CN113687596B - 一种现代码头货物管理系统故障检测方法 - Google Patents
一种现代码头货物管理系统故障检测方法 Download PDFInfo
- Publication number
- CN113687596B CN113687596B CN202111014708.9A CN202111014708A CN113687596B CN 113687596 B CN113687596 B CN 113687596B CN 202111014708 A CN202111014708 A CN 202111014708A CN 113687596 B CN113687596 B CN 113687596B
- Authority
- CN
- China
- Prior art keywords
- fault detection
- modern
- management system
- cargo
- wharf
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000001960 triggered effect Effects 0.000 claims abstract description 18
- 230000007246 mechanism Effects 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000035945 sensitivity Effects 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 27
- 230000003044 adaptive effect Effects 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000005094 computer simulation Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 41
- 230000032258 transport Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 206010033799 Paralysis Diseases 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
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)
- Control Of Conveyors (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明属于工程技术领域,本发明基于正马尔科夫跳变系统建模方法、自适应事件触发策略、混合触发机制和故障检测滤波器技术,采集码头仓库的货物数据,提出了一种现代码头货物管理系统故障检测方法,该方法可以有效的对执行器装置和控制装置等设备进行故障检测,能够有效处理现代码头管理系统中天气恶劣、执行器设备和控制设备故障、操作人员失误以及其他各种不确定因素导致的码头货物管理系统拥塞甚至瘫痪等一系列问题。并且所设计的故障检测器满足敏感性,可保障系统运行过程中所产生的数据的安全。通过设计混杂自适应事件触发故障检测滤波器,能够及时的检测控制设备的故障,保证现代码头货物管理系统的正常运行。
Description
技术领域
本发明属于工程技术领域,尤其涉及一种现代码头货物管理系统故障检测方法。
背景技术
现代码头货物管理系统主要由码头建筑物、装卸设备、库场和集疏运设施这四部分构成,在货运建设中具有重要的作用。码头建筑大多数为人工制造,也有少数天然形成,它是现代码头货物管理系统的平台,装卸设备作用的目标对象是从陆地运输至码头的货物或者从海上运输至码头的货物,而运输至码头的货物会存放在库场中,而集疏运设施的快速高效,能在相当大的程度上减缓由于船舶随时到港、货流不均衡而产生的压船压货压力,也可以缓和货物集散对码头仓库容量过大的要求。现代码头货物管理系统的各个部分相互协调、配合,使得货物能够及时的存储、管理与运输,大大提高了货物的运输效率。
