动态系统的鲁棒故障检测方法研究

动态系统的鲁棒故障检测方法研究

ID:36723547

大小:1.67 MB

页数:56页

时间:2019-05-14

动态系统的鲁棒故障检测方法研究_第1页
动态系统的鲁棒故障检测方法研究_第2页
动态系统的鲁棒故障检测方法研究_第3页
动态系统的鲁棒故障检测方法研究_第4页
动态系统的鲁棒故障检测方法研究_第5页
资源描述:

《动态系统的鲁棒故障检测方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、南京理工大学硕士学位论文动态系统的鲁棒故障检测方法研究摘要随着生产水平和科学技术的不断发展,现代控制系统的规模日趋大型化、复杂化,现代工业过程对系统安全性、可靠性的需求日益提高。最近三十年来,故障检测与诊断(FDD)算法及其在工业过程中的应用受到了人们的日益重视。本文主要研究了含有不确定性的线性系统和非线性系统的鲁棒故障检测与诊断方法。主要内容如下:首先,综述了动态系统故障检测与诊断技术的研究背景与发展现状。研究了基于Beard故障检测滤波器(BFDF)的故障诊断方法,该方法针对理想情况下的线性系统可准确地实现系统故障的检测和分离;其次

2、研究了含有不确定性的线性系统的鲁棒故障检测方法,该方法改进了Beard故障检测滤波器方法,提高了故障检测的鲁棒性;最后进一步研究了故障特性的辨识与跟踪问题,探讨了一种利用神经网络对非线性故障模式进行在线逼近的鲁棒故障诊断方法。通过在线估计器和非线性滤波器实现了对故障的实时跟踪和估计,并对算法的鲁棒性、灵敏性和稳定性问题进行了分析。并且通过数字仿真验证了本文所研究方法的有效性。关键词:故障检测与诊断,故障检测滤波器,非线性系统,鲁棒性,RBF神经网络Alratract硕士论文AbstractWitIlthedevelopmentofthe

3、technologyandtheimprovementofproductivity,themodemcontrolsystemsarebecominglargerandmorecomplicated.11ledemand胁hi曲reliabilityandsafetyinmodemindustryincreaserapidly,Faultdetectionanddiagnosis(FDD)flgofithmsandtheirapplicationshavebeenattractedmuchmoreatcenfionoverthepast

4、thirtyyears.Inthisthesis,faultdetection锄5ldiagnosisstrategiesforlinearandnonlinearsystemswithmodelinguncertaintiesareinvestigated.ThemaincontentsstudiedinthisthesisareasfollOW:.Erstly,thelatestdevelopmentoffaultdetectionanddiagnosisisbrieflyintroduced.nebasicfaultdiagnos

5、isapproachbasedOnBeardfaultdetectionfilterisdiscussedinthebeginning.Whenitisusedinthediagnosisofthelinearsystemwithoutdisturbance,itcandetectandisolatethefaultaccurately.Secondly,allapproachtOtherobustfaultdetectionfilterfortheUnearsystemwithunknowninputisstudied.T11isme

6、thodimprovestherobustness.whichisthelimitationofBeardfaultdetectionfilter.Finally,InordertOidentifythevalueoffaultafterthedetection,anonlinearonlineneuralnetwork’approximatorisusedtOprovideanestimationofthefault,theproblemofrobustness,.sensitivityandstabilityconditionsal

7、erigorouslyinvestigated.AlltheapproachesdiscussedinthisthesisafedemonstratedtObeaffecfivethrou曲correspondingsimulations.Keywords:faultdetectionanddiagnosis,faultdetectionfilter,nonlinearsystem,Ⅱrobusmess,RBFneuralnetwork声明本学位论文是我在导师的指导下取得的研究成果,尽我所知,在本学位论文中。除了加以标注和致谢的部分外,

8、不包含其他人已经发表或公布过的研究成果,也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均己在论文中作了明确的说明。研究生签名:星!圭!查伊莎年]月f日/学位

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。