个人答辩陈述在线视频

先请这个答辩会的秘书

介绍研究生的基本情况

刘洋 2006年到2010年

在清华大学自动化系

攻读学士学位

2010年至2016年在清华大学

控制科学与工程专业

攻读博士学位

博士期间

共修得学分39分

15门课程

其中90分以上的七门

80到90之间的八门

学位论文的题目是

基于模型的闭环系统故障诊断

介绍完毕

好 下面请这个报告人

报告一下

学位论文的主要内容

各位老师 下午好

很荣幸 各位可以来

参加我的博士论文毕业答辩

我叫刘洋 是周老师的学生

我的博士毕业论文题目

是基于模型的闭环系统故障诊断

今天的汇报

主要分为以下三部分

首先是针对所研究问题的

背景意义等部分

进行一个简要的介绍

第二部分 是我的主体工作

是课题研究

分为五项

其中的前4项是理论研究

最后一项是基于真实的

三容水箱系统的一个真实实验

最后是对我的工作

进行一下总结与展望

首先汇报一下

我研究的课题背景和意义

随着科学技术的发展

现代工业系统的规模

和复杂程度都在日益提高

这类复杂大系统一旦发生故障

就可能带来重大的

财产损失和人员伤亡

因此 如何提高系统

在运行中的安全性与可靠性

减少生产生活中的安全隐患

成为现代工业系统中的

重大问题

配图是三年前俄罗斯一架客机

在起飞的时候冲出跑道

导致失火

机上40余名机组人员全部丧生

后来经过调查之后

发现是飞机的幻象单元

发生了故障

导致了悲剧的发生

故障诊断技术

是提高系统运行可靠性

降低系统运行风险的重要方法

故障诊断技术

对系统运行状况进行监测

判断是否有故障发生

同时确定故障发生的

时间位置大小和种类等情况

即完成故障的

检测分离和估计

在过去的数十年时间里

故障诊断技术得到了广泛的研究

大量研究成果得到发表

这张配图是两年前夏天

青岛市一艘游轮

在航行的时候 突然失火

导致一人死亡多人重度烧伤

后来经过经过调查发现

是发动机的散热单元发生了故障

导致了火灾

在真实的工业系统中

为了使设备

实现某种预定的生产目标

同时满足系统运行的

稳定性鲁棒性的要求

通常都需要对系统

施加反馈控制 形成一个闭环

因此对于大部分的

实际工业系统

还有控制闭环都是其重要特性

然而目前故障诊断研究

很多都是基于开环系统进行的

没有考虑到反馈控制

对于故障诊断的影响

这种不足局限了已有方法

在实际系统当中的应用

2003年吴宏鑫院士

曾经在一篇文章中指出

与开环系统相比

闭环系统中故障诊断性能

整体来讲是变差的

导致这个发生的原因

主要是以下两条

一是反馈的引入

通常会使得系统

对于外部扰动更加鲁棒

因此当故障处于早期阶段

或者扶植比较小的时候

所带来的影响

有可能会被反馈控制所掩盖

另外一个原因就是

反馈控制可能使得

故障在系统内进行传播

导致多处信号发生异常

其中第一点比较容易理解

第二点在这里用两张对比图

向各位介绍一下

这是一个三通道的微星自控系统

上面是开环系统

然后下面是一个

带有反馈控制闭环的

一个闭环系统

在开环系统中

如果敏感器S2发生了故障

可以看到Y2会输出一个异常值

但是Y1和Y3都仍然是

输出一个正常的工作范围

所以我们如果检测到了故障的发生

通过对比Y1 Y2 Y3

可以很容易的定位到

确实是S二发生了故障

但是在这样一个闭环系统里边

如果S2发生故障之后

Y2这样一个异常值

顺着这样一个控制回路

可能影响到系统的一个

甚至多个反馈的反馈控制器

进而使得卫星的3个敏感器

S1 S2 S3的输出

全都偏离正常的工作范围

使得Y1 Y2 Y3全都是异常值

如果这个系统

是一个连续系统的话

这个过程会非常的迅速

所以我们即使检测到了系统中

可能发生了异常情况