随着经济全球化的不断发展,不仅地区与地区之间的联系越来越紧密,世界各国之间的联系也越来越频繁。为了降低成本、获得更多利润,传统的码头管理商主要通过新建码头以满足货运过程中的物流调度需求。虽然,一定程度上满足了不同国家或地区不断增长水路运输贸易的需求,但码头数量的增加并不是提升货物运输效率的关键。究其原因是多方面的,比如在码头货物存储方面,不同的公司将准备交易的货物运输至码头时可能出现大量货物堆积在同一个码头、执行器装置和控制装置出现故障、装卸人员操作失误、恶劣天气等问题,这样在货物运输之前要依次解决每批货物的存储问题。因此,通过增加码头数量来改变货物传输效率不是好的优化途径,提出一套可将各种可能的干扰因素考虑进去的管理体系显得尤为重要。
此外,码头管理系统的执行器装置和控制装置在运行过程中难免出现故障,导致系统不能安全稳定运行,甚至造成瘫痪。人们对于故障检测的研究虽有很多的结论、提出了诸多检测方法,如基于故障参考模型、利用H∞/H-增益、几何分析、神经网络等方法讨论故障检测中的检测与隔离问题。需要注意的是,这些方法的结论大都基于非正系统理论提出,而码头管理系统中的物流量本身具有非负特性,用一般系统理论(非正系统理论)建模分析会造成模型上的资源冗余和浪费,这种冗余在实际过程中的表征意义也相对较弱。同时,这些方法要么基于时间触发机制建立,即,故障诊断滤波器的输入信号由时间触发机制得到;要么基于事件触发机制得到。时间触发机制虽能保证系统运行的动态性能,但会增大系统的计算量和功耗,进而造成资源浪费;事件触发机制恰好与之相反,可以降低计算量和工号但会造成系统的动态性能恶化。于是,建立一种可以平衡两者优缺点的触发机制的故障诊断方法显得十分重要。对此,首先利用自适应事件触发机制解决传统静态事件触发过程中的触发阈值单一的问题,优化基于事件触发机制系统的动态性能;然后,建立混杂触发机制,控制自适应事件触发和时间触发两种机制的随机切换,进而达到对两种机制的平衡效果、保证系统的安全稳定运行。对现代码头货物管理系统故障检测。
最后,考虑到码头在运行过程中会产生大量的数据,而数据的安全亦是不可忽视的问题。现有的数据安全问题的解决方法需要复杂的加密算法,虽在一定程度上保证了数据的安全,但实现过程也变得更加繁琐。并且实现过程中,由于原系统和故障检测器之间的模态异步可导致所设计的检测器失效,数据安全性便无法得到较好的保障。于是,提出一种可在异步故障检测器本身实现的安全隐私问题具有重要的意义。
综上所述,提出一种现代码头货物管理系统故障检测方法,不仅具有重要的实际意义,也具有重要的工程价值。
发明内容
本发明目的在于提供一种现代码头货物管理系统故障检测方法,以解决码头管理系统中货物堆积、人员失误以及其他各种不确定因素的影响导致的现代码头管理系统不能稳定运行甚至瘫痪等问题的技术问题。
为解决上述技术问题,本发明的一种现代码头货物管理系统故障检测方法的具体技术方案如下:
一种现代码头货物管理系统故障检测方法,包括如下步骤:
步骤1:建立现代码头货物管理系统的状态空间模型;
步骤1.1:对码头货物管理系统的输入输出数据进行采集以描述实际的系统;
步骤1.2:根据步骤1.1的数据,建立现代码头货物管理系统的状态空间模型;
步骤2:建立现代码头货物管理系统的自适应事件触发条件;
步骤3:建立混杂自适应事件触发异步滤波器模型;
步骤4:构造现代码头货物管理系统的故障检测模型;
步骤5:引入阈值报警故障检测机制;
步骤6:设计现代码头货物管理系统的自适应事件触发故障检测滤波器。
进一步地,步骤1的模型如下:
其中,x(t)=[x1(t),x2(t),…,xn(t)]T∈Rn为时刻t运输至码头仓库的货物数量,xj(t)为时刻t运输到第j个仓库的货物数量,其中1≤j≤n,n代表仓库的数量,y(t)∈Rp为时刻t装载到货轮的货物数量,p代表y(t)的维数,是不可测的造成仓库货物堆积的外部扰动因素,m是外部扰动因素的种类数量,/>是系统的执行器和控制单元设备在运行过程中出现的故障信号,q表示被故障信号的种类数量,φt是马尔科夫链,满足转移概率为Pr(φt+Δ=j|φt=i)=πij,对于/>在i≠j时有πij≥0和/>φt属于有限集S1={1,2,...,N},N∈N+,这里的A(φt),B(φt),C(φt),D(φt),E(φt),F(φt)为系统矩阵,由实际过程中收集的数据整理得到;令φt=i,i∈S1,则系统矩阵可被记作Ai,Bi,Ci,Di,Ei,Fi;假定矩阵Ai满足Metzler特性(非主对角元非负),分别表示n维向量空间、n维非负向量空间、n×n维欧氏矩阵空间和正整数集。
进一步地,步骤2的触发条件构造形式如下:
||ey(t)‖1>β(t)||y(t)‖1,其中,是已知的常数,ey(t)是测量的货物数量误差,/>其中/>表示自然数,它表示时刻tl货轮上的货物数量,y(t)为时刻t货轮上的货物数量,β(t)满足如下自适应律,其中β1,β2,χ都是给定的常数,分别表示自适应系数β(t)增加、减少系数和控制自适应律增减的阈值,
进一步地,步骤3的混杂自适应事件触发异步滤波器模型结构形式如下:
其中,xd(t)表示故障滤波器的状态信号,r(t)表示残差信号,ρt表示满足
Pr(ρt=b|φt=i)=λib,
ρt∈S2={1,2,...,M},
M∈N+,0≤λib≤1,
的隐马尔可夫过程,是待设计的滤波器矩阵;令ρt=b,b∈S2,则滤波器矩阵被记作Adb,Bdb,Cdb,Ddb;/>为故障检测滤波器的有效输入,可在时间触发和事件触发的传感器输出中自由切换,切换效果由随机变量α(t)刻画,并且α(t)满足伯努利分布,相应的分布概率为/>
进一步地,步骤4的故障检测模型如下:
其中,
进一步地,步骤5的阈值报警故障检测机制如下:
其中,T表示可自由滑动变化的监测时间窗口,当l<0时,r(l)=0,J(t)表示故障评估函数,Jth(t)表示相应的故障报警指标函数,当J(t)>Jth(t)时,相应的故障检测系统发出故障报警。
进一步地,步骤6包括如下具体步骤:
步骤6.1:设计的自适应事件触发故障检测滤波器系统矩阵如下:
其中,Rn向量Rs向量/>1n表示元素全为1的n维向量,/>表示第/>个元素为1其余元素为0的n维向量;
步骤6.2:设计常数Rn向量/> Rg向量/>使得以下不等式:
对于在步骤6.1设计的滤波器下成立,其中/>是给定的常数,/>是α(t)的概率,/>是已知的事件触发阈值上界,1g×g是元素全为1的g×g矩阵,矩阵/>(θb1,θb2,...,θbg)=(ψb1,ψb2,...,ψbn)T,/>灵敏度的边界/>满足:
步骤6.3:根据步骤2、步骤6.1和步骤6.2的前三行条件,得到保证故障检测系统为正的条件:
其中,
C i=(Ddb(I-Υ)Ci Cdb),D i=Ddb(I-Υ)Di,F i=Ddb(I-Υ)Fi;
步骤6.4:考虑外部各种不确定因素对现代码头货物管理系统的影响,考虑如下约束性能:
步骤6.5:根据步骤2、步骤6.1得到保证故障检测系统随机稳定的条件:
其中,
步骤6.6:设计随机李亚普诺夫函数其中/>当φt=i,ρt=b时,有差分方程:
根据步骤6.2中的条件,可以得到:
根据步骤6.6说明故障检测系统在设计的自适应事件触发滤波器下是L1随机稳定的;
步骤6.7:选择相同的随机李亚普诺夫函数其
当φt=i,ρt=b时,有差分方程:
根据步骤6.2中的条件可以得到:
根据步骤6.7说明故障检测系统在设计的自适应事件触发滤波器下是具有L-增益ε。
本发明的一种现代码头货物管理系统故障检测方法具有以下优点:本发明基于正马尔科夫跳变系统模型、自适应事件触发策略和基于滤波器的故障检测方法,针对运输至码头货物数量进行数据采集,提出了一种现代码头货物管理系统的执行器装置和控制装置故障检测方法,该方法可以有效的对执行器装置和控制装置进行故障检测,从而有效处理码头管理系统中货物堆积、人员失误以及其他各种不确定因素的影响导致的现代码头管理机制瘫痪等一系列问题。利用正马尔科夫跳变系统对系统建模,建立了系统的状态空间模型。通过设计系统的李雅普诺夫函数来设计自适应事件触发滤波器,以保证故障检测系统具有L1稳定性和L-故障敏感性。
附图说明
图1为现代码头货物管理系统示意图;
图2为本发明的现代码头货物管理系统故障检测方法结构图。
具体实施方式
为了更好地了解本发明的目的、结构及功能,下面结合附图,对本发明一种现代码头货物管理系统故障检测方法做进一步详细的描述。
如图1所示,以现代码头货物管理系统为研究对象,以存储在码头仓库的货物数量为控制输入,以货船上的货物数量为输出,来建立现代码头货物管理系统货物流量的动态模型。
步骤1、建立现代码头货物管理系统的状态空间模型,具体方法是:
1.1对码头货物管理系统的输入输出数据进行采集以描述实际的系统:
考虑现代码头货物管理系统,一个现代码头管理系统是由码头建筑物、装卸设备、库场和集疏运设施组成,见图1现代码头示意图。图1展示了现代码头货物管理系统中各个码头仓库、货物装卸以及停泊货船之间的联系,其中向左箭头表示货物从货运公司运输到码头再到运输船的流程,向右箭头是从运输船接收的货物再到运货公司的流程。按图1中的向左箭头流程,货运公司将待运输的货物运输至码头,然后经过装卸人员,将货物存储至码头仓库,根据货物的发送时间依次将货物从仓库中取出,并将货物装载到运输货轮上,而向右箭头所表示的流程也是同理。然而存在各种不确定因素使得部分码头仓库货物堆积时,比如遭遇了恶劣的天气,这时候需要执行器装置和控制装置为各个码头仓库合理的分配货物量,通过合理调配不同仓库处的设备或工具来及时的对货物进行装卸,因此很有必要对执行器装置和控制装置进行故障检测,当码头货物管理系统的执行器装置和控制装置异常时,发出警报,通知相关工作人员来处理故障。考虑到运输到码头仓库的货物数量具有随机性,而且它是非负的,因此采用正马尔科夫跳变系统建模,并对现代码头管理系统中的执行器装置和控制装置等设备进行故障检测,防止因货物堆积而引起的现代码头管理系统瘫痪。
1.2构造现代码头货物管理系统的状态空间模型:
其中,x(t)=[x1(t),x2(t),...,xn(t)]T∈Rn为时刻t运输至码头仓库的货物数量,xj(t)为时刻t运输到第j个仓库的货物数量,其中1≤j≤n,n代表仓库的数量。y(t)∈Rp为时刻t装载到货轮的货物数量,p代表y(t)的维数,是不可测的造成仓库货物堆积的外部扰动因素,例如恶劣天气的发生、装卸人员的操作失误等,m是外部扰动因素的种类数量。/>是系统的执行器和控制单元等设备在运行过程中可能出现的故障信号,q表示被故障信号的种类数量。当系统发生故障时,货物不能够正常被传输转运,从而出现积压现象,甚至系统不能稳定运行。φt是马尔科夫链,满足转移概率为Pr(φt+Δ=j|φt=i)=πij,对于/>在i≠j时有πij≥0和/>φt属于有限集S1={1,2,...,N},N∈N+。这里的A(φt),B(φt),C(φt),D(φt),E(φt),F(φt)为系统矩阵,可由实际过程中收集的数据整理得到。为方便起见,令φt=i,i∈S1,则系统矩阵可被记作Ai,Bi,Ci,Di,Ei,Fi。假定矩阵Ai满足Metzler特性(非主对角元非负),/> 分别表示n维向量空间、n维非负向量空间、n×n维欧氏矩阵空间和正整数集。
步骤2、建立现代码头货物管理系统的自适应事件触发条件,其构造形式如下:
||ey(t)‖1>β(t)||y(t)‖1,
其中,是已知的常数,ey(t)是测量的货物数量误差,其中/>表示自然数,它表示时刻tl货轮上的货物数量,y(t)为时刻t货轮上的货物数量,β(t)满足如下自适应律,其中β1,β2,χ都是给定的常数,分别表示自适应系数β(t)增加、减少系数和控制自适应律增减的阈值,
步骤3、建立混杂自适应事件触发异步滤波器模型,其结构形式如下:
其中,xd(t)表示故障滤波器的状态信号,r(t)表示残差信号,ρt表示满足
Pr(ρt=b|φt=i)=λib,
ρt∈S2={1,2,...,M},
M∈N+,0≤λib≤1,
的隐马尔可夫过程,是待设计的滤波器矩阵;令ρt=b,b∈S2,则滤波器矩阵可被记作Adb,Bdb,Cdb,Ddb。/>为故障检测滤波器的有效输入,可在时间触发和事件触发的传感器输出中自由切换。切换效果由随机变量α(t)刻画,并且α(t)满足伯努利分布,相应的分布概率为/>
步骤4、构造现代码头货物管理系统的故障检测模型:
其中,
步骤5、引入阈值报警故障检测机制:
其中,T表示可自由滑动变化的监测时间窗口,当l<0时,r(l)=0,J(t)表示故障评估函数,Jth(t)表示相应的故障报警指标函数,当J(t)>Jth(t)时,相应的故障检测系统发出故障报警。
步骤6、设计现代码头货物管理系统的自适应事件触发故障检测滤波器:
6.1设计的自适应事件触发故障检测滤波器系统矩阵如下:
其中,Rn向量Rs向量/>1n表示元素全为1的n维向量,/>表示第/>个元素为1其余元素为0的n维向量。
6.2设计常数Rn向量/> Rg向量/>使得以下不等式:
对于在步骤6.1设计的滤波器下成立,其中/>是给定的常数,/>是α(t)的概率,/>是已知的事件触发阈值上界,1g×g是元素全为1的g×g矩阵,矩阵/>(θb1,θb2,...,θbg)=(ψb1,ψb2,...,ψbn)T,/>灵敏度的边界/>满足:
6.3根据步骤2、步骤6.1和步骤6.2的前三行条件,得到保证故障检测系统为正的条件:
其中,
C i=(Ddb(I-Υ)Ci Cdb),D i=Ddb(I-Υ)Di,F i=Ddb(I-Υ)Fi.
