人潜水器的闭环结构又对特定故障的外在表现具有抑制作用,使得多数面向开环系统的故障诊断方法无法在闭环环境下取得良好效果。同时,由于潜水器水下作业的特殊性,闭环系统的原有控制输入需要一直维持。为了满足实际应用需求,亟需一种针对深海载人潜水器中闭环系统的故障诊断方法,提高深海载人潜水器安全性和可靠性。
发明内容
针对上述问题,本申请提供一种闭环系统的主动故障检测方法、装置、设备及存储介质。
本申请提供了一种闭环系统的主动故障检测方法,包括:
获取闭环系统的第一输入信号和第一输出信号,其中,所述第一输入信号包括:第一控制输入信号和第一辅助输入信号,所述第一辅助输入信号基于预设的辅助信号参数生成的,所述第一控制输入信号用于控制所述闭环系统运行;
根据所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数;
确定所述目标估计系统参数和诊断参数模型之间的残差评价函数;
基于所述残差评价函数对所述闭环系统进行主动故障检测。
在一些实施例中,所述根据所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数,包括:
获取预先建立的闭环系统模型,其中,所述闭环系统模型基于非故障下的系统过程参数、故障下的系统过程参数、未知的噪声模型参数、闭环控制器参数、辅助输入信号参数、第二输入信号、第二输出信号、第二辅助输入信号和噪声信号建立的;
基于所述闭环系统模型、所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述初始估计系统参数确定所述目标估计系统参数。
在一些实施例中,所述基于所述闭环系统模型、所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述初始估计系统参数确定所述目标估计系统参数,包括:
基于所述辅助信号参数和所述闭环系统模型确定目标系统模型;
基于所述目标系统模型、所述初始估计系统参数、所述第一输入信号、所述第一输出信号确定所述目标估计系统参数。
在一些实施例中,所述诊断参数模型包括:非故障系统参数模型,所述基于所述残差评价函数对所述闭环系统进行主动故障检测,包括:
基于残差评价函数确定所述非故障系统参数模型对应的第一残差评价值;
基于所述第一残差评价值与预设阈值对所述闭环系统进行故障检测。
在一些实施例中,所述基于所述第一残差评价值与预设阈值进行故障检测,包括:
当第一残差评价值大于所述预设阈值时,确定所述闭环系统存在故障;
当第一残差评价值小于或等于所述预设阈值时,确定所述闭环系统不存在故障。
在一些实施例中,所述预先建立的诊断模型包括:i个故障系统参数模型,i为正整数,在确定所述闭环系统存在故障的情况下,所述方法还包括:
基于所述残差评价函数确定第i个故障系统参数模型对应的第二残差评价值;
基于所述第二残差评价值和所述预设阈值确定是否为第i个故障。
在一些实施例中,所述方法还包括:
在基于所述第二残差评价值和所述预设阈值确定不是第i个故障的情况下,确定所述闭环系统存在未知故障。
本申请实施例提供一种闭环系统的主动故障检测装置,包括:
第一获取模块,获取闭环系统的第一输入信号和第一输出信号,其中,所述第一输入信号包括:第一控制输入信号和第一辅助输入信号,所述第一辅助输入信号基于预设的辅助信号参数生成的,所述第一控制输入信号用于控制所述闭环系统运行;
第一确定模块,用于根据所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数;
第二确定模块,用于确定所述目标估计系统参数和诊断参数模型之间的残差评价函数;
故障检测模块,用于基于所述残差评价函数对所述闭环系统的主动故障检测。
本申请实施例提供一种设备,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行上述任意一项所述的闭环系统的主动故障检测方法。
本申请实施例提供一种存储介质,该存储介质存储的计算机程序,可被一个或多个处理器执行,可用来实现上述任一项所述的闭环系统的主动故障检测方法。
本申请提供的一种闭环系统的主动故障检测方法、装置、设备及存储介质,通过向输入中注入辅助输入信号,通过所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数,基于目标估计系统参数和诊断参数模型对闭环系统进行故障检测,不依赖于闭环系统反馈的控制器参数,当控制器参数未知情况下该方法也有效,能够提高故障诊断率。
附图说明
在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
图1为本申请实施例提供的一种闭环系统的主动故障检测方法的实现流程示意图;
