动态系统基于模型的鲁棒故障诊断PDF电子书下载

第1章 绪论 1

1.1研究背景 1

1.1.1故障诊断的重要意义 1

1.1.2故障诊断中的技术术语 1

1.1.3智能容错控制中的故障诊断 2

1.1.4基于模型的故障诊断 2

1.1.5基于模型故障诊断中的鲁棒性问题 4

1.2基于模型故障诊断的发展简史 5

1.3本书概要 10

第2章 基于模型故障检测与隔离的基本原理 14

2.1引言 14

2.2基于模型故障诊断的方法 14

2.3在线故障诊断 15

2.4故障系统建模 16

2.5基于模型FDI中残差生成的一般结构 18

2.6故障可检测性 20

2.6.1故障可检测性条件 20

2.6.2故障强可检测性条件 22

2.7故障可隔离性条件 22

2.7.1结构化残差集 23

2.7.2固定方向性残差矢量 24

2.7.3传感器与调节器故障隔离 24

2.8残差生成方法 25

2.8.1观测器方法 26

2.8.2奇偶矢量（关系）法 29

2.8.3因素分解法 33

2.9基于模型FDI参数估计法 34

2.10随机系统故障诊断 35

2.11鲁棒性残差生成问题 36

2.11.1关于干扰的鲁棒性 37

2.11.2关于建模误差的鲁棒性 38

2.11.3鲁棒FDI的讨论 38

2.12鲁棒FDI中自适应阈值 39

2.13基于模型FDI方法的可用性 41

2.13.1观测器方法 42

2.13.2奇偶关系方法 42

2.13.3参数估计方法 43

2.13.4可用性讨论 43

2.14故障诊断技术的集成 44

2.14.1故障诊断中的模糊逻辑技术 44

2.14.2定性故障诊断技术 45

2.14.3集成故障诊断系统 46

2.15本章小结 47

第3章 基于UIOs的鲁棒残差生成 48

3.1引言 48

3.2UIOs的理论与设计 50

3.2.1UIOs的理论 52

3.2.2UIOs的设计步骤 56

3.3基于UIOs的鲁棒故障检测与隔离策略 58

3.3.1基于UIOs的鲁棒故障检测策略 58

3.3.2基于UIOs的鲁棒故障隔离策略 59

3.3.3实例：化学反应装置中调节器故障的鲁棒检测与隔离 61

3.4鲁棒故障检测滤波器与鲁棒方向性残差 67

3.4.1故障检测滤波器的基本原理 67

3.4.2干扰解耦故障检测滤波器与鲁棒故障隔离 69

3.4.3喷气发动机系统传感器故障的鲁棒性隔离 72

3.5不确定随机系统滤波与鲁棒故障诊断 76

3.5.1具有未知干扰和噪声系统的最优观测器 77

3.5.2鲁棒残差生成与故障检测 80

3.5.3例子 81

3.6本章小结 83

第4章 基于观测器特征结构配置的鲁棒残差生成方法 85

4.1引言 85

4.2残差生成与残差响应 86

4.3干扰解耦设计的一般原理 87

4.3.1基于不变子空间的干扰解耦设计 87

4.3.2基于特征结构配置的干扰解耦设计 88

4.4干扰解耦的左特征矢量配置方法 90

4.5鲁棒故障检测器设计的参数特征结构配置方法 94

4.5.1鲁棒FDI设计的参数特征结构配置 95

4.5.2例子 96

4.6干扰解耦的右特征矢量配置方法 99

4.7鲁棒残差生成中的最小拍设计 102

4.8基于特征结构配置方法的两个例子 104

4.9结论与讨论 106

第5章 鲁棒残差生成中干扰分布矩阵的确定 107

5.1引言 107

5.2干扰分布矩阵的直接确定与优化 108

5.2.1噪声与加性非线性 109

5.2.2双线性系统 109

5.2.3降阶模型 110

5.2.4参数扰动 110

5.2.5分布矩阵的低秩近似 111

5.2.6有界不确定性 113

5.3干扰与干扰分布矩阵的估计 113

5.3.1干扰矢量估计的增广观测器方法 114

