问答及答辩结果在线视频

下面是答辩委员会委员

和到会的委员可以提问

问两个问题

我问一个你回答一个

一个是 就第二章你

你不是

你讲的那个开环和闭环的区别

既然控制器带到那个

带到那个开环里边去

这个实际上因为一个假设就是

控制器的输入不知道

如果控制器的输入知道的话

就没必要做这件事情

因为你还是可以用u和y

之间的关系

那个和原来没区别是吧

你带到里头去

按闭环来

来那个算它的残差的动态特性

就意味你假设

u是不知道的

是不是这样的

确切地说 应该相当于是

u这个值没有用

因为那个u跟y的

这个反馈控制增益

我们假设其实是已知的嘛

而且在那个设计观测器

如果要是u是知道的话

那不管是开环还是闭环

你依然可以用原来的

那个前向通道的模型去算残差

不管在有没有那个

反馈控制器的时候

用u和y算出来的

残差发生器的动态特性

是不会变的

如果直接带y的值的话

对对对 是这样没错

所以我的问题就是

你之所以现在不用这个u

从物理上来说是不是意味着

你假设那个u你不知道

我觉得说不知道

应该不是太精确

因为我们在观测器里面

其实还是用到了y

而且与此同时用到了

u跟y之间的那个增益关系

就是我们u其实是

可以复现出来

不是 但是就是那个问题

就是因为你之所以会产生

原来的动态特性

和闭环的动态特性的区别

之所以产生这个区别

就是原来用的是

u和y之间的关系

然后现在 你有了闭环之后

u和y通过那个反馈控制器

有了一个新的相关性

然后你把这个相关性

带进去以后 所以u就没了

但是这时候整个的

动态特性不变

实际上是开环特性

和闭环特性之间的一个区别

对对对

但是你要做这件事情

从物理上来说

就是你放弃了用原来的这个u

而我觉得之所以要解释这件事情

就是一定是物理上的原因

导致在闭环的情况下

那个u你不知道

或者说有什么问题

你认为它不可靠还是怎么回事

得有这个物理原因

你才会放弃这个u

否则的话 你就没有必要去

把那个整个闭环方程带进去

因为那个更复杂

谢谢于老师

这个问题我是这么想的

首先是我们如果只把

像最原始的开环方法

直接把uk的那个数

带进去的话

相当于我们自始至终

就没有设计到任何有关

闭环动态的一个问题

就是反馈 反馈控制

不管设计成什么样的

其实都不会对故障诊断

产生任何影响

然后这样的话 就相当于是

确实是没 相当于是没有考虑到

反馈对于故障诊断的一个

一个机制

我觉得周老师之前

也是希望我把那个反馈控制率

而不是控制量带进去

就是想看看我们如果只是

对 没错

你说的这是对的

就是反馈控制率带进去以后

整体上在闭环系统

它对它是有影响

但是 带的前提是

你不愿意用这个u

如果要用了u的话

反馈控制的影响是

确实是它会让那个

y的变化比原来小

就是因为那个有反馈的作用

然后有

就更稳定嘛 对

y的 y的变化确实比原来小

但是u和y之间

前向通道的关系是没有变的

因为因为前向通道

就是在开环和闭环

都有故障的时候

u和y之间的关系是没变的

所以 现在讲

开环和闭环之间的关系

可能非常重要的一点是要

强调这个时候 u

不可靠

也许不能直接测量

就比如说反馈控制单元

和故障诊断单元之间

不在一块

对对对

有可能比如说或者说

规模比较大

是从网络传过来的

或者是那个执行器的输出

u无法完美的复现那种

就也许有有一些假设

是认为即使控制器的输出

你是知道的 pid算出来的

但是这个设定这个值加到

执行单元就不是那么回事

对 真正执行单元的

u是不知道的

或者说你在前向通道的模型里

就没有包括这个

执行器的动态特性

所以你是执行器的输出

到传感器的输出

这个作为前向通道

那么这些都可以解释

U不知道这件事情

但是我的意思就是

你可能要强调一下

你这样做的前提是u不知道

否则的话就u直接用的话

就没有这个问题

就是u在真实系统中

可能未知或者不可靠

对 就如果你要认为

U是可靠的 知道的话

就不会产生这个困难和区别

如果是精确模型

应该可能是没问题