图2为本申请实施例提供的一种含有辅助输入信号以及噪声信号的闭环系统的示意图;
图3为本申请实施例提供的电机系统的仿真电路示意图;
图4为本申请实施例提供的一种非故障情况下的检测结果示意图;
图5为本申请实施例提供的两种故障下的检测结果示意图;
图6为本申请实施例提供的另一种两种故障下的检测结果示意图;
图7为本申请实施例提供的一种闭环系统的主动故障检测装置的结构示意图;
图8为本申请实施例提供的设备的组成结构示意图。
在附图中,相同的部件使用相同的附图标记,附图并未按照实际的比例绘制。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
如果申请文件中出现“第一\第二\第三”的类似描述则增加以下的说明,在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
本申请实施例提供一种闭环系统的主动故障检测方法,所述方法应用于深海载人潜水器上的设备。本申请实施例提供的闭环系统的主动故障检测方法所实现的功能可以通过深海载人潜水器上的设备的处理器调用程序代码来实现,其中,程序代码可以保存在计算机存储介质中。本申请实施例提供一种闭环系统的主动故障检测方法,图1为本申请实施例提供的一种闭环系统的主动故障检测方法的实现流程示意图,如图1所示,包括:
步骤S101,获取闭环系统的第一输入信号和第一输出信号。
本申请实施例中,所述第一输入信号包括:第一控制输入信号和第一辅助输入信号,所述第一辅助输入信号基于预设的辅助信号参数生成的,所述第一控制输入信号用于控制所述闭环系统运行。
本申请实施例中,可以通过传感器获取第一输入信号和第一输出信号,基于第一输入信号确定输入量,和第一输出信号确定每一时刻输出量。
步骤S102,根据所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数。
本申请实施例中,可以获取预先建立的闭环系统模型,其中,所述闭环系统模型基于非故障下的系统过程参数、故障下的系统过程参数、未知的噪声模型参数、闭环控制器参数、辅助输入信号参数、第二输入信号、第二输出信号、第二辅助输入信号和噪声信号建立的;基于所述辅助信号参数和所述闭环系统模型确定目标系统模型;基于所述目标系统模型、所述初始估计系统参数、所述第一输入信号、所述第一输出信号确定所述目标估计系统参数。
步骤S103,确定所述目标估计系统参数和诊断参数模型之间的残差评价函数。
本申请实施例中,目标估计系统参数和诊断参数模型可以用向量表示,可以建立两个向量之间的残差评价函数。本申请实施例中,诊断参数模型可以包括:非故障系统参数模型和故障系统参数模型。
步骤S104,基于所述残差评价函数对所述闭环系统进行主动故障检测。
本申请实施例中,可以基于残差评价函数确定所述非故障系统参数模型对应的第一残差评价值,基于所述第一残差评价值与预设阈值进行故障检测,本申请实施例中,当第一残差评价值大于所述预设阈值时,确定所述闭环系统存在故障;当第一残差评价值小于或等于所述预设阈值时,确定所述闭环系统不存在故障。在一些实施例中,所述预先建立的诊断模型包括:i个故障系统参数模型,i为正整数,在确定所述闭环系统存在故障的情况下,基于所述残差评价函数确定第i个故障系统参数模型对应的第二残差评价值;基于所述第二残差评价值和所述预设阈值确定是否为第i个故障。在一些实施例中,在基于所述第二残差评价值和所述预设阈值确定不是第i个故障的情况下,确定所述闭环系统存在未知故障。
本申请提供的一种闭环系统的主动故障检测方法,通过向输入中注入辅助输入信号,通过所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数,基于目标估计系统参数和诊断参数模型对闭环系统进行故障检测,不依赖于闭环系统反馈的控制器参数,当控制器参数未知情况下该方法也有效,能够提高故障诊断率。
在一些实施例中,步骤S102“所述根据所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数”可以通过以下步骤实现:
步骤S1021,获取预先建立的闭环系统模型。
本申请实施例中,所述闭环系统模型基于非故障下的系统过程参数、故障下的系统过程参数、未知的噪声模型参数、闭环控制器参数、辅助输入信号参数、第二输入信号、第二输出信号、第二辅助输入信号和噪声信号建立的;所述闭环系统模型采用时间序列形式进行表示,参见公式(1):
参数系数的具体形式参见公式(2):
其中,是闭环系统的输出量,zk是基于第二输出信号确定的,是闭环系统的输入量,该输入量基于第二输出信号和第二辅助输入信号确定的,是输出量与参考输出量的差值,是第二辅助输入信号,是系统受到的噪声,vk是基于噪声信号确定的;参数和为未发生故障下的系统过程参数;i表示为第i个故障模型,参数和代表发生第i个故障情况时的系统过程参数;为未知的噪声模型参数,和为闭环控制器参数,为第二辅助输入信号参数。随机变量vk为均值为0的高斯过程。
