扫一扫
关注中图网
官方微博
>
复杂非线性系统的故障诊断与智能自适应容错控制
本类五星书更多>
-
>
通宵俱乐部-签名本
-
>
2022读者节纪念徽章-一星会员专属
-
>
20世纪中国短篇小说选集(全6册)(八五品)
-
>
(精)方力钧作品图录
-
>
“囤书者说”藏书印章系列-谢绝外借
-
>
(精)赵丹书画选
-
>
中图网文创礼包-“民国名家画谱”藏书票贴纸(2张)
复杂非线性系统的故障诊断与智能自适应容错控制 版权信息
- ISBN：9787030582171
- 条形码：9787030582171 ; 978-7-03-058217-1
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：
复杂非线性系统的故障诊断与智能自适应容错控制 内容简介
本书围绕复杂非线性系统的故障诊断和智能自适应容错控制问题做了相关研究。结合作者多年的研究工作，介绍故障诊断与智能容错控制的发展历史及演化趋势、容错控制与经典控制理论之间的关系；设计状态观测器和故障诊断观测器来实现故障检测和故障估计；研究基于模型驱动的智能自适应容错控制问题和基于数据驱动的**容错控制问题。本书构建了一套集故障检测、故障估计、参数学习和性能学习为一体的自适应控制体系。选材上既考虑了问题本身的实用性和客观性，又注意到控制概念的可读性、认识方法的广泛性以及控制方法的新颖性和前瞻性。
复杂非线性系统的故障诊断与智能自适应容错控制 目录
目录
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.2 故障诊断概述 3
1.3 自适应控制概述 7
1.4 智能控制与自适应控制 11
1.5 容错控制与控制基础理论的关系 14
1.6 模型驱动与数据驱动的认识 25
1.7 预备知识 31
1.7.1 神经网络近似原理 31
1.7.2 增强学习算法 32
1.8 主要研究内容 33
第2章 Lipschitz非线性系统的故障观测器设计 37
2.1 引言 37
2.2 观测器基础知识 37
2.3 Lipschitz非线性系统的抗扰能力分析 42
2.3.1 问题描述与基础知识 42
2.3.2 抗扰能力分析结果 44
2.4 一类自适应观测器的故障估计性能 47
2.4.1 问题描述与基础知识 47
2.4.2 自适应观测器的性能 48
2.4.3 仿真算例 50
2.5 故障估计的自适应观测器设计 51
2.5.1 问题描述与基础知识 51
2.5.2 故障估计自适应观测器主要结果 53
2.5.3 仿真算例 55
2.6 具有干扰抑制和故障估计的 PI 观测器设计 57
2.6.1 问题描述与基础知识 57
2.6.2 不存在外界干扰时的补偿控制 58
2.6.3 存在外界干扰时的补偿控制及干扰抑制 60
2.6.4 仿真算例 62
2.7 鲁棒故障诊断观测器设计 63
2.7.1 问题描述与基础知识 63
2.7.2 自适应鲁棒观测器设计和性能分析 65
2.7.3 仿真算例 73
2.8 小结 75
第3章 奇异双线性系统的故障诊断 77
3.1 引言 77
3.2 奇异双线性系统的观测器设计 78
3.2.1 问题描述 79
3.2.2 变换系统的解 81
3.2.3 观测器设计 81
3.2.4 仿真算例 84
3.3 双线性系统的故障诊断观测器设计 87
3.3.1 系统描述 88
3.3.2 奇异双线性系统的变换 89
3.3.3 系统的解 90
3.3.4 BFDO设计 91
3.3.5 故障检测 96
3.3.6 仿真算例 102
3.4 小结 106
第4章 复杂互联非线性系统的故障诊断和容错同步 107
4.1 引言 107
4.2 基于Hop-eld神经网络的非线性系统故障估计方法 108
4.2.1 Hop-eld神经网络故障估计器 110
4.2.2 仿真算例 113
4.3 离散时间复杂互联网络的故障诊断观测器设计 115