跟前分动态的时候一定有问题

所以 所以就是说你要强调这一点

好谢谢老师

还有个问题

然后还有一个就是

就是我在那个审稿意见的时候

其实问了

就是三四

二三四 第二章三四五

三四五

反正就后头那个

两种非线性的

就是有什么区别

有什么区别对对对我记得

就从刚才来看

为什么你那个在第一种方法里

碰到的带这对控制器

和不带是有区别的

这种现象在后头几章里

就没再提

那在那在那几章里面

你的闭环的困难主要体现在哪

就是如果以第三章

那个带模型不确定性为例吧

就是如果只是考虑那个

鲁棒最小二乘的话

肯定开环和闭环

都是要进行一定的缩放

然后分别去找上界

然后设计残差生成器

去优化这个上界

这个大思路肯定是一致的

但是我们

用开环控制和闭环控制

我们得到的那个上界的

表达式和残差生成器

增益的表达式

这个肯定都是

这个肯定是不一样的

因为反馈控制增益

会显示的体现在这个

上界和增益里面

那我可能没看清楚

你比如说你就随便找一章

看一下就是那个反馈的

那个增益 是体现在最后哪个

就比如说 这个就这一章就有

然后这个反馈增益不是大h嘛

然后这个

大h

对大h 就是那个这

就是这个范围中

那那我没看见

然后这个就会直接显示的

体现在扒p的计算和后边这个

和这个大k的计算

那个我没注意到 这没问题了

行 没问题了

对 您提的这个问题

我在大论文里边

这个有加说明

谢谢老师

最后提个问题

祖老师你好

你好 就放到这一章的第一页

您指的是这个

就这一个 我看你那个方差的

再往下走一点 还在下来

在下面

就这个

这个pk的话是这个方差

那个pk0的话

就应该k等于零的时候

它的值对吧

对

那你在计算pk拔的时候

是要用到这p0的

对 这初始值还是要用的

你怎么算的

你回到刚才那上头去

这个怎么算

你说pk0吗

对

通常都是假设系统的一个

初始分布服从一个

就是系统初始状态

分别服从一个什么

对对对

假如说

做一个假设

对对对 要做一个假设

这个可能在这个ppt里面

我显示在写出来

你那个仿真里头

也没有交代这一点

对吧 一会再说仿真

然后你这个结论

是这个初始条件p拔0等于他

对对对

就我们假设p0是知道的

能不能放宽到大于它大于它

但其实可以

但是会增加后续

一系列计算的保守性

不会 保证不会发散

如果p0初始值选择很大的话

还是有发散的可能

就是这个拔p0比p0就是

大的越多肯定是整体来讲

这个保守性越小

因为这个保守性在

递推计算过程中

它是有一个累加的

你后面是正定的 是正定

对 正定这个是可以保证的

或者说给它等于把

那个p0加上一个东西

有个δ加到后头

就是你不是 你因为要等于它的话

有可能就说估计不准了

你说假设

你的状态的那个初始状态的

平方差做那个假设可能不准确

那么有一个误差的话

就加 比如说是p0加上δ

放进去 这个δ会发散掉吗

不会吧

应该不会影响发散性

或者是有界性

但是肯定会增加拔p的保守性

保守性

对对 保守型

这个肯定是会增加的

你如果初始值再加一个正定的话

这个是肯定有的

明白 那个你看到你那

我看你这个仿真

就这一章的仿真

对这个仿真可能不是

仿真的话 那个δaδb

好像都特别小 好像

你看δa的话 相对于它那个

a里面的值的话 是负四

δb的话 相对于b里头的值

靠负六去了 对吧

你看 你看a里面的值

差不多是一嘛 对不对

就只有对角元是一

其实非对角元还是挺

还是比较小的

对 但是你这个δ是没结构

没有没有那个

δ元 那个对角元也有变化

你看有一嘛 对吧

对 对角元变化可能小一点

对这个其实也是那个

你做过大一点的没有

就说你这个

就说我放到负二行不行

效果不太好 但是还能做

然后之所以选择这个

10的-4也是这个

这个系统其实也是拿那个

三容水箱系统

然后 另外找一个工作点之后

就是这是一组真实参数

哦 你估计出来的

对对对

因为真实的三容水箱系统

那个水面其实是

始终在上下波动嘛

这个不太准

然后那个真实的模型

未建模动态

