[发明专利]一种基于自适应迭代学习算法的非线性系统故障检测与估计方法和装置

说明书

一种基于自适应迭代学习算法的非线性系统故障检测与估计方法和装置，所述方法包括以下步骤：建立非线性连续时间系统模型；基于所述非线性连续时间系统模型，设计系统在连续时间的故障估计观测器；在故障估计观测器应用四阶龙格‑库塔算法求解观测系统状态微分方程；基于上述求解的结果，计算第k次迭代学习算法的系统状态和输出估计误差，通过故障估计算法计算虚拟故障，并确定故障估计观测器启动条件；利用H∞方法，根据有界实引理，对故障变化率的影响设计约束不等式，求解学习增益参数矩阵。借助于上述方法，有效降低了故障估计误差，提高了故障估计观测器的收敛速度。

技术领域

本发明涉及故障诊断和估计技术领域，尤其涉及一种基于自适应迭代学习算法的非线性 系统故障检测与估计方法和装置。

背景技术

近年来,对于复杂系统故障诊断的研究已经成为当今的热点问题,其中非线性系统的故障 诊断研究取得了一定的理论成果。复杂系统的故障诊断中,如果故障诊断模型是已知的,则基 于此模型的故障诊断方法能够较为准确地检测出故障。闭环系统和非线性系统的故障诊断是 当前研究的难点和热点。随着控制系统复杂性的增加,非线性系统的故障诊断成为工业过程控 制中迫切需要解决的难点问题之一。因此,研究非线性系统的故障诊断问题具有重要的理论意 义与应用价值。现有非线性系统的故障诊断方法大多是基于观测器的状态估计方法,其中最主 要的方法主要有两类:对结构化未知扰动解耦的方法和自适应学习的方法。

当前故障估计的研究取得了一系列的成果,基于模型的故障估计的方法主要包括：基于自 适应故障估计观测器方法；基于迭代学习故障估计观测器方法；基于滑模观测器方法；基于 未知输入观测器方法。基于优化的故障估计方法主要包括：模型不确定性系统的故障估计； 基于系统参数变化故障估计；非线性系统的故障估计,通常将非线性项进行处理再进行故障估 计。

自从Arimoto等人提出迭代学习控制以来,已有大量相关研究成果在控制领域发表。迭代 学习控制作为处理重复或周期运动系统最经典、最有效的控制方法之一,可以利用之前的迭代 学习信息不断改善系统控制效果,能够有效地解决控制系统跟踪控制问题或干扰抑制问题,从 而提高了系统的性能。但是迭代学习算法在非线性系统故障检测与估计过程中存在估计误差 较大和收敛速度较慢等不足的问题。

针对上述分析的故障估计中的缺点,亟需一种基于自适应迭代学习算法的非线性系统故 障检测与估计方法。

发明内容

本发明针对现有技术中存在的上述问题，提出了一种基于自适应迭代学习算法的非线性 系统故障检测与估计方法和装置，有效降低了故障估计误差，提高了故障估计观测器的收敛 速度。

本发明提供了一种基于自适应迭代学习算法的非线性系统故障检测与估计方法，所述方 法包括以下步骤：

步骤1：建立非线性连续时间系统模型；

步骤2：基于所述非线性连续时间系统模型，设计系统在连续时间的故障估计观测器；

步骤3：在故障估计观测器应用四阶龙格-库塔算法求解观测系统状态微分方程；

步骤4：基于上述求解的结果，计算第k次迭代学习算法的系统状态和输出估计误差， 通过故障估计算法计算虚拟故障，并确定故障估计观测器启动条件；

步骤5：利用H∞方法，根据有界实引理，对故障变化率的影响设计约束不等式，求解学 习增益参数矩阵。

本发明还提供了一种基于自适应迭代学习算法的非线性系统故障检测与估计装置，所述 装置包括建立模块、设计模块、第一求解模块、计算模块和第二求解模块，其中：

所述建立模块，用于建立非线性连续时间系统模型；

所述设计模块，用于基于所述非线性连续时间系统模型，设计系统在连续时间的故障估 计观测器；