抽象性

提出了动态系统故障诊断法,该方法以模糊方法为基础新方法有两种基本特征,有别于其他已知模糊方法,这些方法基于模糊逻辑应用和国家观察家库第一,这种方法使用交互观察家库,而不是传统独立观察家库提议方法的第二个特征是假设系统可使用性技术状态和失效技术状态之间没有严格边界,从而有可能具体规定故障诊断决策规则

开工导 言

动态系统模型广泛用于描述技术系统解决各种分析和合成问题,包括诊断应用到这些系统文献诊断问题丰富,但兴趣依然存在,调查仍在继续如何提高精度或诊断深度问题,以及如何计及诊断问题解决方案所固有的各种不确定性问题,通常都是故障诊断研究的核心内容。论文专门论述这些问题,假设系统技术状态不确定

文献中诊断问题在不同配方中加以考虑,主要取决于描述系统所用的模型:确定性一号-8stocistic九九,10.........11-13......选择配方通常取决于应用和动态系统解决的问题,以及关于系统属性的先验信息及其诊断工具开发者可用可能的故障开发者拥有系统行为故障统计信息 使用随机方法是合情合理的如果不能提供这种信息,确定性方法优先,因为在这种情况下不确定信息微乎其微模糊方法补充确定式方法工具,基于模糊逻辑的分析和故障决策规则这些规则正式化开发者经验知识,通过引入模糊集来了解系统表面异常行为和不确定性归结于不同方法的方法间有某种类比互渗透并丰富现有方法的结果从这个意义上讲,下文提供的材料并非例外。

上文提到的每一种方法都切合不同的调查线效率最高者中包括依赖诊断系统模型合成诊断工具这条线在所有方法框架内开发并用单个国家观察器实现3-5智商取法-卡尔曼和维纳滤波九九,10或输出观察者2,3或他们的集7-13成诊断工具如果我们使用银行 每位观察者 下图一号调整系统技术状态 ,禁用 带第一个故障 ,禁用 带第二个故障 等)一般情况下,矢量残留物(异差信号) 动态系统真实输出与每个观察者输出间组成,并随后对诊断系统技术状态决策

研究中,我们建议一种方法 诊断动态系统 框架模糊方法新方法有两种基本特征,有别于其他已知模糊方法,这些方法基于模糊逻辑应用和国家观察家库.第一,与观察者互为独立的方法不同,在这种方法中,我们考虑多行交互观察者提议方法的第二个特征假设系统可使用性技术状态与失效技术状态及其元素之间没有严格边界,从而有可能具体规定故障诊断决策规则

二叉初步定义和备注

首先,让我们讨论技术状态概念,并因此讨论故障概念,即从可用技术状态向残疾状态过渡模糊技术状态概念后来使用似乎足以描述现有的工程方法从显示对象技术状态的参数值判断,工程师可以判定对象可用或禁用视此参数的特定值而定,工程师可判定对象可使用或在某种程度上相应禁用

定义模糊技术状态对象与参数相关 语言变量特征,例如用两个词(模糊集)-可用性技术状态和残疾技术状态描述,由相应的成员函数描述 并 .

图2说明对象技术状态概念首例中,按键参数值域 对应可使用性失效技术状态对象(用不同颜色矩形表示)用严格边界隔开第二种情况中,这些域相交(阴影区),由带参数的相应成员函数决定 并 .结果,对任何值 = ,对象技术状态可同时与一组模糊可用性相关 和模糊集 状态注意在本论文中,我们只考虑陷阱分解函数

我们还应就本文件中涉及的问题再谈两句。第一,为简洁起见,我们假设系统深思模型没有扰动第二,我们不讨论已知稳定观察者合成程序14..

3级决策故障发生规则

规则基础概念信任系数 排成一行 技术状态后介绍要求置信系数 位值应达定级 技术状态支配性系数即满足下列条件

让我们澄清计算信任系数程序基于两组参数定义动态系统技术状态:剩余 , 通过比较系统输出物与观察者输出物和估计值 , , 层次故障诊断 信号空间和参数空间假设剩余 , 因系统输出与 观察者可使用语言变量表示,例如成员函数使用的两个词,即小词和大词 并 , 定义中。小型表示观察合成模型足以满足诊断系统当前技术状态产生小值非零值的原因是随估计而来的瞬态过程、诊断系统模型不完全适配观察者合成和忽略动态和输出扰动大型词对应观察合成模型基本不适应诊断系统当前技术状态的情况例例诊断系统 技术状态,而观察者则按技术状态调整 技术状态在这种情况下,参数 成员函数由等分决定:

关于变量 , , 模拟故障, 我们还假设用语言变量描述, 使用词为二:“可用性”和“残疾”,成员函数 并 , 或 并 , 中分别指定

获取置信系数 第一,我们判断特征 称泛成员度 技术状态诊断系统特征归纳系统技术状态信息面向所有观察者并基于集合值组成 .泛会员度值组成如下表达式:

解释这一表达方式是显而易见的确实,观察者足以满足系统技术状态形成小残留物,而其他则形成大残留物正因如此,我们可以说故障确实存在 大块头我们不考虑等值或差分故障等各种情况

置信系数 面向每个技术状态 计算依据规则“加权系数”,确定成员泛度 和所有状态的这些度考虑

4级结构变换诊断

论文中,我们依次考虑三种不同的故障模型:结构变化、信号空间故障和参数空间故障并研究各种诊断工具结构 不同的组织 国家观察家和决策规则拟结构与已知诊断工具变异比较,该变异工具使用独立观察家库一号并决策结果 模糊分析残留物先考虑结构变换诊断系统结构非常方便描述这些故障图中举系统结构实例3(a).空间运载火箭姿态控制系统角位置 由变化角调整 表示引擎倾角相对于LV轴结构变化实例是速度反馈中断3(b))

从这里开始诊断动态系统描述时间域(用差分方程或差分方程表示)即线性系统

非线性系统 去哪儿 算法 维态向量 算法 维输入矢量 算法 -维输出矢量 算法 矩阵动态 是一个输入 矩阵化 输出 矩阵化 函数动态 参数向量

综合工具诊断故障问题涉及两个主要问题:形成决策规则并合成观察家库假设前一节回答第一个问题,我们接着讨论第二个问题

下一步研究故障诊断的变异 使用独立和交互观察家表示系统状态估计法 每位观察者独立构建后,我们有独立观察者,并视所得估计为条件与特定技术状态相关假设估计结构还考虑到从其他观察者获取的估计值,我们有交互观察者本章指独立观察者

让我们简单考虑单观察者合成问题。观察者可按不同规则合成,因问题表达方式的不同而产生。状态观察线性系统程序合成已知然而,为完整性起见,我们将回顾其主要问题。前文已说明, 银行观察者按系统技术状态调整,以矩阵特征显示 , , .矩阵化 , , 中对应观察者不变观察方程诊断线性系统有表单14万事通

结果,a 诊断系统操作期间发生的故障形成对观察者系统状态矢量估计在本案中,行为估计错误 由方程判定 .将足以确定反馈矩阵 合成观察者取决于估计误差的预期行为不容置疑,此错误偏向为零因此矩阵 对应观察者必须稳定即真实部分 igenvalues华府华府取负值原系统线性、静态和可观察性,矩阵选择算法 已知性比较简单14..使用诊断动态系统描述识别语法,即如果诊断系统输出一元,即单链集成器从最后集成器反馈系统表示允许查找矩阵 基于期望矩阵egenvalue .如果诊断系统输出多,确定反馈矩阵程序复杂14,虽然顺序阶梯相同以相似方式,首先,我们需要用识别语法形式展示诊断系统,而识别语法更加复杂化系统不包含单链集成者从上集成者反馈信息,但包含数项-与系统输出数相仿

总结本节, 我们拟算法诊断 任意故障

算法一(1)编程故障列表(2)独立观察者合成故障3级依据开发者对系统可操作性的经验知识为深思模糊残留物分配成员函数(4)通过构建信任系数来决策故障
以说明提议的算法,我们再次转向图中的示例3.

实例2综合诊断工具破解速度反馈系统的名义行为用方程描述 遇有故障则描述如下:

时断时续故障分析 设备故障恢复 并重发故障 仿真链路环境使用类比输入信号在实践中,这类故障通常是一个严重的诊断问题图显示诊断问题模拟结果4中显示时间图并使用两位独立观察家组成的银行生成信任系数,这些观察家分别按标称状态和故障状态调整很容易看到诊断工具显示适当结果

5级信号空间诊断

在信号空间诊断时,故障模拟为附加词 动态方程即初始线性系统 非线性系统 去哪儿 算法 维态向量 算法 维输出矢量 算法 维输出矢量 算法 动态矩阵 即输入 矩阵化 表示输出 矩阵化 即动态函数 参数向量本案类型数 单故障等同维 状态向量诊断系统第一类用第一个动态方程中附加词模拟矢量第一个组件 二方程中二型矢量对应组件 .....相同类型中的故障由词级划分 .