大概也就是这个样子 对

因为你用δaδb去

估计那个界的话

那肯定是保守

对对对 保守性还是比较强

所以你可能

你要基于那个条件去推

可能推出来的这个值是特别小

但是你要实际中去用的话

有可能可能比较大

不满足这条件也能用估计

对 如果是模型不确定性

更强的话

可能那个故障检测阈值什么

可能还要做一些额外的处理

之前现在这个方法

可能还是保守性确实强一些

对对对 谢谢叶老师

好 刘洋

那个 我看了你的这个成果

特别是在automatic也发了两篇

然后还有其他的这个

hrve的会刊的论文

所以那个做的成果很好

谢谢祖老师

特别是对闭环系统和非线性来说

我也做一些研究

确实 非常非常的难

既然取得这么好的结果

我的问题是

和叶老师刚才问的有点

接着叶老师的问吧

就是说 你刚才讲了

因为你提出了你的

但是从线性系统来说的话

第二章和第三章

你提出了你的这里边的

创新的方法

和原有的已经有的

开环相比较

从仿真来说结果

也验证了是非常好的

我想从理论上来说

我想听一下这个

你的理解 就是说

第一 叶老师刚才说过

就是说如果是u是已知的

没有模型不确定性的话

肯定

我们就完全可以去实现这个

输入的权解o

但是如果是有不确定性的话

我想你从这个方法来说

因为你是把这个控制的规律

在这儿来说 是带入进去

对对

控制规律带进去

相当于这就是一个

已知的一个闭环的系统

对 相当于是针对闭环的一个动态

就针对闭环的

对对对

我想理解一下我想问一下就是

你觉得从和传统的

故障诊断方法来说

你的最大的优点在哪里

就是方法上来说

你做了哪些更多的

除了就是带入规律

然后对这个问题的理解吧

或者是 我不知道我说的

就是有点是不是不太清楚

您是指就前面那个

模型不确定性线性部分

还是指非线性那个

线性的 就线性的来说

我觉得就是因为

如果我们那个b后面

加了一个δb的话

这个时候我们就是不得不去考虑

从测量输出到反馈控制之间的

这样一个关系了

然后与此同时 一些基于

精确模型下面的

各种观测器方法

这个时候就不太好用

就比如说需要集耦的时候

我们就是没有办法集耦

因为模型不可

那你把这个u的规律带进去了

还有没有其他的手段

但这不影响你的论文的

你已经取得很好的结果了

我只想你对这个问题的

想听听你的这个

目前来讲

对于模型不确定性这部分

闭环带来的问题

就是我们在

因为还是用那个

鲁棒最小二乘比较多嘛

就是有这样一个uk

然后与此同时前面有各种各样

模型不确定性存在的时候

我们相当于是在计算

估计误差方差的上界过程也好

或者是想去优化这个上界

计算这样一个

残差生成器增益也好

我们需要考虑的量都更多了

如果单纯从数学角度上是这样的

然后进一步的是

这个工作目前没有做过

我觉得以后也是

一个很好的拓展

我们可以通过这样一个

比如说拔p的表达式

或者是k的表达式去分析一下

我们在这里边反馈控制增益

对它们的影响会在哪里

与此同时那个模型不确定性

对这个故障诊断精度

肯定是有影响的嘛

我们要提一个定量的指标

去看看这个模型不确定性

大 如果增大了百分之一

那么我们的故障诊断精度

可能会下降 或下降百分之多少

或者是多少

这个就是有一个定量的

故障诊断精度研究的

这样一个问题

这个我在后面

总结展望里也写了

我觉得这个应该是

后续的一个

有待进一步解决的方向

然后目前我维持

我就只是把这个方程写出来

然后这个方程里边

隐含的一些数学特征

这个应该还有待进一步发掘

主要是

第二章没有

因为有模型不确定性的话

这几个观测器方法

应该是都不太 不太行

就是鲁棒

就未知数观测器不适用于

有模型不确定性的情况

如果可以对模型不确定性

有一个方向性要求

整理成未知输入的话

对对对

Uio也许还能用

但后面的那个鲁棒性观测器

如果没有发现问题

它是不适合它的

它就完全不行了 对对对

对 祖老师您说的对

好 大概我就没了

谢谢祖老师

好 我的

我的问题就说

唐老师好

就是你这个 在线性系统当中