也很难对同时发生了异常的

Y1 Y2 Y3

进行一个准确而及时的

故障定位

目前这样一个反馈控制

对于故障诊断影响的问题

只有一个定性的说明

目前还没有确切的

定量证明和理论分析

目前关于闭环系统故障

诊断成果有一些

但是从理论上分析

这样一种影响的研究非常少

主要就是下面两篇

第一篇是1997年

利曼等人在美国一个会议上

基于传递函数

对一类线性时不变系统

进行了分析

他们得到的结论是

如果对于一类模型

精确已知的系统

我们可以通过设计合适的

残差生成器

使得开环残差和闭环残差之间

存在一个一一映射

此时开闭环的故障检测性能

是完全一致的

但是如果系统中

有模型不确定性的话

开环残差和闭环残差之间的关系

就会变得非常复杂

难以精确的分析

2012年这篇文章

考虑了一个形式比较特殊的

故障情况

就是系统可能受到

两组参数的作用

一组代表了正常的情况

另外一组代表了故障的情况

这两组参数都是已知的

这篇文章就是研究

我们要通过设计

怎么样的反馈控制率

可能使得系统

在这两组参数的分别作用下

输出的可能范围

是完全没有交集的

这样的话就可以实现一个

百分之百的故障诊断功能

以上是关于返回控制

对于故障诊断的一个影响

目前基于模型的闭环故障诊断研究

实际方法研究中

可以分为以下这样几类

第一类是如果我们对于

系统的故障先验知识比较多

比如说是当前通道输出

完全为零的失效

或者是已知一定范围的执行期

或者是传感器卡死

我们可以进行匹配式的

闭环故障诊断

通过构造一个观测器组

其中每一个观测器

对应一种可能的故障模式

然后分别与系统的真实输出

进行比较

与系统真实输出最接近的

一个观测器输出

对应的就是可能的

一个故障的模态

而如果我们对于故障的扶植

没有足够的先验知识的话

2000年跟2009年这两篇文章

分别以最小二乘为指标

进行了故障诊断研究

都考虑了

执行器和传感器的比例失效

其实这两篇文章可以看做一个

两阶段的卡尔曼滤波

每一步首先是

针对状态进行估计

之后对于执行器和传感器

前面的对角阵的对角元素

再进行第二部估计

如果得到的这样一个估计值

是远远地偏离一的话

我们就认为当前

发生了这样一个成性的故障

1996年 1998年

周老师对于pid控制下的闭环

连续搅拌釜反应器中的

执行器传感器故障

基于强跟踪滤波器进行了研究

把系统的未建模动态故障

整理成一个等叫偏差

之后用强跟踪滤波

理论引入见效因子

实现一个

在发生突变的时候

可以很快地跟踪到系统中的突变

之后再用贝叶斯方法

对于残差进行一个评价

当系统中有一部分

范数有界的干扰的时候

鲁棒观测器方法比较实用

2009年跟2012年这两篇文章

分别针对输出反馈下

含有食盐和量化的现行系统

进行了故障的估计诊断

以及故障的检测

用到都是mla方法

虽然基于闭环

基于模型的闭环系统

故障诊断研究

已经有了以上的一些成果

但是仍然存在着一些不足和局限

首先是目前的研究

基本都是在

模型完全精确一致的线性系统中

利用完全匹配的方式

实现从故障 从访问控制

到残差生成的完全集耦

但是我们如果这个时候

考虑到的是一个闭环动态

就是不 不考虑uk

而是带入一个

反馈控制率的情况下

我们要怎么针对现行闭环系统

进行合理的故障诊断

与此同时

真实系统中模型不确定性

和非线性都是广泛存在的

在这样一类系统中

我们没有办法

通过一一匹配的方式

简单的消息反馈控制

对于残差的影响

这个时候我们要怎么设计

合理的故障诊断

除此之外我们目前的研究

测量信号还主要都是Y等于CS

然后后面最多是

再加一个测量噪声

如果这个测量信号还受到

一些其他不理想情况的干扰

我们要怎么在

不理想测量存在的情况下

