论文部分内容阅读
20世纪70年代以后,自动化开始向复杂的系统控制和高级的智能控制方向发展,如何对系统进行早期和准确的故障诊断与容错控制备受关注;同时,随着控制理论内容的不断丰富以及在实际工程应用中的不断完善,在理论上为复杂系统的容错控制的研究奠定了基础。由于实际的被控对象往往受外界随机干扰、随机参数摄动等的影响,使得被控对象高斯分布的假设条件受到限制。因此,为了更加贴近工程实际运行环境,在非高斯条件下对随机分布控制系统进行研究更有现实意义。很多实际的工业过程都存在严重的非线性、耦合性和未建模动态等,因此很难对控制系统进行精确的建模。结合专家经验构造的T-S模糊规则有很强的拟合能力,适用于处理复杂的非线性函数。T-S模糊模型可用于逼近随机分布系统复杂的动态特性,为非高斯随机分布系统的建模和控制算法的研究提供了便利。干扰和多个故障并存的情况对控制系统的性能提出了更大的难题和挑战,在这种情况下,迫切需要对系统进行故障的检测与分离。为了实现对微小故障的检测,提高故障检测的精度,对随机分布系统进行主动故障检测的探索与研究。本文以典型的随机分布控制系统——化工反应过程为背景,用T-S模糊模型逼近系统的非线性动态特性,并用径向基函数(RBF)神经网络对系统的输出概率密度函数(PDF)进行逼近。为了满足随机分布控制系统更高的性能要求,进行了更为全面的研究,分别对非高斯随机分布控制系统进行主动故障检测、故障分离与模型预测容错控制三个方面问题的研究,具体内容如下:(1)对非高斯随机分布控制(SDC)系统设计合适的辅助输入信号,激励系统显现出潜在的故障,从而进行主动故障检测,提高故障检测的质量。主动故障检测的策略是:在给定的测试周期内输入合适的辅助信号,用集员估计方法将输出残差用椭球集合进行描述,通过判断正常和故障系统输出残差的椭球集合的交集是否为空来进行故障检测。为了减小辅助输入信号对正常系统输出的影响,考虑设计最小能量的辅助信号。应用集员估计时不需要扰动的分布信息,只需假设扰动未知但有界,与非高斯随机分布系统的扰动不服从高斯分布的条件相契合。在考虑系统外界扰动等不确定性最大的情况下,进行椭球集合的更新,求解出最优的辅助输入信号,并代入系统进行主动故障检测。最后用MATLAB仿真对主动故障检测方法进行验证。(2)针对扰动和多个故障并存的情况,对基于T-S模糊模型的非高斯SDC系统进行故障的检测、分离与估计。只考虑发生执行器故障的情况,将待分离以外的故障均看做是扰动,组成增广扰动向量,并通过设计与执行器数目相同的多个非奇异线性坐标变换矩阵实现扰动和待分离故障的解耦。解耦后将系统变换成两个子系统,其中一个子系统只含一种待分离的故障,为故障的分离提供方便,同时也便于确定故障发生的通道。给出了故障发生的时间的确定方法及故障发生的通道,并设计与执行器数目相同的多个自适应故障诊断观测器分别进行故障的估计。最后用MATLAB仿真验证故障分离与估计算法的可行性。(3)对用T-S模糊模型描述的非高斯SDC系统进行模型预测控制的研究。对发生故障的系统如果不及时进行容错控制,将影响产品的质量并造成巨大的财产损失,因此对SDC系统进行故障诊断与容错控制非常必要。通过设计残差、调节观测器增益和自适应调节律实现故障诊断。然后,基于故障诊断的结果将模型预测控制算法与随机分布系统相结合,在预测时域内对系统未来权值进行预测,并选择合适的目标函数求解控制时域内最优的控制输入增量,从而构造出主动容错控制器。最后通过MATLAB仿真验证所提算法。