做了两个 两方面是吧

一个就是针对模型是精确一致的

对

模型全都知道了

我通过观测器的方法

观测出来 然后再进行比较是吧

对

然后第二章 第三章

你又做了一个就是

稍微对这个参数进行

有一个扰乱 对参数有扰动对

这个扰动还是很小

是吧就是这个

现在我就想知道

就是如果这个模型

建模本身就不是很精确

有没有什么好的办法

就针对线性系统

非线性系统肯定是很难的了

就不说了

就是针对线性系统

如果参数的建模又不是很精确

有没有什么比较好的办法

去对付

就像你这种的有没有办法

其实我的这第二种方法

这个鲁棒最小二乘

即使是这个模型不确定性

比较大的话

是 刚才周老师也问你

那个这两周老师都问到了

周毅生（音）老师也问到了

你那个相当于不确定

还是很小的 对吧

对 这是仿制时候没敢加太大是

做 就是仿真做的

是很小的一个

对 加的不大

但实际 实际系统的

如果要是不确定性的话

带来整个模型肯定是不精确的

是 很程度很大的是吧

就是你现在有没有别的办法去

去对付它

你比如精确模型

我用这个观测器观测出来

对对对

然后这个有一点小的偏差

我也可能应对

用你的办法也可以应对 对吧

如果这个这个偏差大了一点

或者是这个建模

不是那么精确的话

考虑过没有

有没有什么办法去对付它

其实目前的这个

鲁棒最小二乘方法

即使是模型不确定性

比较大的话

这个有一个弱点

和传统经典卡尔曼比较像

就是我即使噪声的方差特别大

我也可以算出一个数

但是这个估计效果怎么样

就完全不能保证

这个传统卡尔曼滤波

在应对噪声的时候是这样

我的这个方法在应对

可能出现负值比较大的

模型不确定性 可能也是这样

所以如果您说的

模型不确定性特别强的话

可能需要对目前的这个方法

首先是方法可能要调整

比如说用那个强跟踪滤波

那个就可以很好的估计一些

突变的突变的动态

与此同时有很 有很好的集耦性

然后另外可能就需要对于

这样一个模型不确定性

有一些更具体的假设

可能还好操作一点

比如说如果有一些

方向性的信息

我们可以先

即使不能完全集耦

先部分集耦 进行线性变换

现在目前这么做的人也比较多

就是把原来的那个z分成

模型可能 模型不确定性

有影响和没有影响的两部分

分别进行 分别进行估计

这样的话可能会比

现有方法精度提高很多

但是那样的话

肯定是计算过程要更加复杂

与此同时

对于系统中的已知的参数部分

和未知参数部分前的

这样一个系数

可能都需要有进一步的假设

比如说类似满秩之类的

那才能 才能做那种线性变换

也不是所有系统都能做

这个也要看已知信息是多少

我还想再了解一个

糖老师您说

就是你在非线性这里面

你也考虑两个问题对吧

就是两方面的事情

做了一些研究

对

中间用到的 我看有的是

就是阈值的一个处理

就是超过这个阈值之后

我这个系统是怎么样

这个阈值选取有没有什么办法

因为你这个阈值

直接关系到你这个这个

故障检测精度

故障检测的结论了就相当于来说

实际上有很多

你这个阈值设置的不好

可能还有个误 就是这个

误报 漏报 对对对是这样

那怎么办 这种有没有什么办法

这个阈值的这个给一个说法

其实这个阈值计算的时候

之前有我在大论文

评审老师里边也

也曾经讨论过这个问题

目前 目前来讲

尤其是非线形这部分

可能我现在的这个阈值

确实保守性比较强

因为在这里边阈值的选取

不仅包含了噪声所带来的

阈值的变化

同时也包含了我的多项式逼近的

模型逼近误差

也可能会带来这样一个变化

所以我想在真实的

如果应用于一个真实系统的话

我们可能现在这个方法

保守性比较强

那么一个可行的策略是

假如说有一个非线性环节

我们用

给定近的似多项式进行逼近

我们通过多次实验

我们大致是可以知道

模型逼近误差

我们超过

超过一个置信区间概率的

这样一个值大概会是多少

比如选99%或者97%

然后我们就不再用100%的

这样一个可能

很保守的值去带进去

而是用一个置信区间

与此类似的

我们如果能够对模型的噪声

或者是高阶逼近误差