4.3.1 问题描述与基础知识 117
4.3.2 状态观测器设计 119
4.3.3 基于自适应观测器的故障诊断 125
4.3.4 仿真算例 128
4.4 一类时滞复杂互联神经网络的容错同步 135
4.4.1 问题描述与基础知识 138
4.4.2 传感器故障下的复杂互联神经网络的容错同步 140
4.4.3 传感器故障下基于驱动-响应网络框架的自适应容错同步 145
4.4.4 具有期望同步态的自适应容错同步 150
4.4.5 仿真算例 154
4.5 小结 165
第5章 基于反步法的状态反馈容错控制 166
5.1 引言 166
5.2 问题描述和预备知识 167
5.3 控制器设计 168
5.4 仿真算例 176
5.5 小结 184
第6章 基于神经网络的输出反馈容错控制 186
6.1 引言 186
6.2 问题描述和预备知识 187
6.3 坐标系变换 189
6.4 基于*少调节参数的容错控制 192
6.5 仿真算例 199
6.6 小结 209
第7章 基于增强学习算法的容错控制 210
7.1 引言 210
7.2 问题描述和预备知识 211
7.2.1 系统描述 211
7.2.2 预备知识和控制目标 212
7.3 基于增强学习的容错控制设计 213
7.3.1 执行网及其权重自适应律 213
7.3.2 评判网及其自适应律 216
7.3.3 性能结果及稳定性分析 218
7.4 仿真算例 222
7.5 小结 229
第8章 基于*少调节参数的*优容错控制 230
8.1 引言 230
8.2 问题描述和预备知识 231
8.2.1 问题描述 231
8.2.2 预备知识以及主要控制目标 232
8.3 基于增强学习的自适应跟踪容错控制设计 233
8.3.1 执行网设计 233
8.3.2 评判网设计 235
8.3.3 执行网和评判网的更新律 237
8.4 基于增强学习的容错控制的性能分析 239
8.5 仿真算例 246
8.6 小结 256
第9章 基于数据的无模型系统的容错控制 257
9.1 引言 257
9.2 问题描述和预备知识 258
9.3 故障检测机制 260
9.4 基于回声状态网的容错控制 261
9.4.1 基于回声状态网的故障估计 262
9.4.2 容错控制器设计 264
9.5 仿真算例 270
9.6 小结 275
第10章 问题与展望 277
参考文献 280
索引 304
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.2 故障诊断概述 3
1.3 自适应控制概述 7
1.4 智能控制与自适应控制 11
1.5 容错控制与控制基础理论的关系 14
1.6 模型驱动与数据驱动的认识 25
1.7 预备知识 31
1.7.1 神经网络近似原理 31
1.7.2 增强学习算法 32
1.8 主要研究内容 33
第2章 Lipschitz非线性系统的故障观测器设计 37
2.1 引言 37
2.2 观测器基础知识 37
2.3 Lipschitz非线性系统的抗扰能力分析 42
2.3.1 问题描述与基础知识 42
2.3.2 抗扰能力分析结果 44
2.4 一类自适应观测器的故障估计性能 47
2.4.1 问题描述与基础知识 47
2.4.2 自适应观测器的性能 48
2.4.3 仿真算例 50
2.5 故障估计的自适应观测器设计 51
2.5.1 问题描述与基础知识 51
2.5.2 故障估计自适应观测器主要结果 53
2.5.3 仿真算例 55
2.6 具有干扰抑制和故障估计的 PI 观测器设计 57
2.6.1 问题描述与基础知识 57
2.6.2 不存在外界干扰时的补偿控制 58
2.6.3 存在外界干扰时的补偿控制及干扰抑制 60
2.6.4 仿真算例 62
2.7 鲁棒故障诊断观测器设计 63
2.7.1 问题描述与基础知识 63
