论文部分内容阅读
由于大规模与高复杂的现代控制系统的可靠性以及安全性问题受到了广泛关注,想要保证设备安全可靠高效稳定地运行,降低高复杂控制系统中事故发生的概率显得尤为重要。因此,对于故障诊断技术领域的深入研究具有十分重要的现实意义。其中,基于各种估计观测器的故障诊断方法是一个重要的研究方向,也是目前该领域的研究热点之一,而且许多基于估计观测器的故障估计方法技术已经成功应用到实际的控制系统中,这就是本文研究故障估计的重要原因。本文针对一类带有故障和外部扰动的线性控制系统,分别用鲁棒估计观测器方法(Robust Estimation Observer,REO)、自适应估计观测器方法(Adaptive Estimation Observer,AEO)、改进的中间估计观测器方法(Intermediate Estimation Observer,IEO)、下三角矩阵因子估计观测器方法(Lower Trigonometric Matrix Factor Estimation Observer,LTFEO),研究了其故障估计问题。主要工作如下:1.利用可测输出构造传统的REO,该方法设计简单,构造的Lyapunov函数具有一般性,不需满足观测器匹配条件,且容易实现。但估计精度不高,主要原因是可调参数较少,使得误差系统的状态矩阵不易获得较好负实部。2.为了提高估计精度,AEO充分利用可测输出及其导数来构造估计观测器。与REO相比,AEO多引入了可调参数,使得误差系统的状态矩阵可以获得较好的负实部从而提高故障估计精度。但在求解不等式时,要求构造的Lyapunov函数过于特殊,并且需要满足观测器匹配条件。另外,AEO中包含输出导数,而实际系统中不易建立精确的微分器,因此不适用于实际应用中。3.IEO通过引入中间变量可以使得构造的观测器不含输出导数,并且在适当调整参数的情况下不需要满足匹配观测器条件。但在实现IEO时,参数的设计过于特殊,且可测输出信息没有被充分利用。因此本文提出了一种改进的IEO,其设计参数更一般,可测输出信息被充分利用到故障估计器的设计中,在求解不等式时,要求构造的Lyapunov函数比IEO和AEO的更一般,从而可以降低条件的保守性,提高估计精度。4.考虑到以上观测器的优势与不足,本文提出了一种LTFEO。这种观测器集成了REO、AEO和IEO等优点:构造的Lyapunov函数比改进的IEO的更一般,不需要满足观测器匹配条件,观测器中不含输出导数,适用于实际系统。因此,利用LTFEO可以进一步降低条件的保守性,提高故障估计精度。另一方面,本文针对以上四种观测器,分别给出了其对应估计误差系统的基于H?性能指标下的稳定性结论。并通过仿真算例验证了方法的有效性,同时通过比较说明了LTFEO的优越性。