设计合理的故障诊断单元

也是一个有待解决的问题

因此我的博士毕业论文的

大框架如下

分别对于闭环线性系统和

闭环非线性系统

进行了故障诊断的研究

其中的第二章

研究了基于观测器方法的

闭环线性系统故障诊断

第三章则考虑了模型不确定性

在线性系统中的一个影响

第四五章考虑了非线性问题

其中第四章基于多项式逼近

对于系统中可能出现的

非线性环节进行逼近

第五章则进一步考虑了

可能出现的不理想测量

对于闭环非线性系统的

故障诊断

最后一章 基于真实的

三容水箱系统的泄漏故障

对第二章所提出的

部分闭环观测器方法

进行了仿真以及真实的实验验证

我的第一部分理论研究

是基于观测器方法的

闭环线性系统故障诊断

考虑的是这样一类

线性式不变系统

其中这个系统里面包括

这样一个dk指的是未知输入

在传统的开环方法中是

直接带入uk这样一个值

这个设计方法都是比较成熟的

考虑这样一个形式的位置

输入观测器

然后通过设计一组合适的参数

可以实现估计误差

就是x减去x的

估计值的动态

以及对应的残差信号

真实测量减去

这样一个估计测量

都可以与未知输入dk

实现一个完全集耦

而且这个时候我们可以

通过设计

使得这个大f矩阵是稳定的

就可以实现一个

性能良好的故障诊断问题

我们仍然考虑这样一个

线性式不变系统

然后我们默认

系统的零点是稳定点

在这样一个系统中

我们考虑一个离散形势下的

pi控制就是uk

等于后面两项的加和

其中第一项就代表的

是比例控制

第二部分这样一个累加

相当于是连续系统中的

一个记分项

l相当于是一个

计分窗口的一个长度

为了故意实验这样一个状态的

所以为了能把它

整理成uio可以处理的一个形式

我们需要对系统的状态

和测量噪声分别进行一个增广

就可以把原系统写成这样一个

移步转移方程的新形势

之后用之前的经典的

uio方法往里套用

但是这个时候

我们如果仍然基于开环思路

设计这样一个观测器的话

我们可以发现

这个时候的闭环动态性能

可以写成这个样子

就是ek加一

不仅和ek有关

而且由于反馈控制中

积分环节的引入

同时也和e k-1

k-2 一直到k-小l

都是相关的

这个时候我们即使通过计算

实现了f是一个

性能很好的稳定矩阵

但是由于这些历史信息的引入

即使f是稳定的

我们也不能保证估计误差的

这样一个动态

是我们想要的一个理想的动态

为了解决这样一个问题

我们需要对传统的观测器方法

进行一个结构上的调整

在这里

我们除了之前定义的增广状态

和增广的测量噪声之外

还要在这里定义一个新的

增广测量信号 就是拔yk

与此同时

把原来的观测器的第一个方程

后面的这个拔k乘以yk

中的这项yk换成拔yk

然后第二个方程

留成原来的那个

留成原来的写法不变

这个时候我们可以通过

设计这样一组新的参数

这个参数和返回控制的增益

都是相关的

用这种参数带入到

一个闭环的uio中

可以保证我们的闭环系统

估计误差和残差的动态

和之前直接带入uk的

开环方法的移步转移方程

都是完全相同的

也就是ek+1等于fek

后边都是故障和噪声的

一些线性组合

这个时候我们只要

把f设计的稳定性能足够好

就可以实现

性能良好的故障诊断

而在不考虑未知输入

dk的情况下

我们仍然考虑这样一个

离散形势下的pi控制

我们可以对

葛蔚（音）学长和方老师

提出的鲁棒集耦观测器

进行一个类似的调整

使得闭环系统的残差

和开环系统的残差

动态都是完全一致的

在原始的观测器中

拔k后面跟着也是乘以Yk

然后在我们这个闭环方法中

把这个y换成拔y之后

通过一种这种新的方式设计参数

这个观测器参数

仍然是和反馈控制qp跟qi

这两个参数是相关的