2.7.2 自适应鲁棒观测器设计和性能分析 65
2.7.3 仿真算例 73
2.8 小结 75
第3章 奇异双线性系统的故障诊断 77
3.1 引言 77
3.2 奇异双线性系统的观测器设计 78
3.2.1 问题描述 79
3.2.2 变换系统的解 81
3.2.3 观测器设计 81
3.2.4 仿真算例 84
3.3 双线性系统的故障诊断观测器设计 87
3.3.1 系统描述 88
3.3.2 奇异双线性系统的变换 89
3.3.3 系统的解 90
3.3.4 BFDO设计 91
3.3.5 故障检测 96
3.3.6 仿真算例 102
3.4 小结 106
第4章 复杂互联非线性系统的故障诊断和容错同步 107
4.1 引言 107
4.2 基于Hop-eld神经网络的非线性系统故障估计方法 108
4.2.1 Hop-eld神经网络故障估计器 110
4.2.2 仿真算例 113
4.3 离散时间复杂互联网络的故障诊断观测器设计 115
4.3.1 问题描述与基础知识 117
4.3.2 状态观测器设计 119
4.3.3 基于自适应观测器的故障诊断 125
4.3.4 仿真算例 128
4.4 一类时滞复杂互联神经网络的容错同步 135
4.4.1 问题描述与基础知识 138
4.4.2 传感器故障下的复杂互联神经网络的容错同步 140
4.4.3 传感器故障下基于驱动-响应网络框架的自适应容错同步 145
4.4.4 具有期望同步态的自适应容错同步 150
4.4.5 仿真算例 154
4.5 小结 165
第5章 基于反步法的状态反馈容错控制 166
5.1 引言 166
5.2 问题描述和预备知识 167
5.3 控制器设计 168
5.4 仿真算例 176
5.5 小结 184
第6章 基于神经网络的输出反馈容错控制 186
6.1 引言 186
6.2 问题描述和预备知识 187
6.3 坐标系变换 189
6.4 基于*少调节参数的容错控制 192
6.5 仿真算例 199
6.6 小结 209
第7章 基于增强学习算法的容错控制 210
7.1 引言 210
7.2 问题描述和预备知识 211
7.2.1 系统描述 211
7.2.2 预备知识和控制目标 212
7.3 基于增强学习的容错控制设计 213
7.3.1 执行网及其权重自适应律 213
7.3.2 评判网及其自适应律 216
7.3.3 性能结果及稳定性分析 218
7.4 仿真算例 222
7.5 小结 229
第8章 基于*少调节参数的*优容错控制 230
8.1 引言 230
8.2 问题描述和预备知识 231
8.2.1 问题描述 231
8.2.2 预备知识以及主要控制目标 232
8.3 基于增强学习的自适应跟踪容错控制设计 233
8.3.1 执行网设计 233
8.3.2 评判网设计 235
8.3.3 执行网和评判网的更新律 237
8.4 基于增强学习的容错控制的性能分析 239
8.5 仿真算例 246
8.6 小结 256
第9章 基于数据的无模型系统的容错控制 257
9.1 引言 257
9.2 问题描述和预备知识 258
9.3 故障检测机制 260
9.4 基于回声状态网的容错控制 261
9.4.1 基于回声状态网的故障估计 262
9.4.2 容错控制器设计 264
9.5 仿真算例 270
9.6 小结 275
第10章 问题与展望 277
参考文献 280
索引 304
展开全部
复杂非线性系统的故障诊断与智能自适应容错控制 节选
