基于自适应未知输入观测器的快速故障估计方法及设备技术

本发明专利技术的实施例提供了一种基于自适应未知输入观测器的快速故障估计方法及设备。所述方法包括建立动态控制系统的非线性系统模型；根据所述非线性系统模型的增广状态向量建立增广系统模型；根据所述增广系统模型建立自适应未知输入观测器，使所述自适应未知输入观测器满足第一条件；计算增广状态估计误差和执行器故障估计误差；通过线性矩阵不等式对所述自适应未知输入观测器进行误差优化，计算优化后的观测器参数；对所述非线性系统模型的执行器故障以及传感器故障进行估计。以此方式，可以使得动态控制系统在发生故障后，能够及时得到故障信息及具体的故障情况，在尽可能准确估计故障幅值的同时抑制外部干扰对故障估计结果的影响。的影响。的影响。

【技术实现步骤摘要】
基于自适应未知输入观测器的快速故障估计方法及设备


[0001]本专利技术的实施例一般涉及动态控制系统故障估计领域，并且更具体地，涉及基于自适应未知输入观测器的快速故障估计方法及设备。

技术介绍

[0002]随着现代系统变得越来越复杂，高可靠性和安全性是系统至关重要的要求，因此故障诊断及故障估计引起了学者们的广泛研究。一个动态系统容易受到各种类型的外部环境的影响，因此，系统的可靠性很容易降低，甚至会受到可能导致系统损坏的某些故障的影响，例如系统主要功能的降低或者系统的彻底崩溃等。因此，一旦系统发生故障，应该尽早发现故障，定位故障的位置，并尽可能准确地确定故障的严重程度。
[0003]在实际工程领域中，故障是非常常见的。它们指的是系统的至少一个组件或参数偏离正常值并导致系统性能下降的情况。因此，导致系统指定的任务无法完成。故障诊断的目的是检测系统故障的发生，并进一步确定其位置，以防止整个系统的崩溃。在最近的研究中，故障诊断方法被分为四类:基于数学模型的方法、基于信号的方法、基于知识的方法和混合方法。其中，基于数学模型的方法是最有力的设计工具，因此受到许多学者的青睐。根据研究，基于数学模型的设计方法中应用最多的便是基于观测器的设计方法。该方法将被测装置的输出与系统模型中设计的观测器的输出进行比较，然后形成残差信息。虽然该方法和产生的残差可以用来检测和定位故障源，并产生报警信号，但不能提供关于故障幅度的信息。因此，为了更有效地处理故障，需要准确估计故障幅度。目前基于观测器的故障估计方法在处理外部干扰时大多采用未知输入观测器对干扰进行解耦，以减小干扰对故障估计的影响，但现有的基于未知输入观测器的故障估计方法在进行非线性系统的故障估计时都需要满足严格的观测器匹配条件，这在一定程度上限制了该方法的实际应用范围。而且在考虑外部干扰时，一般只考虑过程干扰的影响，并未考虑传感器端测量噪声的影响。另一方面，故障估计的性能也是值得关注的，在进行故障估计时不仅要保证故障估计的准确性，同时也要保证故障估计的快速性。