这个时候我们就可以实现

性能良好的故障分离

我们在这里访真

是验证了uio方法

在这里考虑了这样一个

含有两部历史信息的控制

然后得到的仿真结果图是这样

其中左边这个图是把

原始的经典开环uio方法

用在一个没有发生故障的系统中

大家可以看到

即使原系统没有发生故障

我们用开关方法得到的残差

也是一个发散的信号

这样一个信号显然是

不能用于故障诊断和分离的

然后右边是在我们设计的

闭环uio方法中

得到的残差信号

以及通过跑多次蒙特卡洛

得到的一个故障检测阈值

可以看到在21时刻

发生故障之后

它才会超出故障检测的阈值

实现性能良好的故障诊断

本章分别针对

含有未知输入和不含未知数

pi控制下的线性离散系统

分别研究了未知输入观测器方法

和鲁棒观测器方法的

闭环系统故障诊断

通过合理的

调整了观测器的形式

并重新设计了它们的参数

可以得到理想的

残差动态演化方程

并在最后通过仿真实验

验证了传统的开环方法

在闭环中可能失效的情况下

我们设计了闭环观测器方法

仍然可以实现故障检测功能

我的第二部分理论研究

是含模型不确定性

闭环系统的故障诊断

在这个问题描述里边

考虑了系统的移步转移矩阵

和控制矩阵中 都存在一个

范数有界的模型不确定性

就是大δk我们不知道

但是它的范数上界

我们是知道的

我们希望可以对

这样一类线性离散系统

设计一个形式比较接近

传统经典卡尔曼滤波

这样一个滤波器

通过设计这个增益大k

使得滤波器可以检测到

系统中可能故障的发生

因为在这样一个问题描述里边

我们这个模型不确定性

我们只是假设它有界

所以第一

我们不能通过构造

完全相等的匹配项

使得uk对于残差rk的影响

完全消除

第二是我们因为

模型不确定性的存在

不能像经典的卡尔曼滤波一样

完全精确地计算出估计误差方差

因此我们在这里边

考虑了这样一个

鲁棒最小二乘的指标

就是希望可以构造一组

可以计算的矩阵

使得这个矩阵

在每一步都是真实的

估计误差方差的上界

并且通过设计

这样一个增益大k

使得每一步这个上界最小

我们得到的结论是

如果我们矩阵的计算的起始条件

满足这样一个拔p0

和真实的p0是相等的

同时利用这样一个矩阵递推方程

可以在每一步计算大拔p

这样一个

下面是一些中间变量的值

然后我们就可以保证拔p

在每一步都是

真实的估计误差方叉

pk的一个上界

与此同时

我们可以通过z的转置

乘以y幂

设计这样一个大开

在每一步都可以使得

拔p是最小的

这个计算过程中

反复利用到了

三角不等式柯西不等式

以及我们之前假设中

关于模型不确定性的

范数上界的这样一些条件

可以得到这样一组形式的

矩阵递推方程

之后 我们将残差信号

仍然选为真实的测量

减去这样一个估计的测量

在没有故障的时候

我们可以通过之前的一些假设

计算得到残差信号

此时应该满足的一个

范数有界的条件

这个范数的上界

也是我们可以用递推方法求到的

这个时候我们就可以把

这样一个边界条件

作为故障检测的阈值

并且在之后

我们根据设计得到的

这样一个残差生成器

以及我们得到的

这样一个阈值条件

可以得到当k时刻

发生的故障fk

满足一个什么样的条件的时候

在k+1时刻

这个故障就可以被检测到

相当于是提出了一个

故障可检测的一个充分条件

在这样一

在这个部分的仿真里边

我们考虑了a和b的

这样一个模型不确定性

Δa 小δa跟小δb

都是一个有界的 有界的标量

这个时候我们在k等于16 时

考虑了这样一个加性故障

可以看到发生了故障之后

我们得到的闭环残差的范数

立刻超过了检测的阈值

那进而实现了一个

及时准确的故障检测问题

本章针对含有模型不确定性的

线性闭环系统

考虑了鲁棒最小二乘方法