第1章 绪论 1.1 研究背景及意义 随着工业系统的复杂程度不断加深以及控制规模的不断扩大，多变量特性在许多实际的系统（如航空航天、核工业、机器人等高技术和民用工业领域技术）中越来越常见。这就使得传统的控制难以满足当今的许多工业生产的需求，也对现代的工业控制提出新的难题和挑战。很多针对单变量系统的控制是一种较低级的控制，只适合于结构简单的系统，如小型企业、家庭作坊等。当系统的自动化水平日益提高、投资越来越大时，如果出现故障而不能及时检测、定位、隔离和排除，就可能使整个系统失效、瘫痪以及造成人员、财产的巨大损失，甚至导致灾难性后果[1-4]。例如，2012年8月，俄罗斯的携带两颗通信卫星上天的“质子-M”运载火箭在入轨过程中发生故障，从而导致卫星发送任务失败；2013年10月3日，尼日利亚一架载有20人的私人飞机从拉各斯起飞后不久出现发动机故障，在机场附近的一个油库旁坠毁，事故造成14人死亡；2014年7月23日，中国台湾复兴航空一架GE222班机从高雄小港机场飞往澎湖马公机场，由于天气原因在迫降着陆时发生重大事故坠毁，机上48名乘客全部遇难；2015年3月4日，土耳其航空从伊斯坦布尔飞往加德满都的航班（载有238人的空中客车 A330-300客机）在加德满都特里布万国际机场着陆后滑出跑道，虽无人受伤，但客机受损严重。除了在航空航天领域，石油化工生产过程、煤矿开采、核电设施等工业过程控制领域，多种故障的发生均会导致人力、财产和物力上的巨大损失[5]。因此，如何及时地发现和预测故障并保证系统在工作期间始终安全、有效、可靠地运行，是摆在人们面前的一项艰巨的任务。故障检测与诊断（fault detection and diagnosis，FDD）技术和容错控制（fault tolerant control，FTC）技术的出现和发展，为提高系统的可靠性与安全性开辟了一条新的途径。 自20世纪70年代，故障检测与诊断已经得到了迅速的发展。1971年，美国麻省理工学院 Beard 博士首先提出了用解析冗余代替硬件冗余[6]，并通过系统自组织使系统闭环稳定，通过比较观测器的输出得到系统故障信息的思想，标志着故障诊断技术的开端。容错控制是伴随着基于解析冗余的故障诊断技术的发展而发展起来的。如果在执行器、传感器或元器件发生故障时，闭环系统仍是稳定的，并具有较理想的特性，就称此闭环系统为容错控制系统。容错控制的思想*早可以追溯到Niederlinski[7]在1971年提出完整性控制的概念。80年代以来，每年的国际自动控制联合会（International Federation of Automatic Control，IFAC）、IEEE 控制与决策会议（IEEE Conference on Decision and Control）以及美国控制会议（American Control Conference）都把故障诊断和容错控制列为重要的讨论专题。1993年，IFAC成立了技术过程的故障诊断与安全性技术委员会，中国自动化学会也于1997年成立了技术过程的故障诊断与安全性专业委员会。在近几届的 IFAC 世界大会上，关于故障诊断与容错控制方面的论文在不断增加，并且有逐年升温的趋势，成为这几年*热门的几个研究方向之一。时至今日，不论是基于模型、信号、知识、智能还是基于数据的方法，故障诊断和容错控制已取得了很大的进展，国内外出版和发表了很多专著、学位论文和科技论文[8-30]。但实际中对于被监测诊断的多变量系统不可能做到完全准确的建模，对多变量系统中一些复杂的动态行为、噪声、干扰等因素难以进行精确的描述，所应用的多变量模型不可避免地具有一定的不确定性或者未知动态，这将对复杂非线性系统的故障诊断与智能容错控制的结果产生重大影响。这样，针对不同工业过程以及不同的过程描述，关于故障诊断和容错控制的研究方兴未艾。 故障是指系统至少一个特性或参数出现较大偏差，超出了可接受的范围。此时系统的性能明显低于其正常水平，所以已难以完成其预期的功能。“故障”既可能是导致控制系统的性能下降到了不可接受的情形，也可能是系统元器件突然失效而导致系统根本不能继续正常运转。即使“故障”可能不会表现为系统的物理损坏或崩溃，但它会妨碍或扰乱自动控制系统的正常操作与运转，从而导致系统功能方面产生人们不期望的损坏，甚至导致异常危险的情况发生。应当尽快诊断出系统故障(即使它在早期萌生阶段是可容许的)，以防止其进一步恶化而导致各种更严重的后果。 