6.4考虑外部各种不确定因素对现代码头货物管理系统的影响,考虑如下约束性能:
6.5根据步骤2、步骤6.1得到保证故障检测系统随机稳定的条件:
其中,
6.6设计随机李亚普诺夫函数其中/>
当φt=i,ρt=b时,有差分方程:
根据步骤6.2中的条件,可以得到:
根据步骤6.6说明故障检测系统在设计的自适应事件触发滤波器下是L1随机稳定的。
6.7选择相同的随机李亚普诺夫函数其中当φt=i,ρt=b时,有差分方程:
根据步骤6.2中的条件可以得到:
根据步骤6.7说明故障检测系统在设计的自适应事件触发滤波器下是具有L-增益ε。
可以理解,本发明是通过一些实施例进行描述的,本领域技术人员知悉的,在不脱离本发明的精神和范围的情况下,可以对这些特征和实施例进行各种改变或等效替换。另外,在本发明的教导下,可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此,本发明不受此处所公开的具体实施例的限制,所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。
Claims (1)
1.一种现代码头货物管理系统故障检测方法,其特征在于,包括如下步骤:
步骤1:建立现代码头货物管理系统的状态空间模型;
步骤1.1:对码头货物管理系统的输入输出数据进行采集以描述实际的系统;
步骤1.2:根据步骤1.1的数据,建立现代码头货物管理系统的状态空间模型;
模型如下:
其中,x(t)=[x1(t),x2(t),…,xn(t)]T∈Rn为时刻t运输至码头仓库的货物数量,xj(t)为时刻t运输到第j个仓库的货物数量,其中1≤j≤n,n代表仓库的数量,y(t)∈Rp为时刻t装载到货轮的货物数量,p代表y(t)的维数,是不可测的造成仓库货物堆积的外部扰动因素,m是外部扰动因素的种类数量,/>是系统的执行器和控制单元设备在运行过程中出现的故障信号,q表示被故障信号的种类数量,φt是马尔科夫链,满足转移概率为Pr(φt+Δ=j|φt=i)=πij,对于/>在i≠j时有πij≥0和/>φt属于有限集S1={1,2,...,N},N∈N+,这里的A(φt),B(φt),C(φt),D(φt),E(φt),F(φt)为系统矩阵,由实际过程中收集的数据整理得到;令φt=i,i∈S1,则系统矩阵可被记作Ai,Bi,Ci,Di,Ei,Fi;假定矩阵Ai满足Metzler特性:非主对角元非负,Bi≥0,Ci≥0,Di≥0,Ei≥0,Fi≥0;Rn,/>Rn×n,N+分别表示n维向量空间、n维非负向量空间、n×n维欧氏矩阵空间和正整数集;
步骤2:建立现代码头货物管理系统的自适应事件触发条件;
触发条件构造形式如下:
||ey(t)‖1>β(t)||y(t)‖1,
其中, 是已知的常数,ey(t)是测量的货物数量误差,/>其中/>k∈[tι,tι+1),/> 表示自然数,它表示时刻tl货轮上的货物数量,y(t)为时刻t货轮上的货物数量,β(t)满足如下自适应律,其中β1,β2,χ都是给定的常数,分别表示自适应系数β(t)增加、减少系数和控制自适应律增减的阈值,
步骤3:建立混杂自适应事件触发异步滤波器模型;
混杂自适应事件触发异步滤波器模型结构形式如下:
其中,xd(t)表示故障滤波器的状态信号,r(t)表示残差信号,ρt表示满足Pr(ρt=b|φt=i)=λib,ρt∈S2={1,2,...,M},M∈N+,0≤λib≤1,的隐马尔可夫过程,是待设计的滤波器矩阵;令ρt=b,b∈S2,则滤波器矩阵被记作Adb,Bdb,Cdb,Ddb;/>为故障检测滤波器的有效输入,可在时间触发和事件触发的传感器输出中自由切换,切换效果由随机变量α(t)刻画,并且α(t)满足伯努利分布,相应的分布概率为/>
步骤4:构造现代码头货物管理系统的故障检测模型;
故障检测模型如下:
其中,
步骤5:引入阈值报警故障检测机制;
阈值报警故障检测机制如下:
其中,T表示可自由滑动变化的监测时间窗口,当l<0时,r(l)=0,J(t)表示故障评估函数,Jth(t)表示相应的故障报警指标函数,当J(t)>Jth(t)时,相应的故障检测系统发出故障报警;
步骤6:设计现代码头货物管理系统的自适应事件触发故障检测滤波器;
步骤6.1:设计的自适应事件触发故障检测滤波器系统矩阵如下:
其中,Rn向量Rs向量/>1n表示元素全为1的n维向量,/>表示第/>个元素为1其余元素为0的n维向量;
步骤6.2:设计常数τ>0,ε>0,γ>0,Rn向量/> ηb>0,Rg向量/>ψb>0,/>使得以下不等式:
对于在步骤6.1设计的滤波器下成立,其中/>是给定的常数,是α(t)的概率,/> 是已知的事件触发阈值上界,1g×g是元素全为1的g×g矩阵,矩阵/>(θb1,θb2,...,θbg)=(ψb1,ψb2,...,ψbn)T,l1灵敏度的边界/>满足:
步骤6.3:根据步骤2、步骤6.1和步骤6.2的前三行条件,得到保证故障检测系统为正的条件:
其中,
C i=(Ddb(I-Υ)Ci Cdb),D i=Ddb(I-Υ)Di,F i=Ddb(I-Υ)Fi;
步骤6.4:考虑外部各种不确定因素对现代码头货物管理系统的影响,考虑如下约束性能:
w(t)≠0,f(t)=0,
w(t)=0,f(t)≠0,
步骤6.5:根据步骤2、步骤6.1得到保证故障检测系统随机稳定的条件:
其中,
步骤6.6:设计随机李亚普诺夫函数其中
当φt=i,ρt=b时,有差分方程:
根据步骤6.2中的条件,可以得到:
根据步骤6.6说明故障检测系统在设计的自适应事件触发滤波器下是L1随机稳定的;
步骤6.7:选择相同的随机李亚普诺夫函数其中
当φt=i,ρt=b时,有差分方程:
根据步骤6.2中的条件可以得到:
ω(t)≠0,f(t)=0,
根据步骤6.7说明故障检测系统在设计的自适应事件触发滤波器下是具有L-增益ε。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111014708.9A CN113687596B (zh) | 2021-08-31 | 2021-08-31 | 一种现代码头货物管理系统故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111014708.9A CN113687596B (zh) | 2021-08-31 | 2021-08-31 | 一种现代码头货物管理系统故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113687596A CN113687596A (zh) | 2021-11-23 |
CN113687596B true CN113687596B (zh) | 2024-03-01 |
Family
ID=78584721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111014708.9A Active CN113687596B (zh) | 2021-08-31 | 2021-08-31 | 一种现代码头货物管理系统故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113687596B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108667673A (zh) * | 2018-06-22 | 2018-10-16 | 东北大学 | 基于事件触发机制的非线性网络控制系统故障检测方法 |
CN112327810A (zh) * | 2020-11-17 | 2021-02-05 | 山东科技大学 | 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 |
CN112378670A (zh) * | 2020-11-10 | 2021-02-19 | 北京航空航天大学 | 一种基于改进粒子滤波的火箭发动机故障检测方法 |
CN113093537A (zh) * | 2021-03-24 | 2021-07-09 | 大连理工大学 | 一种基于在线异步前件重构的事件触发观测器设计方法 |
CN113110383A (zh) * | 2021-04-13 | 2021-07-13 | 杭州电子科技大学 | 一种城市水务系统供水故障检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2002248549B2 (en) * | 2001-03-08 | 2005-01-20 | California Institute Of Technology | Real-time spatio-temporal coherence estimation for autonomous mode identification and invariance tracking |
-
2021
- 2021-08-31 CN CN202111014708.9A patent/CN113687596B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108667673A (zh) * | 2018-06-22 | 2018-10-16 | 东北大学 | 基于事件触发机制的非线性网络控制系统故障检测方法 |
CN112378670A (zh) * | 2020-11-10 | 2021-02-19 | 北京航空航天大学 | 一种基于改进粒子滤波的火箭发动机故障检测方法 |
CN112327810A (zh) * | 2020-11-17 | 2021-02-05 | 山东科技大学 | 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 |
CN113093537A (zh) * | 2021-03-24 | 2021-07-09 | 大连理工大学 | 一种基于在线异步前件重构的事件触发观测器设计方法 |
CN113110383A (zh) * | 2021-04-13 | 2021-07-13 | 杭州电子科技大学 | 一种城市水务系统供水故障检测方法 |
Non-Patent Citations (1)
Title |
---|
具有随机马尔可夫时延的网络控制系统H_∞故障检测;黄鹤;谢德晓;张登峰;王执铨;;信息与控制(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113687596A (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pant et al. | Stochastic measures of resilience and their application to container terminals | |
Pant et al. | Interdependent impacts of inoperability at multi-modal transportation container terminals | |
Longo | Design and integration of the containers inspection activities in the container terminal operations | |