步骤S1022,基于所述闭环系统模型、所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述初始估计系统参数确定所述目标估计系统参数。
本申请实施例中,输入量用uk表示,输出量用yk表示,可以根据基于所述辅助信号参数和所述闭环系统模型确定目标系统模型,承接上面的示例,将公式(1)进行改写,得到公式(3),目标系统模型参见公式(3):
在确定了目标系统模型后,基于所述目标系统模型、所述初始估计系统参数、所述第一输入信号、所述第一输出信号确定所述目标估计系统参数。
本申请实施例中,可以采取如下的参数估计算法,参见公式(4):
在一些实施例中,所述诊断参数模型包括:非故障系统参数模型,步骤S104“基于所述残差评价函数对所述闭环系统进行主动故障检测”可以通过以下步骤实现:
步骤S1041,基于残差评价函数确定所述非故障系统参数模型对应的第一残差评价值。
本申请实施例中,残差评价函数参见公式(5):
其中,i=0,1,...,m,其中,i为故障数量。
本申请实施例中,非故障系统参数模型,即正常模型的系统参数参见公式(6):
当系统发生故障时,在一个深海载人潜水器具体的闭环子系统中,共有m个已知的故障系统参数模型,故障系统参数模型参见公式(7):
将非故障系统参数模型和故障系统参数模型用向量表示,参见公式(8)和公式(9):
步骤S1042,基于所述第一残差评价值与预设阈值进行故障检测。
本申请实施例中,可根据已知的非故障系统模型参数和故障系统参数模型计算出故障检测和故障分离的阈值Jth,即得到预设阈值。。
设定故障检测逻辑参见公式(10):
若残差评价函数J0小于检测阈值Jth时,可判断无故障发生,即所述闭环系统不存在故障;
若残差评价函数J0大于检测阈值Jth时,可判断有故障发生,则所述闭环系统存在故障。
在一些实施例中,所述预先建立的诊断模型包括:i个故障系统参数模型,i为正整数,在确定所述闭环系统存在故障的情况下,所述方法还包括:
步骤S1043,基于所述残差评价函数确定第i个故障系统参数模型对应的第二残差评价值。
本申请实施例中,可以基于第i个故障系统参数模型确定第二残差评价值Ji(k)。
步骤S1044,基于所述第二残差评价值和所述预设阈值确定是否为第i个故障。
本申请实施例中,可以设定故障分离逻辑,参见公式(11);
本申请实施例中,若在故障检测环节判断出有故障发生,则依次比较第i个残差评价函数Ji与故障分离阈值Jth的大小,若第i个残差评价函数Ji小于等于故障分离阈值Jth则可判断发生的是第i个故障,否则,则发生的是未知故障。
本申请实施例提供的是一种深海载人潜水器闭环系统的主动故障诊断方法,通过向输入中注入辅助输入信号,可以提高故障诊断率,在主动故障过程中仅需要使用输入输出测量值,不依赖于闭环反馈控制器参数,当控制器参数未知情况下该方法也有效,同时不需要切断系统原有输入,保证了闭环系统原有的性能,当系统所受的测量噪声较大时,也能够有效地检测和分离出已知故障模型参数的故障情况,以及能够有效地检测出未知故障模型参数的故障情况。
作为示例,选取了深海载人潜水器推进器中的一个电机系统作为具体的仿真实施例,图3为本申请实施例提供的电机系统的仿真电路示意图,如图3所示,进行了三组仿真,分别是正常情况下的故障诊断结果,图4为本申请实施例提供的一种非故障情况下的检测结果示意图,如图4所示;以及发生两种故障下的故障检测结果示意图,图5和图6为本申请实施例提供的两种故障下的检测结果示意图,如图5和图6所示。可见,在正常情况下不存在故障检测误报,以及在故障情况下可以实现闭环系统的主动故障诊断。
基于前述的实施例,本申请实施例提供一种闭环系统的主动故障检测装置,该装置包括的各模块、以及各模块包括的各单元,可以通过计算机设备中的处理器来实现;当然也可通过具体的逻辑电路实现;在实施的过程中,处理器可以为中央处理器(CPU,CentralProcessing Unit)、微处理器(MPU,Microprocessor Unit)、数字信号处理器(DSP,DigitalSignal Processing)或现场可编程门阵列(FPGA,Field Programmable Gate Array)等。
本申请实施例提供一种闭环系统的主动故障检测装置,图7为本申请实施例提供的一种闭环系统的主动故障检测装置的结构示意图,如图7所示,闭环系统的主动故障检测装置700包括:
第一获取模块701,获取闭环系统的第一输入信号和第一输出信号,其中,所述第一输入信号包括:第一控制输入信号和第一辅助输入信号,所述第一辅助输入信号基于预设的辅助信号参数生成的,所述第一控制输入信号用于控制所述闭环系统运行;