技术实现思路

[0004]根据本专利技术的实施例，提供了一种基于自适应未知输入观测器的快速故障估计方案，以解决非线性动态系统的鲁棒故障估计问题，该方案同时考虑了系统非线性因素、系统外部干扰、系统传感器故障及系统执行器故障问题。
[0005]在本专利技术的第一方面，提供了一种基于自适应未知输入观测器的快速故障估计方法。该方法包括：
[0006]建立动态控制系统的非线性系统模型；所述非线性系统模型包含执行器故障和传感器故障；
[0007]根据所述非线性系统模型的增广状态向量建立增广系统模型；所述增广状态向量由非线性系统模型的状态向量和所述传感器故障进行定义；
[0008]根据所述增广系统模型建立自适应未知输入观测器，使所述自适应未知输入观测器满足第一条件；
[0009]计算所述自适应未知输入观测器与所述增广系统模型之间的增广状态估计误差和执行器故障估计误差；
[0010]通过线性矩阵不等式对所述自适应未知输入观测器进行误差优化，计算优化后的观测器参数；
[0011]根据优化后的自适应未知输入观测器对所述非线性系统模型的执行器故障以及传感器故障进行估计。
[0012]进一步地，所述非线性系统模型为：
[0013][0014]其中，x
h
为非线性系统状态；为x
h
的导数；y
h
为非线性系统输出；ξ
d
为过程干扰；ξ
s
(t)为测量噪声；u为控制输入；g
h
(x
h
，t)为非线性系统的非线性函数；f
a
为非线性系统的执行器故障；f
s
为非线性系统的传感器故障；A
h
为状态增益矩阵；B
h
为控制输入增益矩阵；C
h
为输出增益矩阵；F
a
为执行器故障矩阵；F
s
为传感器故障矩阵；D
d
为过程干扰增益矩阵；D
s
为测量噪声增益矩阵，t为时间变量。
[0015]进一步地，所述增广系统模型为：
[0016][0017]y＝Hx+D
s
ξ
s
[0018]其中，x为包含所述非线性系统模型的状态向量和传感器故障的增广状态向量，f
s
为非线性系统传感器故障，表示f
s
的转置运算，x
h
为非线性系统状态，为x
h
的转置运算；为x的导数；y为增广系统输出；ξ
d
为过程干扰；ξ
s
为测量噪声；u为控制输入；g(Ex，t)为非线性系统经增广状态处理后的非线性函数；f
a
为非线性系统执行器故障；E为由单位矩阵和零矩阵构成的扩展矩阵，即E＝[I
n 0
n
×
h
]，I
n
为n维的单位矩阵；M为由A
h
和零矩阵构成的增广状态增益矩阵，即M＝[A
h 0
n
×
h
]，A
h
为状态增益矩阵；B为控制输入增益矩阵，即B＝B
h
；H为由C
h
和F
s
构成的增广输出增益矩阵，即H＝[C
h F
s
]，C
h
为输出增益矩阵，F
s
为传感器故障矩阵；F
a
为执行器故障矩阵；D
d
为过程干扰增益矩阵；D
s
为测量噪声增益矩阵；n为非线性系统状态向量的维数；h为传感器故障向量的维数；t为时间变量。
[0019]进一步地，所述第一条件为：
[0020]L3E+L4H＝I
n+h
[0021]其中，L3为所述自适应未知输入观测器的增益矩阵第三参数；L4为所述自适应未知输入观测器的增益矩阵第四参数；E为由单位矩阵和零矩阵构成的扩展矩阵，即E＝[I
n 0
n
×
h
]，I
n
为n维的单位矩阵，n为非线性系统状态向量的维数；H为由C
h
和F
s
构成的增广输出增益矩阵，即H＝[C
h F
s
]，C
h
为输出增益矩阵，F
s
为传感器故障矩阵；I
n+h
为n+h维的单位矩阵，h为传感器故障向量的维数。
[0022]进一步地，所述自适应未知输入观测器为：
[0023][0024][0025][0026][0027]其中，为z的导数，z为所述自适应未知输入观测器的状态信息；u为增广系统的输入；为x的估计值；为y的估计值，y为增广系统的输出；为f
a
的估计值，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应未知输入观测器的快速故障估计方法，其特征在于，包括：建立动态控制系统的非线性系统模型；所述非线性系统模型包含执行器故障和传感器故障；根据所述非线性系统模型的增广状态向量建立增广系统模型；所述增广状态向量由非线性系统模型的状态向量和所述传感器故障进行定义；根据所述增广系统模型建立自适应未知输入观测器，使所述自适应未知输入观测器满足第一条件；计算所述自适应未知输入观测器与所述增广系统模型之间的增广状态估计误差和执行器故障估计误差；通过线性矩阵不等式对所述自适应未知输入观测器进行误差优化，计算优化后的观测器参数；根据优化后的自适应未知输入观测器对所述非线性系统模型的执行器故障以及传感器故障进行估计。2.根据权利要求1所述的方法，其特征在于，所述非线性系统模型为：其中，x
