[发明专利]一种基于描述系统观测器的网络化系统的故障估计方法有效

专利信息
申请号: 201910526147.7 申请日: 2019-06-18
公开(公告)号: CN110209148B 公开(公告)日: 2021-05-14
发明(设计)人: 姜顺;张青杭;潘丰 申请(专利权)人: 江南大学
主分类号: G05B23/02 分类号: G05B23/02
代理公司: 大连理工大学专利中心 21200 代理人: 梅洪玉;刘秋彤
地址: 214122 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 描述 系统 观测器 网络化 故障 估计 方法
【说明书】:

一种基于描述系统观测器的网络化系统的故障估计方法,属于网络化系统领域。首先建立存在传感器饱和、扰动和故障情况下的离散时间网络化系统模型,通过将故障视为附加状态,对原系统进行状态增广,从而将含有故障的系统等效变换为一个描述系统,并设计一种新型描述系统观测器;运用Lyapunov稳定性理论和线性矩阵不等式分析方法,得到状态估计误差系统均方渐近稳定和描述系统观测器有解的充分条件;利用Matlab LMI工具箱求解最优化问题,得到描述系统观测器参数,进而得到故障的幅值及其随时间变化的信息。本发明方法考虑了实际情况下系统存在的丢包、传感器饱和以及故障,观测器能够克服丢包和扰动的影响,得到理想的估计效果。

技术领域

本发明属于网络化系统领域,涉及一种基于描述系统观测器的网络化系统的故障估计方法。

背景技术

随着网络技术的快速发展,网络化控制系统被广泛应用于工业自动化等控制领域。网络化控制系统是空间分布式系统,其中传感器、执行器和控制器之间是通过共享数字通信网络连接的。虽然网络化控制系具有灵活性强、安装简单且共享方便等特点,但是引入网络的同时却会带来一些新的问题。由于频谱资源有限、信道干扰、网络拥塞等原因,网络化控制系统经常发生网络诱导延迟、数据包丢失等问题,这将使系统性能恶化并成为系统不稳定的因素。

故障诊断方法主要分为故障检测、故障分离与故障估计,其中故障检测与分离主要方法是通过生成残差来判断系统是否发生故障,并确定故障的位置,虽然故障检测与分离方法得到了深入的研究和广泛的应用,但是这种方法往往不能给出故障的幅值及其随时间变化的信息。而故障的幅值信息是容错控制的重要基础,所以基于故障估计的故障诊断方法具有重要意义。

发明内容

针对上述现有技术中存在的问题,本发明提供了一种基于描述系统观测器的网络化系统的故障估计方法。考虑了网络化系统中存在的丢包、扰动、故障、传感器饱的情况,通过将故障视为附加状态,对原系统进行状态增广,从而将含有故障的系统等效变换为一个描述系统,设计一种新型描述系统观测器,使得网络化系统在上述情况下仍能保持均方渐进稳定并且满足一定的H性能指标,同时能有效地得到系统发生的故障估计值。

本发明的技术方案:

一种基于描述系统观测器的网络化系统的故障估计方法,包括以下步骤:

1)建立存在故障和扰动的网络化系统的被控对象模型:

其中:是系统的状态向量,是系统的带饱和的输出向量,是系统的扰动输入,是待估计的故障信号,w(k)∈l2[0,∞)l2是[0,∞)上平方可积的连续函数空间;是已知的常数矩阵;饱和函数σ(·):定义为

这里σii)=sign(νi)·min{νi,max,|νi|},vi,max>0是已知的饱和边界,σ(·)是多元饱和函数,σi(·)是饱和函数σ(·)的第i个分量,vi是一个未知标量,表示函数σi(·)的变量,对于给定的对角矩阵R1,R2,R1≥0,R2≥0且R2>R1,σ(·)满足以下不等式:

[σ(y(k))-R1y(k)]T[σ(y(k))-R2y(k)]≤0 (3)

将k-1时刻的故障信号f(k-1)视为附加状态,可以得到如下的增广状态向量

并构造出如下增广系统

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江南大学,未经江南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910526147.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top