第一确定模块702,用于根据所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数;
第二确定模块703,用于确定所述目标估计系统参数和诊断参数模型之间的残差评价函数;
故障检测模块704,用于基于所述残差评价函数对所述闭环系统的主动故障检测。
在一些实施例中,第一确定模块702包括:
获取单元,用于获取预先建立的闭环系统模型,其中,所述闭环系统模型基于非故障下的系统过程参数、故障下的系统过程参数、未知的噪声模型参数、闭环控制器参数、辅助输入信号参数、第二输入信号、第二输出信号、第二辅助输入信号和噪声信号建立的;
第一确定单元,用于基于所述闭环系统模型、所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述初始估计系统参数确定所述目标估计系统参数。
在一些实施例中,第一确定单元,包括:
第一确定子单元,用于第一基于所述辅助信号参数和所述闭环系统模型确定目标系统模型;
第二确定子单元,用于基于所述目标系统模型、所述初始估计系统参数、所述第一输入信号、所述第一输出信号确定所述目标估计系统参数。
在一些实施例中,所述诊断参数模型包括:非故障系统参数模型,故障检测模块704,包括:
第二确定单元,用于基于残差评价函数确定所述非故障系统参数模型对应的第一残差评价值;
故障检测单元,用于基于所述第一残差评价值与预设阈值进行故障检测。
在一些实施例中,故障检测单元,包括:
第二确定子单元,用于当第一残差评价值大于所述预设阈值时,确定所述闭环系统存在故障;
第三确定子单元,用于当第一残差评价值小于或等于所述预设阈值时,确定所述闭环系统不存在故障。
在一些实施例中,所述预先建立的诊断模型包括:i个故障系统参数模型,i为正整数,在确定所述闭环系统存在故障的情况下,故障检测模块704还包括:
第三确定单元,用于基于所述残差评价函数确定第i个故障系统参数模型对应的第二残差评价值;
第四确定单元,用于基于所述第二残差评价值和所述预设阈值确定是否为第i个故障。
在一些实施例中,故障检测模块704还包括::
第五确定单元,用于在基于所述第二残差评价值和所述预设阈值确定不是第i个故障的情况下,确定所述闭环系统存在未知故障。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述的闭环系统的主动故障检测方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
相应地,本申请实施例提供一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现上述实施例中提供的闭环系统的主动故障检测方法中的步骤。
本申请实施例提供一种设备;图8为本申请实施例提供的设备的组成结构示意图,如图8所示,所述设备800包括:一个处理器801、至少一个通信总线802、用户接口803、至少一个外部通信接口804、存储器805。其中,通信总线802配置为实现这些组件之间的连接通信。其中,用户接口803可以包括显示屏,外部通信接口804可以包括标准的有线接口和无线接口。所述处理器801配置为执行存储器中存储的闭环系统的主动故障检测方法的程序,以实现以上述实施例提供的闭环系统的主动故障检测方法中的步骤。
以上显示设备和存储介质实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请计算机设备和存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台控制器执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种闭环系统的主动故障检测方法,其特征在于,包括:
获取闭环系统的第一输入信号和第一输出信号,其中,所述第一输入信号包括:第一控制输入信号和第一辅助输入信号,所述第一辅助输入信号基于预设的辅助信号参数生成的,所述第一控制输入信号用于控制所述闭环系统运行;
根据所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数;
确定所述目标估计系统参数和诊断参数模型之间的残差评价函数;
基于所述残差评价函数对所述闭环系统进行主动故障检测。
2.根据权利要求1所述的闭环系统的主动故障检测方法,其特征在于,所述根据所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数,包括:
获取预先建立的闭环系统模型,其中,所述闭环系统模型基于非故障下的系统过程参数、故障下的系统过程参数、未知的噪声模型参数、闭环控制器参数、辅助输入信号参数、第二输入信号、第二输出信号、第二辅助输入信号和噪声信号建立的;
基于所述闭环系统模型、所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述初始估计系统参数确定所述目标估计系统参数。
3.根据权利要求2所述的闭环系统的主动故障检测方法,其特征在于,所述基于所述闭环系统模型、所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述初始估计系统参数确定所述目标估计系统参数,包括:
基于所述辅助信号参数和所述闭环系统模型确定目标系统模型;
基于所述目标系统模型、所述初始估计系统参数、所述第一输入信号、所述第一输出信号确定所述目标估计系统参数。
4.根据权利要求1所述的闭环系统的主动故障检测方法,其特征在于,所述诊断参数模型包括:非故障系统参数模型,所述基于所述残差评价函数对所述闭环系统进行主动故障检测,包括:
基于残差评价函数确定所述非故障系统参数模型对应的第一残差评价值;
基于所述第一残差评价值与预设阈值对所述闭环系统进行故障检测。
5.根据权利要求4所述的闭环系统的主动故障检测方法,其特征在于,所述基于所述第一残差评价值与预设阈值进行故障检测,包括:
当第一残差评价值大于所述预设阈值时,确定所述闭环系统存在故障;
当第一残差评价值小于或等于所述预设阈值时,确定所述闭环系统不存在故障。
6.根据权利要求5所述的闭环系统的主动故障检测方法,其特征在于,所述预先建立的诊断模型包括:i个故障系统参数模型,i为正整数,在确定所述闭环系统存在故障的情况下,所述方法还包括:
基于所述残差评价函数确定第i个故障系统参数模型对应的第二残差评价值;
基于所述第二残差评价值和所述预设阈值确定是否为第i个故障。
7.根据权利要求6所述的闭环系统的主动故障检测方法,其特征在于,所述方法还包括:
在基于所述第二残差评价值和所述预设阈值确定不是第i个故障的情况下,确定所述闭环系统存在未知故障。
8.一种闭环系统的主动故障检测装置,其特征在于,包括:
第一获取模块,获取闭环系统的第一输入信号和第一输出信号,其中,所述第一输入信号包括:第一控制输入信号和第一辅助输入信号,所述第一辅助输入信号基于预设的辅助信号参数生成的,所述第一控制输入信号用于控制所述闭环系统运行;
第一确定模块,用于根据所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数;
第二确定模块,用于确定所述目标估计系统参数和诊断参数模型之间的残差评价函数;
故障检测模块,用于基于所述残差评价函数对所述闭环系统进行主动故障检测。
9.一种设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如权利要求1至7任意一项所述的闭环系统的主动故障检测方法。
10.一种存储介质,其特征在于,该存储介质存储的计算机程序,能够被一个或多个处理器执行,能够用来实现如权利要求1至7中任一项所述的闭环系统的主动故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110036046.9A CN112882386B (zh) | 2021-01-12 | 2021-01-12 | 闭环系统的主动故障检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110036046.9A CN112882386B (zh) | 2021-01-12 | 2021-01-12 | 闭环系统的主动故障检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112882386A true CN112882386A (zh) | 2021-06-01 |
CN112882386B CN112882386B (zh) | 2022-04-22 |
Family
ID=76044225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110036046.9A Active CN112882386B (zh) | 2021-01-12 | 2021-01-12 | 闭环系统的主动故障检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112882386B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113611324A (zh) * | 2021-06-21 | 2021-11-05 | 上海一谈网络科技有限公司 | 一种直播中环境噪声抑制的方法、装置、电子设备及存储介质 |
