[发明专利]一种基于传感器网络的非脆弱性分布式故障估计方法

说明书

技术领域

本发明属于故障诊断与主动容错控制领域，涉及一种基于传感器网络的非脆弱性分布式故障估计方法，其为一种随机发生的非线性和传感器发生随机增益变化的故障估计方法，本发明适用于非线性复杂动态系统的故障估计。

背景技术

随着现代科学技术水平的飞速发展，控制系统的规模和复杂程度日益提高，系统中的传感器、控制器和执行器数量大大增加。在这种复杂的控制系统之中，传统的点对点专线传输设计不能满足其成本效益、灵活性和可维护性等方面的要求。因此，必须将通信网络引入到控制系统，以网络为载体来连接控制系统中的不同部件。但通信网络的引入及其他部件的增加又增加了故障的发生，因此，故障估计是控制系统中一种重要的研究问题，在飞行器编队、全局定位系统、目标跟踪系统等领域的信号估计任务中获得广泛应用。

但是，目前现有的故障估计方法不能同时处理随机发生的非线性和分布式传感器增益变化，进而影响故障估计性能。

发明内容

为了解决上面所述的技术问题，本发明提出一种基于传感器网络的非脆弱性分布式故障估计方法，其为一种随机发生的非线性和传感器发生随机增益变化的故障估计方法。其解决了控制系统中现有故障估计方法不能同时处理随机发生的非线性和分布式传感器增益变化，进而影响故障估计性能的问题。

依据本发明的技术方案，一种基于传感器网络的非脆弱性分布式故障估计方法包括以下步骤：

步骤一、使用传感器网络从控制系统中，提取故障数据并预处理；

步骤二、基于预处理的数据，建立带有随机发生增益变化和随机发生非线性现象的时变系统的非脆弱分布式故障估计器的动态模型；

步骤三、对具有随机发生增益变化的非线性时变系统的非脆弱分布式故障估计器的动态模型进行故障估计

步骤四、根据步骤三建立的具有随机发生增益变化的非线性时变系统的非脆弱分布式故障估计器动态模型，计算故障估计误差：

步骤五、根据步骤四获得的故障估计误差，获得故障估计增广系统；

步骤六、利用故障估计增广系统，通过构建函数和利用已知的约束条件，分析故障估计器是否满足平均性能约束

步骤七、若步骤六满足性能约束，计算故障估计器参数矩阵，实现对具有随机发生增益变化的非线性时变系统的非脆弱分布式故障估计器设计。

本发明的故障估计方法同时考虑了随机发生增益变化和随机发生非线性存在于离散时变系统对故障估计性能的影响，利用约束条件和随机分析技术全面考虑了随机发生增益变化的有效信息，与现有的非线性复杂动态系统的故障估计方法相比，本发明的故障估计方法可以同时处理随机发生的非线性和随机发生的增益变化，得到了基于线性矩阵不等式解的故障估计方法，达到抗非线性扰动的目的，且具有易于求解与实现的优点。

附图说明

图1为本发明所述方法流程示意图；

图2是传感器节点的故障估计误差示意图；

图3是故障信号和传感器节点对故障信号的估计示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

符号说明：

本文中，M^T表示矩阵M的转置。Rⁿ表示n维欧几里得空间，R^n×m表示所有n×m阶实矩阵的集合。I和0分别表示单位矩阵、零矩阵。矩阵P>0表示P为实对称正定矩阵，E{x}和E{x|y}分别代表随机变量x的数学期望和y条件下随机变量x的数学期望。||x||代表向量x的欧几里得范数。diag{A₁,A₂,…,A_n}表示对角块是矩阵A₁,A₂,…,A_n的块对角矩阵，符号*在对称块矩阵中表示对称项的省略。如果M是一个对称矩阵，则λ_max(M)代表M的最大特征值。符号表示克罗内克尔乘积。若文中某处没有明确指定矩阵维数，则假定其维数适合矩阵的代数运算。