通常说的故障诊断是指基于系统模型或解析冗余，运用计算机进行系统的故障诊断，包括对系统是否发生故障、故障类型、故障原因、故障程度、故障后果等进行分析和判断，并得出结论。 控制系统中用来检测和诊断系统故障的发生位置以及轻重程度的整套系统称为故障诊断系统。该系统通常包含如下几种功能。 （1）故障检测：能够判断是某些部件发生了故障还是系统正常运转，这就要求故障诊断系统能及时地发现故障，给出故障信息。 （2）故障隔离：能够判断系统故障发生的位置，即判断是哪个传感器或哪个执行器发生了故障。 （3）故障识别：能够判断出故障的类型、性质或者轻重程度。 从主观需求方面来说，这三大功能的相对重要性都是不言而喻的。故障检测对于任何实际系统而言，都是必不可少的。故障隔离也同样重要，而故障识别虽然说对系统也是非常重要的，但是如果系统不需要重构估计故障，此项功能可有可无。因而，“故障诊断”在相关文献中通常是指故障检测和隔离（fault detection and isolation，FDI）。 1.2故障诊断概述 故障（fault）是指系统的特性表现出任何不希望出现的异常现象，或因系统中的部分元器件功能失效而引起整个系统的性能出现异常。控制系统由于长时间高负荷工作不可避免地会出现故障。这里所说的故障诊断是指，计算机利用系统的解析能力完成工况分析，对生产是否正常、故障原因、故障的程度等问题进行分析、判断，得出结论。故障诊断技术是一门应用型的综合性技术，它的理论研究基础涉及多门学科，如现代控制理论、可靠性理论、计算机工程、数理统计、模糊集理论、信号处理、模式识别、人工智能等学科理论。 当系统发生故障时，系统中的各种量(可测的或不可测的)或其中部分量会表现出与正常状态不同的特性，这种特性差异就包含丰富的故障信息，如何找出这种故障的特征描述，并利用它来进行故障的检测与隔离就是故障诊断的任务。 故障可根据不同的标准进行分类，例如，根据故障发生的部位可分为传感器故障和执行器故障等；根据故障的性质可分为间歇性故障、突发性故障和缓变性故障等；根据故障持续的时间可分为永久性故障和间断性故障等；根据故障间的相互关系可分为单故障、多故障和局部故障等；根据故障发生的形式可分为加性故障和乘性故障等[25]。系统一旦发生故障，系统的各种测量参数会表现出与正常状态不同的特性差异。由于实际工业过程规模庞大、结构复杂，且工业对象一般具有时变、非线性、多尺度多模态等复杂特性，这给如何及时检测故障的出现（即故障检测）以及如何准确定位故障原因并估计故障的严重程度（即故障分离和估计）提出了严峻的挑战。 为应对上述挑战，研究人员陆续提出了许多过程监控与故障诊断的方法。故障检测是指判断系统是否发生故障，故障隔离是指判定故障的发生部位及种类，故障估计(也称故障辨识)是指确定故障参数的大小及故障发生时间。当故障发生时，故障检测和故障隔离的目的是在一组可能发生的故障集合中确定具体哪个故障真正地发生了，故障估计的目的则是估计出故障的大小、类型。 在整个故障检测过程中，需要综合考虑几个重要的性能指标：灵敏性、鲁棒性、及时性以及故障的误报率和漏报率[30]，如图1.1所示。 （1）灵敏性：故障检测系统对故障信号的检测能力。对于特定的系统，灵敏性越高，则检测能力越强。 （2）鲁棒性：故障检测系统在系统存在外部扰动、噪声及建模误差等情况下仍能保持一定的故障检测能力。对于特定的系统，鲁棒性越强，表明它受噪声、干扰、建模误差的影响越小，可靠性也就越高。 （3）及时性：可反映检测系统对故障形状、大小、发生时刻及时变特性估计的准确程度。故障检测越及时，表明检测系统对故障的估计越准确，也就越有利于故障的评价与决策。 （4）误报率和漏报率：误报是指系统没有发生故障却被错误判定出现故障的情形；漏报是指系统中发生了故障而故障检测系统却没有报警。在实际系统中，一个可靠的故障检测与隔离系统应当保持尽可能低的误报率及漏报率。 图1.1 故障检测的评价指标 故障诊断的任务具体包括故障检测、隔离和辨识。