下面的一个

闭环系统故障诊断问题

通过设计残差生成器增益

可以使得估计误差方差的

一个上届是最小的

并且根据所定义的

残差信号计算

得到了故障检测阈值

以及对应的故障可检测性的

充分条件

我的第三部分理论研究

是非线性闭环系统的故障诊断

在这个问题描述中

我们考虑了

系统移步状态转移方程

和测量方程中

可能发生的非线性环节

以ekf为代表的一类方法

在对非线性系统进行研究的时候

只考虑了其中的线性部分

这样 这种做法相当于损失了

大量的非线性动态信息

所以也有一些学者提出了

基于多项式逼近的一个

非线性处理方法

就是用更高阶次的非线性

去拟合系

用更高阶次的多项式

去拟合系统中

可能出现的非线性环节

但是我们通过奇数的

奇数展开的原理可以知道

如果当非线性性比较强的时候

我们必须要加和到

阶次为无穷的多项式

才能百分之百完全精准的

对多 非线性单元进行拟合

但是这一点在真实操作中

显然是不可能存在的

我们一定只能选择

阶次一定的多项式

去对非线性环节进行拟合

这样的话

即使是采用多项式拟合

仍然可能会带来一个

高阶的模型逼近误差

目前的多项式方法中

没有人考虑了这样一类

高阶的模型逼近误差

因此我这部分工作

就考虑了这样这样一个问题

将高阶逼近误差建模成了

含有模型不确定性的

低阶多项式进行表示

然后也在鲁棒二乘

鲁邦最小二乘的框架下

进行了残差执行器的设计

对于这样一类系统

只要g和h是高阶可为

而且满足下边一系列假设

其中每个矢量的中括号i

分别都表示他们的di阶

对于系统的初始状态

过程噪声 测量噪声

分别有这样一些假设

在没有故障的时候

我们基于矢量的多项式展开形式

可以把系统的状态

以及测量的高阶

写成这样一个形式

其中的大δ不管是x中

还是y中的这个大δ

都是一个未知

但是范数有界的一个矩阵参数

然后这个第二项就代表了

高阶的模型逼近误差

下面这个第二项也是这样

因为是对系统进行多项式拟合

所以它的参数形式

可能复杂一些

之后我们对于状态和测量

都进行一个增广

就是把他们的一直到

μ是我们选定的

用于进行多项式逼近的

这样一个阶次进行一个增广

写成一个长向量

可以把原系统写成这样一个

含有范数有界不确定性的

这样一个移步转移方程

之后 我们仍然是利用

之前已经提到过技术手段

希望可以设计

这样一个形式的残差生成器

在鲁棒最小二乘指标的前提下

首先找到一个

估计误差方差的上界

仍然是给定一个初始条件

然后用上面这个方程

进行一个矩阵递推

就可以保障拔p在每一步

都是对于之前增广状态

估计误差方差的一个上界

而且可以通过设计大k

是z的转置乘以y幂

在每一步都可以使得

这样一个拔p是最小的

之后我们仍然把残差信号

选成这样一个真实测量

减去估计 减去估计测量

在没有故障的时候

残差信号都是满足

这样一个不等式

这个不等式在给定数值的情况下

可以递推计算

然后这样一个值

就可以用作故障检测的阈值

并且根据我们这样一个计算

得到的阈值 可以得到

K时刻如果有故障发生

那么fk满足

下面一个不等式的时候

K+1时刻

这个故障就可以被检测到

其中左边是一个

跟fk有关的量

它是好多个量平方和

然后外面再开根号

其中的每一项都是一个

和故障负值相关的多项式

也就是说这个式子

虽然形势比较复杂

但是如果真实发生了故障

是可以带着去验证这个方程

是否 是否成立的

这部分仿真考虑到一类

x乘以sinx的这样一类非线性

非线性系统

然后下面是k大于20的时候

发生了这样一个加性故障

然后蓝线是阈值

红线是发生故障之后

这样一个残差的范数

可以看到21时刻

残差的范数迅速增加

我们就检测到了非线性系统中

这样一个故障的发生

