【摘 要】
:
随着现代科学技术的不断发展和进步,工业过程不断智能化,控制系统日益复杂且在运行过程中会发生传感器漂移故障。本文以双容水箱液位系统为研究对象,针对系统上水箱液位传感器漂移故障,展开故障检测方法研究。基于模型的故障检测策略的核心技术是产生残差以及计算阈值与残差评价函数;将残差评价函数与阈值进行比较,判断系统故障的发生。本论文的主要研究内容如下:首先,针对双容水箱液位系统,考虑系统的非线性、不确定性及上
论文部分内容阅读
随着现代科学技术的不断发展和进步,工业过程不断智能化,控制系统日益复杂且在运行过程中会发生传感器漂移故障。本文以双容水箱液位系统为研究对象,针对系统上水箱液位传感器漂移故障,展开故障检测方法研究。基于模型的故障检测策略的核心技术是产生残差以及计算阈值与残差评价函数;将残差评价函数与阈值进行比较,判断系统故障的发生。本论文的主要研究内容如下:首先,针对双容水箱液位系统,考虑系统的非线性、不确定性及上水箱液位传感器漂移故障,引入具有双层多胞结构的线性参数变化系统对其建模。多胞模型第一层多胞用于近似系统的非线性,第二层用于描述流量阀门的不确定性。其次,提出基于参数依赖全阶滤波器的故障检测方法。引入H∞性能指标,一方面,提高残差对扰动具有鲁棒性;另一方面,间接提高残差对故障具有敏感性。利用松弛矩阵和投影定理给出滤波器的线性矩阵不等式设计条件。设计算法将滤波器增益矩阵求解问题转化为求解最优化问题。对双容水箱液位系统进行仿真,验证设计方法的有效性。最后,为了提高系统的故障检测性能,在全阶滤波器基础上,设计参数依赖非最小阶故障检测滤波器。构造辅助系统使得辅助系统的状态变量阶次与非最小阶滤波器的阶次一致;构造辅助矩阵求解出辅助系统的系数矩阵。与全阶滤波器相比较,非最小阶滤波器使用双容水箱液位系统更多过去输出信息,用来提高故障检测性能。对双容水箱液位系统进行仿真,验证设计方法的有效性及优越性。
其他文献
电网安全稳定运行的一个重要保证就是电力设备的安全可靠,目前电力企业的电力物资采购方式一般使用招标投标的方式进行,在整体招投标活动中最为重要的环节就是评标工作,这直接关系到招投标活动的最终结果,影响到电力企业工程建设的整体质量。随着时代的不断发展,电力设施建设日益增多,供应商数量也飞速增长,这就导致供应商履约完成程度成为了另一个影响电力企业工程建设整体进度和质量的因素,在电力设备评标体系中考虑供应商
钢纤维混凝土是如今土木工程中运用最为普遍的金属纤维增强混凝土,但在海洋等重腐蚀环境中,普通钢纤维混凝土具有耐腐蚀性能差,不锈钢纤维增强混凝土又具有造价高的缺点。为了解决这一难题,探究以铁基非晶合金带替代钢纤维制备一种新型金属纤维增强复合材料——铁基非晶合金带纤维混凝土(Fe-based amorphous alloy fiber reinforced concrete,FAAFRC)。基于理论分析
随着科技的进步,实际系统复杂度逐渐提高,相应的,人们对复杂系统的控制精度需求也越来越高。传统的线性系统模型已经不能满足人们对精密复杂系统的控制精度要求。线性变参数(Linear Parameter-Varying,LPV)系统因具有实时可测的调度参数,可以更精准地对复杂系统进行建模而被提出。然而,在参数大范围变化时,LPV系统的控制效果往往不理想,为此人们提出切换LPV系统,通过将参数空间划分为多
随着社会老龄化程度的加深,由神经系统疾病或肌肉骨骼疾病造成步行功能障碍的患者明显增多。传统的康复疗法已经无法满足患者的需求,这促使步行康复训练机器人得到了空前的发展。在训练过程中,机器人需要跟踪医生指定的速度与轨迹以辅助患者治疗,目前针对步行康复训练机器人的跟踪控制已经取得了许多研究成果,然而这些研究成果都没有考虑康复机器人的速度与轨迹同时约束控制。无论是速度还是轨迹,只要超出安全范围就会减弱康复
地图构建及导航问题一直是移动机器人技术研究的重点及难点,在建图及导航过程中通常需要借助传感器来实现机器人对周围环境的感知和互动,内部传感器的自身定位信息和外部传感器的观测信息对移动机器人而言十分重要。然而由于复杂环境和传感器噪声等不确定因素的影响,移动机器人通常很难构建精准的地图,导致无法实现实时避障。为了提高移动机器人的导航精度和抗干扰能力,论文基于激光雷达设计自主导航机器人系统框架,并在此基础
随着现代社会人类生活水平的改善和医疗条件的提高,人口老龄化问题衍生的下肢运动障碍人群日益增加,对社会医疗保障体系提出了巨大的挑战。相较于传统康复治疗方式,下肢康复机器人可以有效解决医疗资源匮乏、治疗效率低且质量无法保证的问题。在实际应用层面,能否高效地对下肢康复机器人进行控制是大规模推广使用的基础。但是,在机器人控制策略设计过程中,由于不确定性的存在,导致建立的模型无法匹配实际机器人系统,进而导致
在人体胸腔疾病的检查中,X射线、CT成像方法被临床广泛应用,但这些医学可视化检测成像方法具有一定的辐射量,而且不能进行实时监测。透射式低频超声胸腔成像技术可以采用低频段的超声波穿透胸腔进行肺部检测,能够实现对肺部空气和水含量的监测,在胸腔疾病的早期预防和诊断中相较于其他技术具有较大的优势。在采集到的低频超声胸腔透射信号中会含有大量的噪声,严重影响成像效果。为了降低噪声对成像效果的影响,本文对胸腔成
随机配置网络(Stochastic Configuration Networks,SCNs)作为近年来出现的一种先进随机权神经网络,相较传统的随机权网络模型,在网络结构、学习速度、泛化效果等方面具有明显的优势,广泛应用于工业建模、信号处理、计算机视觉等领域。然而,SCNs在面对大数据建模任务中采用传统的计算方式会显著增加网络参数训练与优化的成本,并且超参数的固定选择限制了网络的泛化性能。因此本文在
现代社会对绿色清洁能源的需求越来越大,风能在自然界分布广泛,具有广阔的发展前景。风电叶片作为将风能转化为电能的关键部件,在生产、运输和服役过程中可能产生不同程度的缺陷或损伤,若不能及时发现这些缺陷会导致严重的安全事故,所以需要有效可行的方法对风电叶片缺陷进行检测。基于此,本文以风电叶片为研究对象,以电磁超声技术为检测方法对风电叶片内部缺陷进行研究。主要工作内容分为以下几个方面:首先,根据电磁超声原
随着近年机器人产业技术的繁荣发展,服务型机器人与人类的生活已密不可分。服务机器人常工作于复杂、非结构化的环境,因此机器人需要高精度的路径规划功能。传统的路径规划算法有逻辑清晰,实现简单等优点,但随着机器人面对的环境日益复杂,传统算法对环境适应能力差、重规划效率低,以及无法自调整参数等缺点,都使其满足不了室内机器人的路径规划要求。为了使室内服务机器人能有效应对非结构化的环境,本文基于深度强化学习方法