有一个更精准地刻画的话

这一章我在之前

其实也有一个比较强的假设

就是我假设这个

所有造成的高阶

全是有限的

这个显然也不能去描述一些

比如说高斯白噪声这个

可能负值会跑到无穷去的情况

但是如果我们对于系统

有一个更准确地刻画

比如说置信区间

我们就可以对应的

首先是我们就可以处理

负值可能跑到无穷去的

这样一个噪声

就大不了用97%砍

或者是99.7%砍掉Σ

然后我们用这样一个

含有置信区间的这些新的上界

我们可能就会得到一些

漏报率没那么高的

保守性没那么强的

故障检测阈值 故障检测方法

对对

就是有更精确的数学刻画

会好很多 谢谢唐老师

开头那个地方

第二章 您指这个还是

这个对对 这块

你这个δ

就刚才那个

这个

对 这个δa

你看底下的界是那样子的

这个的话 是一个

相当于是谱范数对吧

对

然后你看你那个例子里头的话

又后面又带了一个矩阵

对 你看δ 大δa

后面有一个矩阵

那个矩阵的信息你没用

就是小δa后面成了一个1010

那些矩阵 那个信息是没用的对吧

这个可能 可能

别看具体的没用

在你那些界 对没有用到

就这个句列

你保证它的范畴是一嘛

如果不是一的话那他

这个不是一

这个可能是ppt里没有显示出来

对对这个符号可能没用对 对对

这个 这个信息的话

你其实没有用它

你知道里面有0 但是没有用

在你的这个 对吧

我是说你这个不确定性

没有考虑它的结构信息

对对对对 这个对对对

对 范数的话是保守的

你像这个矩阵的话

其实在你这个描述里头

可以加进去的 就是δa

写成一个dδe δ是不确定的

de是知道的

这样的保守性可以下降

明白了 明白了

对吧 就是所谓的结构信息

结构信息 对对对

对 就相当于你这里就是

这些0 1是知道的

把它用进去

明白了 就包括这个δb里边

这些比例关系

其实都可以降低保守性 对对对

到时候δa不可以

假定它的范数等于 小于等于一

也是可以的 对吧

您说的对 您说的对

这样的话可能就好一点

谢谢祖老师

还有一个那个延伸的问题

叶老师您说

就是你所有的那个

反馈控制率里头

实际上假设那个setpoint是零

就setpoint没变

因为你都是说u和y

之间的反馈的关系

对吧 就等于设定值没变

实际上那个所有的

这种基于模型的办法

就先说那个原来开环的那个

U起两个作用

一个好的作用是u变化了之后

它才驱动着y变

这两个都变了 你才能看到那个

体现出对象变化的这种关系

如果u始终不变的话

你就相当于没激励

就有故障你也看不出来

对吧 因为输入是零

当然 如果是叠加

反正是u会起这样一个作用

但是u起的坏的作用是

正常的u的变换

也导致输出变换

所以你要设计那个

残差发生器对u去解耦

这个是 开环是这样的

我要问你的问题是在闭环里头

如果你那个setpoint不是零

而且实际上

在很多的闭环系统里头

你像那个工厂那个设定值

经常是要变的

那根据产品的质量指标的要求

什么那个原材料的变化

它可能工矿就是这个

稳态工作点要变

那如果这个r是变的话

你已经变成了一个

完全的闭环系统

你是不是可以用

跟原来开环一样的办法

把那个r看成输入

把y看成输出

这个时候 你把那个对象

整个看成一个闭环系统的时候

是不是就没这些麻烦了

考虑到系统变工作点的话

不是 就是

就是实际上这个问题就是这样

如果你 你就把它

闭环系统整个看成一个对象

R是输入 r是输入y是输出

这时候就没有闭环的事了

对 然后跟你

是不是你现在的工作

如果扩展到那儿去的话

会有什么问题

那就是相当于把整个闭环动态

全都包进去了

对 你本来现在也都包进去了

对对对 现在现在是

因为你现在假设r没提供信息

如果r要是变的话

R当成一个信号

那个r不是你这个残差

是参考输入

参考输入我知道

就是y减去y无穷

就类似这种东西

就是实际上应该是那个

反馈信号是

应该是可以

是外界 对

如果那样的话

可能跟你现在

定义的问题不太一样

而且那个 你现在跟一般的

