發(fā)布時間：2020-04-20 00:43

【摘要】：隨著生產技術的不斷革新和發(fā)展,使得動態(tài)系統(tǒng)的內部結構變得越來越復雜,這就需要越來越高效和可靠的控制性能。鑒于此,易受環(huán)境突變影響的動力系統(tǒng)在近年來越來越受到廣大專家學者們的重視,并且在過去的幾十年中已經涌現出了關于這類系統(tǒng)在運行過程中出現不同問題時所采取的各種不同的研究方法和解決方案。隨機馬氏系統(tǒng)非常適用于對這種結構易受系統(tǒng)內部參數變動、元器件失效或損壞、環(huán)境突變等復雜隨機因素影響的系統(tǒng)的建模,因為隨機馬氏系統(tǒng)本身是一種具有特殊形式的混雜動態(tài)系統(tǒng),系統(tǒng)在運行時狀態(tài)連續(xù)取值,而另一種狀態(tài)(即模態(tài))是在一個有限集合內離散取值,同時系統(tǒng)中各個運行模態(tài)之間的相互切換是服從馬氏切換規(guī)律的。與此同時,由于生產環(huán)節(jié)安全性和生產效率的需求,對系統(tǒng)在生產運行過程中發(fā)生故障時能否及時、精準的檢測和估計出故障發(fā)生的來源、類型和大小也成為現代工業(yè)生產中首要考慮的關鍵因素。本文以馬氏系統(tǒng)為主要研究對象,結合線性矩陣不等式處理方法,研究了馬氏系統(tǒng)的估計器及濾波器的設計問題,并得到一些研究成果,主要內容如下所示:(1)針對一種時間連續(xù)的馬氏系統(tǒng),研究了在模態(tài)信號一般條件下的故障檢測問題。不同于傳統(tǒng)的濾波器設計方法,本文提出了一種模態(tài)信號部分可得和不匹配條件下的濾波器設計方法,并由故障檢測濾波器構造出一個殘差生成器,然后將故障檢測與隔離(FDI)問題用H_∞濾波方法進行處理,從而使得殘差和故障之間的差值最小。在此基礎上,FDI濾波器存在的充分條件由LMI形式獲得。最后,給出兩個仿真算例證明了本文所提出的方法在解決相關問題時效果較明顯。(2)關注一類非線性系統(tǒng),其中含有Lipschitz非線性項,并針對這類系統(tǒng)考慮了故障估計問題。本文提出了一種新的故障估計方法,構造了一個隨機的中間變量,從而使得模型表示更具有一般性,所設計的故障估計器可以同時估計狀態(tài)和故障。同時本文所提出的算法不需要滿足觀測器匹配條件而且允許數據信號以一定的概率丟失,從而使得所提方法得到的結果保守性較小。最后,使用仿真算例對所提方法進行有效性驗證。(3)針對一類隨機的馬氏系統(tǒng),分別研究了在模態(tài)依賴和模態(tài)獨立情況下的故障估計問題。本文提出一類故障估計方法,在設計的故障估計器中,隨機中間變量依賴系統(tǒng)的運行模態(tài)。同時又介紹了另一種中間變量,由一系列模態(tài)依賴參數及其概率分布所構成;和前者相比,后者獨立于系統(tǒng)模態(tài)并且不需要運行模態(tài)在線獲得。相比于存在的故障估計方法,本章節(jié)所提算法可以容忍信息隨機失效,并可以同時估計出系統(tǒng)的狀態(tài)和故障。最后,將所得結果通過兩個數值例子驗證了有效性,并將兩種方法的優(yōu)勢進行比較。
【圖文】：

寫成(2.20)的形式，，其平衡點移動到新坐標下的原點。02 3122 31 12 31( ) ( )22sin( ( ) )5[ ( )( ) ( ) ( )]2 2s( ( ) ) sin( ( ) )5 5( ) ( ) ( ) ( )2( ( ) )5do d d dsdscds do dsx t x t Hz x tT x x x t x txx t z x txx t x t K u tx T xx tωππ ππ +′ ′++ ++′ ′+電壓 z 由帶有兩個模態(tài)的齊次馬氏鏈來描述，即 N =限總線的等效負載發(fā)生變化。電力系統(tǒng)配置如圖 2.1

圖 2.2 增廣系統(tǒng)的狀態(tài)響應曲線Fig 2.2 State response of the augmented system t 的仿真如圖 2.3 所示，其中上面一個子圖是原系統(tǒng)模態(tài) FDI 濾波器(2.4)模態(tài)為 tθ 的仿真圖。圖 2.3 運行模態(tài)tθ 和 tθ 的仿真圖像Fig 2.3 Simulation of operation modestθ and tθ
【學位授予單位】：遼寧石油化工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18;TP13

【參考文獻】

相關期刊論文 前3條

1 王國彪;何正嘉;陳雪峰;賴一楠;;機械故障診斷基礎研究“何去何從”[J];機械工程學報;2013年01期

2 盛立;楊慧中;;一類離散Markov跳變奇異系統(tǒng)的鎮(zhèn)定控制[J];控制與決策;2010年08期

3 沈志熙;黃席樾;馬笑瀟;;基于EMD多模態(tài)特征融合支持向量機的故障診斷[J];控制與決策;2009年06期

本文編號：2633934