Sarwar et al. | Resilience analysis of a remote offshore oil and gas facility for a potential hydrocarbon release | |
Elsayed | Fuzzy inference system for the risk assessment of liquefied natural gas carriers during loading/offloading at terminals | |
Rusca et al. | Simulation model for maritime container terminal | |
CN113687596B (zh) | 一种现代码头货物管理系统故障检测方法 | |
Sayareh et al. | Failure mode and effects analysis (FMEA) for reducing the delays of cargo handling operations in marine bulk terminals | |
Ferrari et al. | A fault detection and isolation scheme for nonlinear uncertain discrete-time sytems | |
Gharehgozli et al. | Sea Container Terminals: New Technologies, OR Models, and Emerging Research Areas | |
Strelnikov et al. | Finding an optimal route of a consignment in a seaport | |
Zhu et al. | Simulation-based quantitative evaluation method for water–water transshipment coal terminals | |
RUSCA et al. | Modeling the transit of containers through quay buffer storage zone in maritime terminals | |
Xu et al. | Propagation of Uncertain Events in Multilevel Handlings at Container Terminals from the Perspective of Hypernetwork | |
Inagaki | Situation-adaptive autonomy: Dynamic trading of authority between human and automation | |
Wang et al. | Management of marine logistics in the case of emergency or disaster | |
Ricardianto et al. | The Dangerous Goods Loading-Unloading Activities in The Port of Tanjung Priok Indonesia | |
John et al. | A new approach for evaluating the disruption risks of a seaport system | |
Bettayeb et al. | Impact of type-II inspection errors on a risk exposure control approach based quality inspection plan | |
Hoshino et al. | Design of an automated transportation system in a seaport container terminal for the reliability of operating robots | |
Mhalla et al. | Age-dependent maintenance planning based on P-time Petri Nets for Seaport equipments | |
Gao et al. | An adaptive observer for actuator and sensor fault diagnosis in linear time-varying systems | |
Rouky et al. | Optimization under uncertainty: generality and application to multimodal transport | |
Rodrigues et al. | Analysis of ship arrival functions in discrete event simulation models of an iron ore export terminal | |
Wu et al. | Integrated scheduling for berth and quay crane in automated container terminals based on proactive-reactive method |
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 |