h
为非线性系统状态；为x
h
的导数；y
h
为非线性系统输出；ξ
d
为过程干扰；ξ
s
(t)为测量噪声；u为控制输入；g
h
(x
h
，t)为非线性系统的非线性函数；f
a
为非线性系统的执行器故障；f
s
为非线性系统的传感器故障；A
h
为状态增益矩阵；B
h
为控制输入增益矩阵；C
h
为输出增益矩阵；F
a
为执行器故障矩阵；F
s
为传感器故障矩阵；D
d
为过程干扰增益矩阵；D
s
为测量噪声增益矩阵，t为时间变量。3.根据权利要求1所述的方法，其特征在于，所述增广系统模型为：y＝Hx+D
s
ξ
s
其中，x为包含所述非线性系统模型的状态向量和传感器故障的增广状态向量，f
s
为非线性系统传感器故障，表示f
s
的转置运算，x
h
为非线性系统状态，为x
h
的转置运算；为x的导数；y为增广系统输出；ξ
d
为过程干扰；ξ
s
为测量噪声；u为控制输入；g(Ex，t)为非线性系统经增广状态处理后的非线性函数；f
a
为非线性系统执行器故障；E为由单位矩阵和零矩阵构成的扩展矩阵，即E＝[I
n 0
n
×
h
]，I
n
为n维的单位矩阵；M为由A
h
和零矩阵构成的增广状态增益矩阵，即M＝[A
h 0
n
×
h
]，A
h
为状态增益矩阵；B为控制输入增益矩阵，即B＝B
h
；H为由C
h
和F
s
构成的增广输出增益矩阵，即H＝[C
h F
s
]，C
h
为输出增益矩阵，F
s
为传感器故障矩阵；F
a
为执行器故障矩阵；D
d
为过程干扰增益矩阵；D
s
为测量噪声增益矩阵；n为非线性系统状态向量的维数；h为传感器故障向量的维数；t为时间变量。4.根据权利要求1所述的方法，其特征在于，所述第一条件为：L3E+L4H＝I
n+h
其中，L3为所述自适应未知输入观测器的增益矩阵第三参数；L4为所述自适应未知输入观测器的增益矩阵第四参数；E为由单位矩阵和零矩阵构成的扩展矩阵，即E＝[I
n 0
n
×
h
]，I
n
为n维的单位矩阵，n为非线性系统状态向量的维数；H为由C
h
和F
s
构成的增广输出增益矩阵，即H＝[C
h F
s
]，C
h
为输出增益矩阵，F
s
为传感器故障矩阵；I
n+h
为n+h维的单位矩阵，h为传感器故障向量的维数。5.根据权利要求1所述的方法，其特征在于，所述自适应未知输入观测器为：征在于，所述自适应未知输入观测器为：征在于，所述自适应未知输入观测器为：征在于，所述自适应未知输入观测器为：其中，为z的导数，z为所述自适应未知输入观测器的状态信息；u为增广系统的输入；为x的估计值；为y的估计值，y为增广系统的输出；为f
a
的估计值，f
a
为非线性系统执行器故障，为的导数；e
y
为与y的差值；为e
y
的导数；x为包含所述非线性系统模型的状态向量和传感器故障的增广状态向量，f
s
为非线性系统传感器故障，表示f
s
的转置运算，x
h
为非线性系统状态，为x
h
的转置运算；为非线性系统经增广状态处理后的非线性函数的估计值；L1为所述自适应未知输入观测器的增益矩阵第一参数；L2为所述自适应未知输入观测器的增益矩阵第二参数；L3为所述自适应未知输入观测器的增益矩阵第三参数；L4为所述自适应未知输入观测器的增益矩阵第四参数；B为控制输入增益矩阵，即B＝B
h
；α为增益系数；P为对称正定矩阵；P
‑1表示对称正定矩阵P的逆矩阵运算；H为增广输出增益矩阵，H
T
表示矩阵H的转置运算；F
a
为执行器故障矩阵；G1为第一故障估计系数矩阵；G2为第二故障估计系数矩阵。6.根据权利要求1所述的方法，其特征在于，所述自适应未知输入观测器与所述增广系统模型之间的增广状态估计误差和执行器故障估计误差为：其中，e

【专利技术属性】
技术研发人员：马广富，郭延宁，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：