[发明专利]一种基于最小保守性区间滤波的电机系统故障估计方法

说明书

本发明公开了一种基于最小保守性区间滤波的电机系统故障估计方法，属于故障估计技术领域。通过采用全对称多胞体表示未知但有界的噪声，增加了该方法的实用性和准确率；根据重构电机模型设计动态区间观测器，通过最小化系统的状态保守性设计区间观测器的动态增益，实现具有最小保守性的观测器故障区间的估计；设计故障的集逆收缩滤波问题，利用向量布尔运算和分维度依次运算进一步收缩观测器故障估计区间，更接近真实故障值的滤波故障估计区间；同时集逆收缩滤波问题求解方法的计算复杂度明显小于目前最广泛使用的求解方法；相对于现有的故障估计方法，本申请方法能够更高效地实时估计到更紧致的故障区间，对电机系统的性能监督提供了保障。

技术领域

本发明涉及一种基于最小保守性区间滤波的电机系统故障估计方法，属于故障估计技术领域。

背景技术

对于日益集成化的控制系统，故障的发生可能会对生产和生活造成严重影响。因此，对于系统故障的研究具有重要的理论和实际意义。故障估计用来反映故障的严重程度，是故障诊断任务的重要组成部分。

由于系统实际运行中存在噪声等各种不确定因素，无法得到准确的系统模型或者噪声的统计特性，进而导致故障估计结果不准确。集员滤波方法用区间、椭球、多胞体等几何体来描述系统中的不确定部分，有效地解决了这一问题。然而，这种方法往往具有很低的精度或很高的计算复杂度。

与集员滤波方法相比，区间观测器具有更高的计算效率，广泛应用于各种系统。对于区间观测器的研究，大多数方法都是通过坐标变换、H_∞准则等来获得区间估计值，估计结果的保守性较大，不容忽视。

发明内容

为了更高效地实时估计到更紧致的故障区间，本发明提供了一种基于最小保守性区间滤波的电机系统故障估计方法，所述方法包括：

步骤一：建立电机系统的离散模型；

步骤二：根据电机系统的离散模型，获得不含故障值的重构电机模型；

步骤三：设计最小保守性区间观测器，获取k时刻电机系统的观测器状态估计区间和观测器故障估计区间；

步骤四：根据k+1时刻电机实际运行情况下得到的输出数据和k时刻电机系统的观测器状态估计区间，设计故障的集逆收缩滤波问题；k+1时刻电机系统实际运行情况下得到的输出数据为由实际测量得到的电机角位置、电机转速、电枢电流组成的向量；

步骤五：求解故障集逆收缩滤波问题，获取k时刻电机系统的滤波故障估计区间。

可选的，所述步骤一建立的电机系统的离散模型为：

其中，表示k时刻电机系统的状态向量，k时刻电机系统的状态向量为真实的电机角位置、电机转速、电枢电流组成的向量；

表示k时刻电机系统的输入向量，所述k时刻电机系统的输入向量为k时刻施加在电机上的电压值；

表示k时刻电机系统的输出向量，k时刻电机系统的输出向量为分别由测量得到的电机角位置、电机转速、电枢电流组成的向量；

A表示状态空间矩阵，B表示输入矩阵，C表示输出矩阵，D表示过程噪声作用矩阵，E表示测量噪声作用矩阵，F表示故障作用矩阵；

w_k∈0,W表示k时刻电机系统的未知但有界的过程噪声向量，W表示过程噪声向量的界值；v_k∈0,V表示k时刻电机系统的未知但有界的测量噪声向量，V表示测量噪声向量的界值；表示k时刻电机系统的加性故障。

可选的，所述步骤二：根据电机系统的离散模型，获得不含故障值的重构电机模型包括：

根据式(2)得到k时刻电机系统的加性故障f_k的表达式：