5.3.2干扰分布矩阵的推导 115

5.3.3干扰矢量估计的反卷积方法 116

5.4多（变）工作点下最优干扰矩阵的确定 119

5.5喷气发动机系统建模与FDI 120

5.5.1喷气发动机系统故障诊断的研究背景 120

5.5.2喷气发动机系统描述 122

5.5.3直接计算与优化方法的应用 123

5.5.4增广观测器方法的应用 125

5.6本章小结 129

第6章 基于多目标优化与基因算法的鲁棒残差生成器设计 131

6.1引言 131

6.2残差生成与性能指标 132

6.2.1残差生成与响应 132

6.2.2鲁棒残差生成中的性能指标 134

6.2.3性能指标的说明 135

6.3观测器设计中的参数化 136

6.3.1实特征值 137

6.3.2共轭复特征值 137

6.3.3特征值的配置 138

6.4多目标优化与不等式方法 138

6.4.1多目标优化 138

6.4.2不等式方法 139

6.5基于基因算法的优化技术 142

6.5.1基因算法简介 142

6.5.2使性能不等式成立的基因算法步骤 145

6.6飞行控制系统传感器缓变故障的检测 146

6.7本章小结 150

第7章 基于最优奇偶关系的鲁棒残差生成方法 151

7.1引言 151

7.2最优奇偶关系设计中的性能指标 152

7.3基于多目标优化的最优鲁棒奇偶关系设计 154

7.3.1求解最优问题的SVD方法 154

7.3.2多目标优化的求解 155

7.4数值实例 158

7.5有关设计最优奇偶关系的讨论 160

7.5.1鲁棒故障隔离 160

7.5.2多模型的概率分布 160

7.5.3正交化奇偶关系 161

7.5.4基于优化的鲁棒奇偶关系设计 162

7.5.5闭环最优奇偶关系 163

7.6本章小结 164

第8章 鲁棒故障诊断的频域设计与H∞优化方法 165

8.1引言 165

8.2鲁棒故障检测的因数分解方法 167

8.2.1基于因数分解的残差生成器设计 167

8.2.2完全故障检测与隔离及完全干扰解耦 170

8.2.3最优残差设计 175

8.3基于标准H∞滤波描述的鲁棒残差生成 180

8.3.1具有干扰抑制的鲁棒残差生成 180

8.3.2故障估计 182

8.3.3具有干扰抑制的故障估计 184

8.3.4鲁棒性问题 185

8.4鲁棒残差生成的LMI方法 187

8.4.1问题描述 187

8.4.2敏感性范数分析 188

8.4.3H∞控制的LMI求解方法 191

8.4.4对偶性与H∞估计 192

8.4.5鲁棒故障检测观测器设计 194

8.4.6鲁棒FDI中有关LMI方法的讨论 195

8.5本章小结 196

第9章 非线性动态系统故障诊断 197

9.1引言 197

9.2线性与非线性观测器方法 199

9.3非线性动态系统故障诊断的神经网络方法 206

9.3.1非线性动态系统FDI中神经网络的应用 207

9.3.2基于神经网络的故障诊断方案 209

9.3.3基于神经网络的故障诊断方法在实验室系统中的应用 210

9.4非线性动态系统故障诊断的模糊观测器方法 213

9.4.1T-S模糊模型及稳定性分析 214

9.4.2模糊观测器与残差生成 216

9.4.3铁路牵引系统中感应电机的故障诊断 219

9.5非线性动态系统故障诊断的神经模糊方法 224

9.5.1B-样条神经网络与模糊逻辑解释 224

9.5.2基于B-样条网络的残差生成与故障检测 226

9.5.3基于B-样条函数网络的故障隔离 226

9.5.4两箱系统的故障诊断 227

9.6本章小结 229

附录A基于模型故障诊断技术中的专业术语 231

附录B倒摆实例 233

附录C矩阵秩分解 235

附录D引理3.2的证明 236

附录E低秩矩阵近似 238

参考文献 239