CN114458823A (zh) * | 2021-12-24 | 2022-05-10 | 珠海格力电器股份有限公司 | 阀门的状态的确定方法、装置、存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040267424A1 (en) * | 2003-06-24 | 2004-12-30 | Visteon Global Technologies, Inc. | System and method of robust fault detection for a vehicle steer-by-wire system |
CN102681537A (zh) * | 2012-06-01 | 2012-09-19 | 江苏科技大学 | 船舶航向控制系统故障检测装置及其方法 |
CN102778888A (zh) * | 2012-07-11 | 2012-11-14 | 江苏科技大学 | 一种无缆深潜器航迹跟踪控制系统故障检测装置和方法 |
US9002678B1 (en) * | 2014-01-10 | 2015-04-07 | King Fahd University Of Petroleum And Minerals | Unified approach to detection and isolation of parametric faults using a kalman filter residual-based approach |
CN106682692A (zh) * | 2016-12-22 | 2017-05-17 | 西北工业大学 | 一种基于svr多模型的液压舵回路故障诊断系统构造方法 |
CN109240267A (zh) * | 2018-09-27 | 2019-01-18 | 广东石油化工学院 | 一种欠数据下的闭环故障建模及主动诊断方法 |
-
2021
- 2021-01-12 CN CN202110036046.9A patent/CN112882386B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040267424A1 (en) * | 2003-06-24 | 2004-12-30 | Visteon Global Technologies, Inc. | System and method of robust fault detection for a vehicle steer-by-wire system |
CN102681537A (zh) * | 2012-06-01 | 2012-09-19 | 江苏科技大学 | 船舶航向控制系统故障检测装置及其方法 |
CN102778888A (zh) * | 2012-07-11 | 2012-11-14 | 江苏科技大学 | 一种无缆深潜器航迹跟踪控制系统故障检测装置和方法 |
US9002678B1 (en) * | 2014-01-10 | 2015-04-07 | King Fahd University Of Petroleum And Minerals | Unified approach to detection and isolation of parametric faults using a kalman filter residual-based approach |
CN106682692A (zh) * | 2016-12-22 | 2017-05-17 | 西北工业大学 | 一种基于svr多模型的液压舵回路故障诊断系统构造方法 |
CN109240267A (zh) * | 2018-09-27 | 2019-01-18 | 广东石油化工学院 | 一种欠数据下的闭环故障建模及主动诊断方法 |
Non-Patent Citations (5)
Title |
---|
QIN, LG等: "Active Fault-Tolerant Control for a Quadrotor with Sensor Faults", 《 JOURNAL OF INTELLIGENT & ROBOTIC SYSTEMS》 * |
YANG LIU等: "Filtering and fault detection for nonlinear systems with polynomial approximation", 《AUTOMATICA》 * |
曲春娣等: "卫星动量轮闭环系统的U IO双观测器故障诊断", 《航天控制》 * |
李明等: "数据驱动的闭环系统传感器故障诊断方法", 《仪表技术与传感器》 * |
