[发明专利]一种基于T-S模糊模型的非线性控制系统故障检测方法

说明书

本发明公开了一种基于T‑S模糊模型的非线性控制系统故障检测方法，包括“构建像表征”和“故障检测”两个阶段。首先考虑到T‑S模糊模型具有很好的近似逼近非线性系统的特点，设计了基于T‑S模糊观测器的控制器。引入控制器的同时不仅可以保证非线性系统的稳定性，也为构建系统和标称系统的像表征奠定了基础，最后建立了系统以及标称系统的像表征模型。在图像表征的基础上，通过产生输入和输出误差来设置评价函数，通过求解一系列的线性矩阵不等式来完成阈值设定，并通过基于输入输出稳定性的决策逻辑实现了非线性控制系统的故障检测。本发明能有效利用像表征模型生成的输入‑输出误差来设计评价函数，并且有效减少过程监测中误报、漏报，故障检测准确率较高。

技术领域

本发明涉及工业生产过程中非线性控制系统的故障诊断技术领域，特别是针对T-S模糊模型具有良好的逼近性能可准确描述非线性系统的特性，提出了一种基于T-S模糊建模技术的非线性控制系统故障检测方法，是在复杂非线性系统模糊控制和故障诊断方面的的具体应用。

背景技术

随着科学技术的发展，对设备和被控系统的安全性、可靠性和有效性的要求也越来越高，有关复杂系统故障诊断技术的研究越来越受到重视。然而，自然界中的实际系统从严格意义上来讲几乎都是非线性的，为提高非线性系统故障诊断性能，同时在实际应用中能够更加有效的对非线性系统进行故障检测，深入研究非线性系统的通用故障诊断技术具有重要的理论价值和广泛的实际应用前景。

目前，针对于非线性系统的故障诊断一般有两大类方法。第一类是将非线性系统在其一个或几个工作点附近线性化，得到一组系统的线性模型。将建模误差作为未知输入，利用未知输入解耦技术设计残差，使其不受建模误差影响。另一类则直接建立非线性模型，再利用非线性观测器方法和非线性参数估计方法进行诊断。前者可以借用成熟的线性系统故障诊断技术,但只适用于工作点不多且工作点非线性化程度不高的情况,如T-S模糊模型等。后者发展还不完善,大都是针对某种特定的非线性系统，如仿生非线性系统和Lipschitz非线性系统等。

实际上，对于更加一般化的非线性系统的还处于初步探索阶段，同时现有的非线性故障检测方法主要是针对开环系统提出的，通常是利用残差信号来设计评价函数，并且采用预设阈值来作为判断系统是否存在故障的指标。相对于开环系统，国内外对于闭环非线性系统的故障检测技术研究还不是很深入，如何将开环系统的成熟理论应用到闭环系统之中还有待于进一步深入研究，这些也极大限制了非线性系统故障诊断技术研究的发展。

发明内容

为了克服上述现有技术的不足，本发明提供了一种基于T-S模糊建模技术的非线性控制系统的故障检测方法。首先利用一组T-S模糊局部模型来对一般类型的非线性系统进行近似逼近，随后引入基于模糊观测器的控制器来保证非线性系统的稳定性，并构造非线性系统和标称非线性系统的像表征。在像表征的基础上，通过产生输入和输出误差来设置评价函数，然后通过求解一系列的线性矩阵不等式(LMI)来完成阈值设定，并通过基于输入输出稳定性的决策逻辑，给出了非线性控制系统的故障检测系统的设计。本发明方法在分别建立系统和标称系统像表征的同时生成了系统所需的输入和输出误差，用来替代残差信号设计评价函数，并采用参考信号设定阈值，极大地提高了系统的稳定性，使适用对象更加广泛，并且有效减少过程监测中误报、漏报的发生，提高故障检测的准确性。

本发明采用了如下的技术方案及实现步骤：

A.构建像表征：

1)由于非线性系统可通过T-S模糊模型达到以任意精度逼近，但在本说明中我们只考虑连续时间的T-S模糊系统，其可以描述为PlantIFφ₁(t)isandφ₂(t)isand…andφ_n(t)isTHEN

其中是第i个模糊规则；φ(t)＝[φ₁(t)…φ_n(t)]是可测量的前件变量。是模糊集；τ是规则的数目。