本章针对一类

可危的非线性系统

考虑了基于多项式逼近的

故障检测问题

利用了一个给定阶次的多项式

对原系统的非线性动态

包括移步转移方程和测量方程

分别进行了逼近

同时考虑了高阶的模型逼近误差

最后根据所定义的残差信号

计算得到了故障检测阈值

以及对应的

故障可检测性充分条件

我的第四部分理论研究

是含有不理想测量的

非线性闭环系统故障诊断

在这里面为我们考虑

这样一个离散系统

其中这个非线性环节

满足局部的条件

然后不理想测量这里

我们考虑了两种情况

一是 事件驱动传输

如果我们当前的测量

Yk+z的第i个分量

和上一个被传输出去的测量

yk的第i个分量

满足这样一个不等式的时候

我们这个分量才会被传输出去

否则就不传

与此同时

一个量被传输出去之后

还要受到对数量化的

这样一个经典量化方法的影响

而这个时候

我们考虑这样一个形式的

故障检测滤波器

先对状态进行增广

之后 对于干扰和状态

干扰和故障也进行一个增广

可以得到这样一个新的

增广系统的一个动态演化方程

因为这个系统是实变的

所以我们在这里边

考虑一个鲁棒指标

是在有限时长内

提出了这样一个指标

我们只考虑从第0步到第

大n减1步之内的这样一个影响

其中这一项相当于是

系统初始值的影响

然后 第二项则代表了

这大n步之内 噪声干扰的影响

其中大r和大γ

都是事先给定的一个率先水平

直接研究这个大j

我们希望它小于0比较困难

因此我们在这里提出一个

中间性能指标就是拔j

这个拔j这个形势会复杂一些

但是我们通过计算

可以发现这个j始终是

小于等于拔j的

因此 我们如果希望

设计一组鲁棒故障检测滤波器

使得拔j小于零的话

只要我们可以j小于0的话

我们只要保证拔j

始终是一个负数就可以了

为了保证拔j是负数

我们定一个经典的二次函数

就是x转置乘以大p乘以x

然后进行一步步 从第0步

到第大n部的前向差分

我们可以得到

使得拔j可以小于0的

一组充分条件

这个充分条件是以下这样一个

差分方程

和大p相关的差分方程

它存在解

满足每一步的大Ω

这是一个和大p有关的量

它每一步都是正定的

与此同时

我们计算最终停下来的初始值

P0是小于我们之前给定的

有限时长那个鲁邦指标

γ平方乘以大r的

这个时候 我们就可以保证

拔j小于0这件事情

是可以通过机设计一个滤波器

使得它成立

然后接下来我们就要考虑

我们要怎么设计这样一个大k

使得这个把这是小于零的

这个时候 我们考虑使得拔j

最大的外部干扰

以及如下形式的这样一个

二次型的费用函数

我们可以得到滤波器增益的

设计策略

接下来我们得到了

一个滤波器设计的方法

除了要让之前与大p有关

反向递推Riccuti方程成立之外

我们又设计了一组

新的二次型函数

就是x转置乘以大q乘以x

然后再重新进行一遍后相差分

我们可以得到

如果下面这样一组差分方程

在每个时刻都可以保证

这个大Σk它是正定的函数

那么这个时候

我们就可以设计滤波器增益

大k用这样一个形式来表示

这个时候我们就可以保证

拔j是小于0的

也就是可以实现

我们有限时长内的一个鲁邦指标

在这里边考虑了这样一个

三维状态两维测量的

一个非线性系统

在k大于等于25的时候

发生了一个加性故障

可以看到在k2等于26之后

我们得到的残差信号的

范数的负值

是超过了故障检测阈值

本章考虑了一类

含有事件驱动传输

和量化现象的

实变非线性系统故障检测问题

提出了一个有限时长内的

鲁棒指标

建立了这个指标

可以满足的充分条件

并设计了滤波器参数

我的最后一部分工作是

对于三容水箱系统的

泄漏故障诊断实验

用到的是德国生产的

Dts200三容水箱系统

这个是三容水箱的实物图

