摘要：研究了一类含分布式测量的闭环系统故障检测问题.系统中存在的未建模动态使得反馈控制对残差信号以及故障检测性能产生影响,在设计残差生成器增益时需考虑反馈控制律.系统被多个分布式传感器节点同时测量,各节点可以与相邻节点通信.在存在模型不精准和分布式测量的情况下,基于最小二乘准则设计分布式残差生成器,每个节点都利用自身测量和相邻节点测量生成残差信号并判断系统中是否有故障发生.该残差生成器可以利用递推方法设计,因此适用于在线应用.仿真实验表明了本方法的有效性.

摘要：针对一类存在未知扰动、过程噪声和测量噪声的离散线性随机动态系统,研究了其鲁棒间歇故障检测问题.设计了降维未知输入观测器的输出,通过引入滑动时间窗口构造了截断残差信号,使得该残差信号对未知扰动解耦而对间歇故障敏感;针对间歇故障的发生时刻和消失时刻,分别提出了2个假设检验,在给定误报率和漏报率的情况下,分别定量确定了间歇故障发生时刻和消失时刻的检测阈值以满足检测性能要求,并在概率框架下分析了间歇故障的可检测性.同时,在某卫星模型上对所提出的方法进行了仿真验证.结果表明,所提出的方法能够快速、准确地检测出间歇故障的发生时刻和消失时刻.

摘要：针对出现测量死区的离散系统,提出一种基于两阶段TKF的故障估计方法。引入2个Bernoulli随机向量描述输出死区,并设计了增广状态Tobit卡尔曼滤波器(augmented state Tobit Kalman filter,ASTKF)。通过两步U-V变换方法对ASTKF的协方差矩阵解耦,从而获得两阶段Tobit卡尔曼滤波器(two-stage Tobit Kalman filter,TSTKF),并且利用TSTKF解决了系统故障估计问题。对所提出方法进行仿真,并与标准卡尔曼滤波器、间歇观测下的卡尔曼滤波器进行比较,说明了该方法的可行性和准确性。

摘要：基于平方根容积卡尔曼滤波方法(Square root cubature Kalman filter,SCKF),研究一类非线性随机动态系统的故障检测与估计问题。SCKF对解决复杂非线性系统的状态估计问题,具有精度高、稳定性优和计算复杂度低等优点。针对发生执行器故障的非线性随机动态系统,采用SCKF估计系统状态,并根据状态估计结果,利用滑动时间窗口技术设计残差信号,检测故障发生。在检测到故障之后,构造增广系统,实现对执行器故障幅值的估计。通过仿真试验验证了所提出方法的有效性。

摘要：为提高装备故障诊断效率,提出了一种新的粗糙集属性约简方法。首先将属性约简问题转化为集合覆盖问题,在相关矩阵的基础上构建相关系数矩阵;然后基于优质特征集选取原则,引入随机变异机制,设计扰动搜索算法,求出属性约简结果;最后,用UCI数据集和某型复杂装备电源系统进行验证。仿真结果表明,在满足分类精度要求的基础上,有效剔除了冗余属性,缩短了故障诊断时间。

摘要：针对一类具有参数摄动的随机时变系统,研究了其鲁棒间歇传感器故障检测问题。存在模型不确定性情况下,根据最小二乘准则设计了无偏最小方差状态估计器和相应的残差生成器。随后设计了基于最大似然比的残差评价函数,并利用其统计特性设定了故障检测阈值。该故障检测方法为递推方法且不依赖模型不确定性结构,因此,适用于实时在线应用。仿真实验结果表明,所提方法的有效性。

摘要：针对一类带有事件触发测量传输和不准确测量噪声统计特性的系统,研究了最小二乘故障估计及其性能分析。通常情况下,测量噪声的统计特性不是完全已知的。提出一种事件触发机制,当预先设定的条件被破坏即事件被触发时,测量输出会传到远端估计器。在满足使得滤波误差协方差最小的意义下,设计了滤波器,其参数通过最小二乘的方法在线迭代得到,然后进一步分析了带有不准确测量噪声的滤波器性能。最后,利用具有实际背景的数值仿真例子说明了所提算法的有效性以及带有不准确测量噪声对于估计性能的差异影响。

摘要：针对一类具有传感器故障的闭环网络化系统,推导了一种新的容错估计方法。闭环网络化系统意味着在传感器到估计器信道和控制器到执行器信道中,都可能存在由网络引起的随机延迟和数据包丢失。由两组随机变量单独驱动的指示函数用来表征两个通道中网络化所产生的影响。在考虑存在传感器故障的情况下,设计状态估计器。为处理闭环网络化系统中存在的传感器故障,开发了一种无偏最小方差容错估计器。最后,在一个实际的网络化永磁同步电机驱动系统上进行的仿真,验证了所提方法的可行性和有效性。

摘要：针对具有定常时延的二阶积分器多智能体系统,提出一种不依赖时延的分布式编队控制律。通过引入编队误差的积分信息,设计一种新的分布式比例积分微分控制律。和当前的编队控制律相比,分布式比例积分微分控制律具有对部分恒偏差故障鲁棒的特性。利用Nyquist稳定性判据,通过分析系统开环传递函数的幅相曲线特性,给出独立于时延的编队控制律存在的充要条件。仿真结果验证了该方法的有效性。