非高斯隨機(jī)分布系統(tǒng)的故障診斷與最小熵容錯(cuò)控制.pdf

1、故障診斷和容錯(cuò)控制技術(shù)是提高動(dòng)態(tài)系統(tǒng)可靠性、安全性的重要途徑之一。長(zhǎng)期以來(lái)關(guān)于隨機(jī)動(dòng)態(tài)系統(tǒng)的故障診斷和容錯(cuò)控制的研究一直是控制理論和應(yīng)用的重要領(lǐng)域之一。現(xiàn)有隨機(jī)系統(tǒng)的故障診斷與容錯(cuò)控制大都針對(duì)服從高斯分布的隨機(jī)過(guò)程，假設(shè)系統(tǒng)故障、隨機(jī)輸入或擾動(dòng)信號(hào)服從高斯分布，然而這一假設(shè)并不完全符合一些實(shí)際應(yīng)用過(guò)程，而且許多實(shí)際系統(tǒng)中要求控制過(guò)程變量的概率密度函數(shù)的形狀，這類(lèi)系統(tǒng)方程描述了系統(tǒng)輸入與系統(tǒng)輸出概率密度函數(shù)之間的關(guān)系，而并非傳統(tǒng)的系統(tǒng)輸入

2、與輸出之間的關(guān)系，稱(chēng)此類(lèi)系統(tǒng)為隨機(jī)分布控制系統(tǒng)（Stochasticdistributionsystem，SDC）。有時(shí)跟蹤目標(biāo)概率密度函數(shù)并不能事先確定，這時(shí)容錯(cuò)控制就可以轉(zhuǎn)化為控制輸出變量具有最小的不確定性，對(duì)高斯系統(tǒng)，最小不確定性可以通過(guò)方差來(lái)體現(xiàn)，對(duì)一般的非高斯系統(tǒng)，最小的不確定性采用熵來(lái)體現(xiàn)。目前目標(biāo)概率密度函數(shù)事先不能確定時(shí)非高斯隨機(jī)分布系統(tǒng)的容錯(cuò)控制尚無(wú)研究結(jié)果。
　　 本文針對(duì)非高斯隨機(jī)分布控制系統(tǒng)，給出了基于觀

3、測(cè)器的故障診斷方法，估計(jì)出故障的大小。當(dāng)跟蹤目標(biāo)概率密度函數(shù)并不能事先確定時(shí)，將熵的概念引入到隨機(jī)分布系統(tǒng)的容錯(cuò)控制，利用故障估計(jì)信息，將關(guān)于熵的性能指標(biāo)極小化，進(jìn)行控制器重構(gòu)，使系統(tǒng)的輸出具有最小的不確定性，實(shí)現(xiàn)非高斯隨機(jī)分布控制系統(tǒng)的最小熵容錯(cuò)控制。本文的主要內(nèi)容如下:
　　 (1)針對(duì)線(xiàn)性B樣條逼近的非高斯隨機(jī)分布系統(tǒng)，分別考慮線(xiàn)性和非線(xiàn)性動(dòng)態(tài)兩種情況，基于自適應(yīng)觀測(cè)器進(jìn)行故障診斷。最小熵控制器是SDC系統(tǒng)在目標(biāo)概率密度函

4、數(shù)（Probabilitydensityfunction，PDF）不能事先確定的情況下的一種選擇。因?yàn)殪厥且粋€(gè)凹函數(shù)，極小值點(diǎn)不止一個(gè)，均值表明隨機(jī)變量的中心位置，因此在均值約束下對(duì)熵的指標(biāo)進(jìn)行極小化似乎更合理。在故障診斷信息的基礎(chǔ)上，極小化均值約束下的熵性能指標(biāo)，進(jìn)行最小熵容錯(cuò)控制設(shè)計(jì)。仿真結(jié)果驗(yàn)證了故障診斷與最小熵容錯(cuò)控制算法的有效性。
　　 (2)針對(duì)一類(lèi)非高斯非線(xiàn)性隨機(jī)分布控制系統(tǒng)，采用有理平方根B樣條逼近系統(tǒng)輸出的PD

5、F，給出了基于迭代學(xué)習(xí)觀測(cè)器（Iterativelearningobserver,ILO）的故障診斷方法。基于Lyapunov穩(wěn)定性定理對(duì)觀測(cè)誤差系統(tǒng)進(jìn)行穩(wěn)定性分析來(lái)確定迭代學(xué)習(xí)觀測(cè)器參數(shù)，利用故障估計(jì)信息和觀測(cè)器的狀態(tài)信息重構(gòu)控制器，極小化均值約束下的熵性能指標(biāo)，使系統(tǒng)輸出的不確定性最小化，實(shí)現(xiàn)了均值約束下的最小熵容錯(cuò)控制。仿真結(jié)果顯示所提出故障診斷算法的有效性，不但對(duì)突變故障有效，而且對(duì)慢變故障、快變故障類(lèi)型同樣有效。