一类非线性系统的渐变故障诊断.pdf

第29卷第11期
计算机仿真
2012年11月
文章编号:1006-9348(2012)11-0227-04
类非线性系统的渐变故障诊斷
秦记峰,姚利娜
(郑州大学电气工程学院,河南郑州450001)
摘要:研究非线性观测器故障诊断优化问题,针对一类状态不能测量的非线性不确定动态系统,提出了一种用RBF神经网
络逼近渐变故障的诊断方法。设计非线性观测器来估计系统的状态,利用 yapunov稳定性定理给出了RBF神经网络的权
值、中心、宽度的更新调节律,通过在线调整RBF神经网络的权值、中心、宽度监测和估计系统中发生的非线性故障,实现了
状态不能测量的非线性系统渐变故障诊断。最后,仿真例子证明了方法的有效性。
关词:非线性观测器;渐变故障;不确定系统
中图分类号:TP13文献标识码:B
Slow-varying Fault Diagnosis for a Class of Nonlinear Systems
QIN Ji-feng, YAO Li-na
School of Electrical Engineering, Zhengzhou University, Zhengzhou Henan 450001, China)
ABSTRACT: A faull diagnosis method based on RBE neural networks on-line approximation structure for uncertain
nonlinear system was presented in this paper. A nonlinear state observer was designed to estimate system states that
were inputs to the neural networks. An adaptive RBF neural network with on-line updated weight, centre and the
width vector was used to approximate the slowing-varying faults. The adaptive parameter updating laws were derived
using the Lyapunov stability theory. The slowing-varying fault diagnoses can be realized for the nonlinear system, in
which all the states are not measured. Simulation examples were used to illustrate the effectiveness of the proposed
ethod
KEYWORDS: Nonlinear state observer; Slow-varying fault; Uncertain system
1引言
信息,给出了一种自适应调节律来通近故障。文献[7]提出
随着系统复杂化的增加,系统的安全性和可靠性问题已了一种在线学习逼近非线性故障的诊断方法。为了改善基
引起人们愈来愈多的重视,正在逐步成为设计和评价系统的于解析模型的故障诊断的鲁棒性,文献[8]针对存在不确定
重要指标,需要及时发现故障、发出预警以及快速采取安全性的非线性动态系统提出了一种突发性故障的诊断方法。
措施。故障诊断与容错控制为提高控制系统的安全性和可在模型误差非常小和所有状态能测量的情况下,这些方法已
靠性开辟了新的途径。动态系统故障诊断技术得到了广泛经证明了很好地对某类动态系统的故障进行检测和诊断。
的关注和研究]。其中,基于解析模型的故障诊断已经也近年来,在故障诊断领域引入人工智能方法,已经是人们研
出现了诸多富有成效的研究成果45,但这些设计方法大都究的热点。由于神经网络的学习和适应能力,能够通近任何
基于动态系统的精确数学模型提出的,这就给实际应用带来复杂的非线性函数,因此,神经网络已经广泛应用到非线性
一定的局限性。而实际中,由于系统参数常常具有不确定性系统故障诊断°。但基于神经网络方法对非线性系统进
和时变性,而且噪音和扰动的特性是未知的,因而容易造成行故障诊断大都假设系统状态可测量。然而,实际系统中,
实际系统与数学模型间的失配,使观测器产生不精确的状态系统状态并非都可测量。
估计而发生误报警。为了改善不确定系统故障诊断的精确
本文针对状态不可测量的不确定非线性动态系统,提出
性,需要提出一种对不确定项不敏感的鲁棒故障诊断算法。了一种新的故障诊断方法。构建一个非线性自适应观测器
文献[6]中,针对系统存在的不确定性提出了一种基于自适估计状态,基于这些信息利用RBF神经网络来逼近渐变的
应观测器的故障检测和诊断方法,根据系统和观测器的残差非线性故障。为了精确逼近故障,对RBF神经网络的权值
和高斯函数的中心和宽度进行在线的调整。基于 Lyapunov
基金项目:国家自然科学基金资助项目(61104022
稳定定理得出RBF神经网络权值、高斯函数的中心和宽度
收稿日期:2012-01-13
自适应调节律,且调节律中利用了系统残差的信息而并非系
227
万数据