然后右边是

网络化控制系的实物图

下面是三容水箱系统的

一些系统参数

我们首先是要选一个工作点

针对三容水箱系统选取了

这样一个形式的稳态工作

然后首先在工作点附近

先线性化

然后在t等于1秒的前提下

进行离散化

可以得到移步转移矩阵

控制矩阵和测量举证

分别如下图所示

我们选取的输出反馈控制

这两个qp跟qi

都是自己调出来的

就是可以使得三容水箱的

真实液位

可以很好的稳定在工作点

而qp跟qi都是负数

一个负反馈

在这样一个系统里面

因为状态的维数是三

但是我们真实可以测量到的

水箱高度 只有第一个和第三个

所以我们基于鲁棒观测器方法

可以得到开闭环鲁棒集耦观测器

都是c3取一 就是个有3个

在理想情况下

这样葛蔚的策略是

第二个观测器对第二个部件

也就是第二个状态的故障

是鲁棒的

对于其余部件的故障是敏感的

利用这样一个策略

可以实现故障分离

我们做了两组实验

首先是系统达到

前文所述的平衡点之后

在326秒

将水箱一的水阀开度

增加大概是30度

得到了三组残差信号

分别如图所示

其中的蓝线是我们用

闭环观测器方法

闭环鲁棒解耦观测器方法

得到的残差信号

然后红线是传统的开环

鲁棒解耦观测器

得到的残差信号

分别如123图所示

第二组实验是在

系统达到稳定平衡点

421秒之后

将水箱二的水阀开度

增加大概是50度

因为那个水箱系统的

水阀开度都是没有刻度的

这个只能拿手估计着调

得到的三组残差信号

分别如图所示

跟之前那组一样

也是 蓝线是我们设计

得到的闭环方法残差

红线是开环方法得到的残差

以第二组 第二祖残差为例

因为是水箱二

发生了这样一个泄漏故障

所以在理想的情况下

我们应该是希望

在发生故障之后

残差二的信号是维持原状不动

在零点附近波动就好

然后残差一和残差三

都发生一个明显的变化

进而实现故障的检测和分离

但是 在这两组实验中

我们希望发生变动的残差

我们用闭环方法

得到的残差的变化负值

都超过了开环残差

然而我们希望在零点附近

维持不变的残差中

闭环残差的变化负值

都是比开环残差要小的

也就是说闭环残差的

故障检测和分离的整体性能

是比开环残差要优越一些的

最后对本文进行总结与展望

论文的创新点包括以下几点

一 是针对一类离散pi

控制下的线性系统

研究了故障诊断问题

合理改变观测器结构

并且重新设计参数

得到具有

良好动态演化规律的残差

二 针对一类存在

模型不确定性的闭环线性系统

研究了故障诊断问题

基于鲁棒最小二乘指标

设计了残差生成器

并设计了故障检测阈值

分析了可检测性的充分条件

三 针对一类

闭环可为非线性系统

研究了故障诊断问题

考虑到了高阶多项式的

模型逼近误差

并且优化了估计误差方差上界

设计故障检测阈值

并进行了故障可检测性的分析

四 针对一类含有不理想测量的

鲁棒非线性系统

闭环非线性系统

研究了故障诊断问题

提出了有限时长内的鲁棒指标

设计了滤波器参数

最后 基于真实

三容水箱系统的泄漏故障

对比了开闭环鲁棒观测器的性能

说明了所提出闭环方法的优越性

未来工作展望

可以包括以下几个方向

首先是控制量对于故障诊断

精度影响的一个定量分析

也包括闭环反馈和故障

有的时候会相互作用

目前还没有考虑

此外 闭环系统下

微小故障和间歇故障的诊断

也都是待解决的难题

最后是 以上方法

可能还是比较拘泥于纸面

还有待于在真实工业系统中

做进一步的应用推广

这个附录是我已经

发表录用的一些论文情况

这一页是一些期刊文章

然后下一页是

已经发表和录用的一些会议文章

在这里感谢朱老师

感谢课题组 各位老师同学

在我读博期间 对我的帮助

以上就是我今天的汇报内容

请各位老师批评指正 谢谢