[发明专利]一种不确定系统的可诊断性分析方法

说明书

本发明公开了一种不确定系统的可诊断性分析方法，在分析过程中充分考虑了过程噪声和观测噪声以及不确定性等干扰因素的影响，给出了控制系统的多元概率分布统计模型、可检测不确定性半径及可隔离不确定性半径，并基于多元概率分布统计模型和不确定性半径得到了考虑不确定性的可检测性分析指标和可隔离性分析指标，同时基于考虑不确定性的可检测性分析指标和可隔离性分析指标进行可诊断性的定量判断，保证了复杂控制系统的稳定性和设计的准确性。

技术领域

本发明属于航天器控制技术领域，尤其涉及一种不确定系统的可诊断性分析方法。

背景技术

近二十年来，国内外学者对航天器控制系统故障诊断技术的研究取得了巨大的成就。作为故障诊断方法设计的重要前提，故障可诊断性开始引起了学者们的关注。通过对系统的可诊断性进行分析，可以得知系统对于不同故障的诊断能力，并可在设计阶段为提高系统本身的可诊断性能以及设计水平提供理论指导。然而，现阶段对于故障可诊断性分析的研究尚处于萌芽阶段。因此，非常有必要对不确定系统的可诊断性开展进一步的深化研究。

不确定性(包括：模型误差，观测和过程噪声等)是进行故障可诊断性分析的主要考虑因素。不确定性直接影响故障诊断结果的准确性。例如，当系统不确定性影响较大时，较小的故障往往很难被检测和隔离。因此，不确定性影响控制系统的可诊断性能的分析结果，进而对影响控制系统系统的两类重要因素：不确定性和故障，进行对比分析、分析这两者之间的关系，可以有利于设计人员找出整个控制系统中故障诊断的薄弱环节，并为系统的配置和诊断方法的设计提供理论指导。可见，对于带有不确定性的控制系统开展可诊断性分析方法研究具有重要的工程意义。

可诊断性是一般控制系统本身所具备的一个重要属性，是衡量故障检测和隔离难易程度的一种重要指标。然而，现有大多数关于可诊断性研究的成果多集中于定性描述，仅仅给出故障能否被检测或不同的故障之间能否被隔离的结论。对于设计人员而言，进一步了解故障检测和隔离的难易程度(分析)更便于分析系统的薄弱环节，从而指导诊断算法的设计和系统的配置。

对于分析过程中考虑的要素不同，通常可将系统可诊断性分析分为固有可诊断性和实际可诊断性分析两种。固有故障可诊断性分析的定义为：在分析过程中不考虑干扰因素的影响，仅通过系统的解析模型、输入和输出信息，对可检测性和可隔离性进行分析。近年来，对于固有故障可诊断性分析的研究获得了一定的成果。然而，在系统实际的工作过程中都不可避免地受到不确定性的影响。然而，通过调研可知：现有关于考虑不确定性影响的控制系统可诊断性分析的成果较少；同时，现有可诊断性分析方法也不太令人满意。例如，《Automatica》2013年该领域的最新成果将不确定性当作均值为0的高斯分布进行处理。实际上，简单地将不确定性视为随机分布会导致分析结果失去准确性，并且该方法无法对不确定性的影响进行分析。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种不确定系统的可诊断性分析方法，基于可检测性指标和可隔离性指标进行系统可诊断性的定量判断，保证了复杂控制系统的稳定性和设计的准确性。

为了解决上述技术问题，本发明公开了一种不确定系统的可诊断性分析方法，包括：

根据带有不确定性的离散控制空间模型，按时间序列进行迭代，取窗口长度s，得到带有不确定性的控制系统的多元概率分布统计模型：

N_HLz_s＝N_HFf_s+N_HEe_s+N_HΛΔ_s

其中，z_s、f_s、e_s和Δ_s分别表示控制系统的观测、故障、噪声和不确定20性的时间堆栈向量；N_H表示矩阵H零空间的左正交基，N_HH＝0；L、H、F、E和Λ分别为相应维数的系数矩阵；