窦立谦等: "微小故障下的深空探测航天器闭环主动故障检测", 《控制理论与应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113611324A (zh) * | 2021-06-21 | 2021-11-05 | 上海一谈网络科技有限公司 | 一种直播中环境噪声抑制的方法、装置、电子设备及存储介质 |
CN113611324B (zh) * | 2021-06-21 | 2024-03-26 | 上海一谈网络科技有限公司 | 一种直播中环境噪声抑制的方法、装置、电子设备及存储介质 |
CN114458823A (zh) * | 2021-12-24 | 2022-05-10 | 珠海格力电器股份有限公司 | 阀门的状态的确定方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112882386B (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112882386B (zh) | 闭环系统的主动故障检测方法、装置、设备及存储介质 | |
US10289478B2 (en) | System fault diagnosis via efficient temporal and dynamic historical fingerprint retrieval | |
US9063856B2 (en) | Method and system for detecting symptoms and determining an optimal remedy pattern for a faulty device | |
CN109416408B (zh) | 震中距估计装置、震中距估计方法以及计算机可读记录介质 | |
US10496085B2 (en) | Power plant system fault diagnosis by learning historical system failure signatures | |
CN111027686A (zh) | 一种滑坡位移的预测方法、装置及设备 | |
CN108875519B (zh) | 对象检测方法、装置和系统及存储介质 | |
CN114648102B (zh) | 火灾报警方法、系统、可读存储介质及计算机设备 | |
CN110781728A (zh) | 一种人脸朝向估计方法、装置、电子设备及存储介质 | |
CN109040084B (zh) | 一种网络流量异常检测方法、装置、设备及存储介质 | |
CN115265594B (zh) | 多源pnt信息弹性融合导航多级自主完好性监测方法和系统 | |
KR102132077B1 (ko) | 설비 데이터의 이상 정도 평가 방법 | |
CN112464990A (zh) | 一种基于电流电压传感器感知振动数据的方法和装置 | |
CN115221017A (zh) | 服务器温度传感器自检的方法、系统、设备及存储介质 | |
CN108551412B (zh) | 监控数据降噪处理方法和装置 | |
CN112600814A (zh) | 一种船舶cps系统欺骗攻击检测方法及系统 | |
CN116229535A (zh) | 人脸检测模型的训练方法、人脸检测方法及装置 | |
CN113807208A (zh) | 浒苔监测方法、装置、电子设备及存储介质 | |
CN113240593A (zh) | 一种基于位置感知的单图像反射层移除方法 | |
KR102199695B1 (ko) | 가중 거리 자기 연상 양방향 커널 회귀를 이용한 온라인 신호 데이터 검증 장치 및 방법 | |
CN114458823B (zh) | 阀门的状态的确定方法、装置、存储介质及电子设备 | |
CN112733015B (zh) | 一种用户行为分析方法、装置、设备及介质 | |
US20230089162A1 (en) | Training device, training method, and training program | |
Guerrero-Balaguera et al. | Reliability estimation of split dnn models for distributed computing in iot systems | |
CN117520937A (zh) | 一种基于完全贝叶斯推断和Copula函数的海浪分析方法 |
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 |