第1章 绪论 1
1.1引言 1
1.2故障诊断技术的相关概念与任务 2
1.2.1基本概念 2
1.2.2故障诊断任务 4
1.2.3故障诊断系统的性能指标 5
1.3故障诊断技术分类 6
1.3.1基于解析模型的故障诊断方法 6
1.3.2基于信号处理的故障诊断方法 9
1.3.3基于知识的故障诊断方法 10
1.4故障诊断有待解决的问题及其发展趋势 12
1.5本书的工作 13
参考文献 15
第2章 矩阵和线性系统基础知识 17
2.1矩阵基础知识 17
2.1.1矩阵的奇异值分解 17
2.1.2凸集 18
2.1.3一些代数问题的解 18
2.1.4线性矩阵不等式 25
2.2系统基础知识 30
2.2.1线性系统的描述 30
2.2.2系统的稳定性、可控性和可观测性 30
2.3 GKYP引理 32
参考文献 33
第3章 基于观测器的故障诊断理论基础 35
3.1故障诊断观测器 35
3.2故障检测系统的鲁棒性及灵敏性 36
3.3故障检测残差评估及阈值的确定 38
3.4故障分离 40
3.4.1完全故障分离 40
3.4.2故障分离滤波器 46
3.4.3基于多个（一组）残差产生器的故障分离 46
3.5故障辨识 53
3.5.1故障辨识滤波器与完全故障辨识 54
3.5.2最优故障辨识问题 56
参考文献 58
第4章 参数不确定线性时不变系统的鲁棒故障检测观测器和故障估计滤波器设计 60
4.1引言 60
4.2无参数扰动时线性系统的鲁棒故障检测观测器设计 61
4.2.1名义系统的鲁棒故障检测观测器设计 64
4.2.2鲁棒性条件 65
4.2.3敏感性条件 66
4.2.4稳定性条件 67
4.2.5故障检测滤波器设计 67
4.3参数不确定系统的鲁棒故障检测观测器设计 72
4.3.1问题的定义 72
4.3.2鲁棒故障检测观测器设计 73
4.3.3初步结果 74
4.3.4鲁棒性条件 76
4.3.5敏感性条件 78
4.3.6稳定性条件 79
4.3.7设计阈值和最大无法检测故障的估计 79
4.4参数不确定系统的鲁棒故障估计滤波器设计 81
4.5实例 88
4.6结论 92
参考文献 92
第5章 结构不确定线性系统的鲁棒故障检测观测器设计 95
5.1问题的定义 95
5.2鲁棒故障检测观测器设计 96
5.2.1加性不确定性情况 96
5.2.2乘性不确定性情况 101
5.3阈值的设计和最难以察觉的检测故障大小估计 102
5.3.1加性不确定性情况 103
5.3.2乘性不确定性情况 104
5.4实例 104
5.4.1加性不确定性情况 105
5.4.2乘性不确定性情况 107
5.5结论 110
参考文献 110
第6章 线性参数变化系统的混合H_/H∞故障检测观测器设计 111
6.1引言 111
6.2 LPV系统的H_ 指标 113
6.2.1 LPV系统的二次H∞性能 113
6.2.2 LPV系统的二次H_ 指标 114
6.2.3 LPV系统的仿射二次H∞性能 115
6.2.4 LPV系统的仿射二次H_ 指标性能 116
6.3问题描述 117
6.4混合H_/H∞设计方法（一） 119
6.4.1未知扰动的鲁棒性条件 119
6.4.2故障灵敏度条件 121
6.4.3 LPV系统的H_/H∞故障检测观测器设计 124
6.5混合H_/H∞设计方法（二） 125
6.5.1基于参数依赖型Lyapunov函数的鲁棒性条件 125
6.5.2基于仿射二次H_指标的灵敏度条件 128
6.5.3基于仿射二次H∞性能和仿射二次H_指标的H_/H∞故障观测器的LPV系统设计 130
6.6最大无法检测故障大小的估计 131
6.7实例 132
6.8结论 135
参考文献 135
第7章 基于系统辨识的线性时不变系统的故障诊断 138
7.1引言 138
7.2问题描述 138
7.3故障诊断解决方案 140
7.3.1传感器存在偏差案例 141
7.3.2执行器偏差故障案例 141
7.3.3系统部件故障案例 142
7.4递归的在线辨识算法 142
7.4.1传感器和执行器偏差估计 142
7.4.2对部件故障诊断的在线递归参数估计 144
7.4.3递归最小二乘法求解 147
7.5仿真研究 148
7.6结论 153
参考文献 153
第8章 列车悬挂系统的故障检测与故障分离 155
8.1引言 155
8.2轨道车辆悬挂系统建模 156
8.3基于GLRT的加性突变故障检测 159
8.4仿真研究 161
8.4.1二系垂向阻尼器故障检测 161
8.4.2二系垂向弹簧故障检测 161
8.4.3传感器故障检测 164
8.5基于多元时间序列相似性匹配的故障分离 164
8.6 Eros算法 165
8.7故障分离仿真结果 167
8.7.1故障特征库 167
8.7.2算法验证结果 168
8.8结论 171
参考文献 171
第9章 大型风力发电系统故障诊断研究 173
9.1引言 173
9.2风力发电控制系统故障模型以及问题陈述 175
9.2.1风力发电机的结构 175
9.2.2风力发电机的系统 177
9.2.3科尔曼域中的时不变线性模型 179
9.2.4问题陈述 180
9.3故障建模以及故障检测和分离的原理 180
9.3.1故障建模 181
9.3.2故障诊断的原理 182
9.4观测器与滤波器设计 183
9.4.1故障检测观测器与故障估计滤波器设计 184
9.4.2残差估计 186
9.4.3故障估计滤波器的设计 187
9.5仿真结果 190
9.5.1叶片力矩传感器故障检测结果 190
9.5.2叶片倾斜执行器卡死故障检测结果 192
9.5.3叶片力矩传感器故障估计 192
9.6结论 193
附录Ⅰ 系统状态方程矩阵 193
附录Ⅱ 科尔曼域上的方程 195
参考文献 196
第10章 基于Kalman滤波和GLRT技术的故障诊断在风力发电系统中的应用 198
10.1问题陈述 198
10.2基于子空间辨识的风力发电机系统建模 199
10.3故障检测和分离 202
10.3.1故障建模 202
10.3.2基于Kalman滤波器的残差产生 203
10.3.3基于均值观测的加性故障检测 205
10.3.4基于广义似然比检验的加性突变故障检测 206
10.3.5基于剩余残差观测的乘性故障检测 208
10.3.6传感器故障分离推理 209
10.4仿真结果 211
10.5结论 217
参考文献 217
第11章 基于车辆-轨道系统动态特性的轨道健康状态检测 220
11.1背景及意义 220
11.1.1现有轨道健康状态检测指标及评定方法 220
11.1.2基于车辆-轨道系统动态特性的轨道健康状态评定指标 222
11.2车辆-轨道系统模型建立 223
11.2.1轨道激励模型的建立 224
11.2.2车辆-轨道耦合系统动力学模型的建立 227
11.3仿真研究 236
11.3.1单一不平顺条件下的仿真研究 236
11.3.2复合不平顺条件下的仿真研究 242
11.3.3不同车速条件下的仿真研究 245
参考文献 248