故障检测是指根据系统的参数或状态来确定系统是否发生了故障；故障隔离是指故障检测结束后，对故障的种类和发生部位进行确定；故障辨识是指对故障的发生时间、大小和性质进行确定，并进行故障评价等工作。因此，故障诊断是一个综合评判的过程，其*终目的是为了消除故障，从而使系统恢复正常运行。整个故障诊断过程需要考虑的几个重要的性能指标如图1.2所示。 根据建模方式和所利用信息类型的不同，故障检测方法可分为基于解析模型的方法、基于定性模型的方法和基于数据驱动的方法[26，27]。基于解析模型的方法需要获得对象和故障准确的数学模型，利用可观测输入输出量、构造残差信号来反映系统的期望行为与实际运行模式之间的不一致，然后对基于残差信号进行分析诊断。 图1.2 故障诊断的评价指标 Reiter[31]提出一个基于模型的诊断方法，该方法采用逻辑谓词描述系统结构，找出冲突集后生成碰撞集及*小诊断，得出故障所在。然而该方法的缺点是：一阶逻辑谓词难以描述现实系统，碰撞集 HS-树的生成算法是NPC问题。为了克服Reiter方法中的问题和解决定量方法无法描述的现实中的复杂问题，人们把定性模型、定性推理方法引入基于模型的诊断。Dvorak等[32]给出了一种基于定性模型的诊断方法Mimic，其诊断过程是：首先建立系统的结构模型和行为模型；然后比较观察值的行为模型的预测值，用向上回溯的方法在结构模型中找出候选故障部件；*后进一步用观察值和行为模型的预测值比较，确定故障。其缺点是当系统较为复杂时，候选故障很多，诊断效率降低；而且很难做到穷尽所有可能的故障模型。 基于模型的诊断方法可以分为参数估计方法、状态估计方法、等价空间方法和鲁棒故障诊断方法。但大多数工业过程规模复杂、变量维数高且具有高度非线性，其精确的数学模型难以获得。因此，基于解析模型的方法在航空航天、机械以及电力电子等易于建模的领域有重要影响和广泛应用，但在流程工业中则鲜有应用[28]；基于定性模型的方法一般也只适用于规模小、机理清楚的工业过程，且其诊断结果比较粗糙模糊、容易产生虚假解[29]。基于数据的方法主要依赖于历史过程数据，如主元分析方法、部分*小二乘方法等，这些方法都是基于历史数据提取统计特征，以达到故障诊断的目的。基于数据的诊断技术的缺点是故障的分离和估计比较困难，尤其不便于故障的在线诊断。 当故障被检测出来以后，另一个问题自然就会浮出水面：如何设计恰当的控制器来抵消或者补偿故障。在此需求下，故障容错控制技术备受关注。容错控制是伴随着基于解析冗余的故障诊断技术的发展而发展起来的。如果在执行器、传感器或元器件发生故障时，闭环系统仍是稳定的，并具有较理想的特性，就称此闭环系统为容错控制系统。 容错控制方案根据不同的特征，可以分为硬件冗余方法和解析冗余方法。硬件冗余对重要部件及易发生故障部件采用多重备份的办法来提高系统的容错性能，是一种有效的容错控制方法，但是硬件冗余容错控制需要耗费更多的成本和占用更大的硬件空间。为了克服上述限制，基于解析冗余的容错控制应运而生，其设计思想是利用系统中不同部件在功能上的冗余性来实现系统的容错性能。对于实际的控制系统，设
书友推荐
- >
朝闻道
朝闻道
¥9.0¥23.8 - >
姑妈的宝刀
姑妈的宝刀
¥11.4¥30.0 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.3¥10.0 - >
推拿
推拿
¥12.2¥32.0 - >
山海经
山海经
¥20.4¥68.0 - >
有舍有得是人生
有舍有得是人生
¥21.2¥45.0 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
史学评论
史学评论
¥17.2¥42.0
本类畅销
-
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6 -
2023读书月阅读盲盒——我什么场面没见过？
¥42.3¥158 -
2023读书月阅读盲盒——去码头整点什么薯条？
¥42.3¥158