遇此诊断信号空间 状态向量 观察者 组成状态矢量 诊断系统变量 模拟故障也就是说 .计及变量假设 常量,方程此变量取表

结果,当场一断层矩阵取表 哪里动态矩阵中, 上列的unity一各行if一诊断系统运行过程中发生th故障,估计该复合矢量由观察者组成,估计数由估计数组成 值变量 .

讨论建议方法 获取系统状态矢量估计 每位观察者考虑两种诊断算法 并应用一银行交互观察这样做时,我们使用前一节描述的故障发生决策规则稍后将显示,在泛例中,所考虑算法效率高于独立观察者效率

第一种算法的一个重要特征是,在计算的每一步上,每个观察者都基于状态估计 取自前步确定所有观察者局部估计平均数,而非单构局部估计数 状态向量置信系数当前值作为权值系数

结果是非线性状态反馈由适当观察者形成的剩余值(估计误差)趋向为零,而相应的置信系数随其他技术状态信任系数下降而增加表达式中15)相对权值乘以适当观察者加法

第二种算法虽然与前一种算法相似,但与后一种算法不同,首先是观察者不匹配技术状态,而是匹配技术状态之间的转换假设观察员与过渡匹配 依据条件获取的状态估计 并基于系统模型合成状态 .以此为例 过渡 类型中,即不改变技术状态的转换,也在分析转换中加以考虑产生置信系数 算法中计算前段规则对应转换 技术状态间而非技术状态本身正因如此 一步步对每个技术状态 中,我们应该组成条件估计 紧接规则

以便按规则作出决定2),我们需要判定置信系数 , 技术类

很明显,对诊断系统行为分析 第二算法比较详细, 正因如此,我们可以期望这种方法效率更高泛型案例后提供模拟结果证明这一点

举个例子来说明描述算法

实例3容我们考虑线性系统特征矩阵
系统是一个小模型 飞行器控制循环高度 通过直线化 获取的飞行器运动方程本描述覆盖受控对象、舵控servo驱动器、高度传感器和控制器信号空间诊断问题模拟Siminglink间断故障 状模仿制第一个集成器(图中首图)5(a)并5(b))向系统输入成像信号0.5图5显示独立交互观察者案例获取信任系数时间图很明显,独立观察者案例5(a)诊断工具不构成预期结果,因为在故障发生前系数 稳定值接近ity并存系数 接近零值故障后系数 面向接近ity值 接近零值使用交互观察器时5(b))匹配技术状态,时间图显示诊断工具的适当运算置信系数 连接初始估计的瞬态过程后可用技术状态取值等值unity故障后,对应置信系数取稳定值接近一致性

6级参数空间诊断

判断参数空间时,故障模拟为某些系统参数值与面值偏差举例说,线性系统模拟系统矩阵元素从标语偏差 非线性系统

本案类型数 单故障数等同系统参数数

让我们使用参数空间诊断前段所考虑的算法假设参数 诊断参数let us划分参数值区间 子区间 .让我们匹配观察者 系统模型 并用子区间观察者不直接估计故障值可按表达式获取 中位 , 表示参数值 .

让我们用下例分析诊断算法效率

实例4让我们考虑水鱼雷模型 非线性方程描述 去哪儿 时间惯性鱼雷 即旋转角举例说,参数空间单故障诊断问题用两种算法模拟Siminglink使用独立观察家和与技术状态匹配交互观察者两种算法间断故障形式为参数偏差序列 从面值返回到此值6(a)并6(b))模拟0.5振荡式信号输入系统输入二次算法显示最高效率图6(b)显示相应的模拟结果 并 可用故障技术状态诊断问题可以看到,不同于独立观察者案例6(a)诊断工具组成置信系数值 足以满足实技术状态为了量化估计两个案例结果的充分度,使用所得实现值计算误诊断概率在此例中,分析系统故障时间间隔间歇性子插值总长生成可用状态错误信号(可使用状态信任系数达定义阈值) )计算结果由此产生的概率被确定为此数比和估计差错间隔总长度独立观察者方法获取 并使用方法交互观察者 .

7结论

本文中,我们建议方法诊断动态系统 基础应用库 模糊交互状态观察我们相继审议了三种不同的故障模型:结构变化、信号空间故障和参数空间故障面向这些故障模型, 我们考虑各种诊断工具结构 不同的组织 国家观察家银行拟方法与已知方法通过模拟Siminglink独立观察者比较结果证明,拟议方法使提高诊断质量成为可能。

感知感知

这项工作得到了俄罗斯基础研究基金会支持10-08-00035a