那种数据驱动的那个

反馈系统相比 你还有一个优点

因为就是数据驱动的办法里头

为什么反馈会引入麻烦

是一般不知道那个

反馈率是多少

就是 他们是知道r

就知道设定值 然后知道输出

然后它通过辨识的办法

去辨识这个闭环系统

但是 这个闭环系统拆不

拆不开开环和闭环两部分

就因为里头一些可辨识性的问题

所以 它们是必须得混在一块

你现在实际上闭环的规律

就是反馈的规律 你是知道的

所以当你把它看成

一个整个对象的时候

那个时候它是不存在闭环的事

你原来开环的办法是可以用的

但是同时 你又能把这个

动态特性进一步的给他拆开

拆成前向通道和反馈通道

虽然里头会有

不确定性的这些影响

一旦拆开之后

你可以把将来故障的这些东西

再进一步细化的归类到

前向通道的哪一部分

就原来数据驱动

因为它不知道

哪个是前向哪个是反向

所以它只能说闭环里头

大概是有什么事儿

但是闭环里定了事以后

它定位不到开环的那个系统

因为它两个通道分不开

但是你现在的这个假设

其实这个困难是没有的

所以将来也许

我觉得这个问题是值得考虑的

您说的那个参考输出相当于是

参考输入

参考输入 参考输入

就是我在模型不确定性

这个其实之前做过一点

就是那个y不仅是

针对零是一个稳态工作台

后面还减了一个y reference

就类似这样一个过程

对

然后那个如果y reference

离零点比较远的话

因为我们考虑了一个

控制矩阵的不确定性

然后这个δb和那个

reference会乘以在一起嘛

然后 所以那个值如果很大的话

在我这个框架里边会把这个

保守性会提的非常高

这 这个我之前试过一次

然后效果非常非常不理想

对 那就是说

这是一个值得考虑的问题

因为现实里头

y reference是变的

对对对

行吧 那我不再具体讨论了

好 谢谢叶老师谢谢叶老师

我要给你问一个问题

咱们这个闭环的故障诊断

的确是很难

这全世界 就没有任何人

系统性的做过研究实际上

实际上一本书都没有

大家你看不到一本

有关闭环诊断的书

所以让你做这个事 做了六年

当然从上课开始 算做五年吧

做出这个结果 还凑合

但是 跟我想象的相比

不是 不是一个划时代的成果

比如说人家那个做鲁棒

自适应控制 rose

人家一搞 搞出来

假如说那cdc会议发个文章

就说 怎么说呢就说

我发现 以前到我现在为止

所有的有关自适应控制的方法

线性系统

在存在未建模动态的时候

都是错误的 一定都不好用

你就没说出一种这种这种话来

对吧 你能不能说

在闭环下就线性系统嘛

当存在未建模动态的时候

有关以前到现在为止的

四十多年的故障诊断

观测器类的状态估计

这一类的故障诊断方法

全部都是失效的 你就没敢说

对吧 你这个

你要是做出划时代的事

就厉害了

这种事你没做出来

理论性也不是特别强

你看 这四章对吧

足老师说的对

我感觉还得深入研究

对吧 因为这个

闭环这玩意太复杂了

这个东西 一旦引入了闭环

实际上从本质上机理上来讲

比如说多变量的引入多个闭环

实际上 它把后面的那些

搞到前头去了

它就解耦 解耦我就耦合起来了

故障在互相传播很快了

尤其很多闭环互相一串

串糊涂了 串乱了

你还能不能

能不能研究它的这个传播机理呀

怎么回事 怎么研究研究

就多变量系统下

多个闭环下故障是怎么传播的

那么从基本上原理来讲

有了闭环 肯定就是说

对这个噪声

对这个扰动有抑制作用

大家全都知道一闭环就肯定

那小的故障不太好检测了

想想 这谁都知道想想

但是说 从定量的理论上

你要能做点什么东西就好了

对 就是关于故障

故障诊断性能分析 这部分

对对对 故障操作机理

有点定量的东西 目前还没有

对对 目前还没有

然后刚才我说的 你能不能

说像rose这样

鲁棒自适应控制一样

划时代的说说以前的

全部都是是失效的

我可以举反例

我当时想想 想你要

能做出这种东西来

震惊故障诊断界

他们都搞糊涂了 就跟着你跑了

对吧

这种事你最后还说的

都比较保守 都没有

一般性的结论没敢说好像是吧

你 你没敢说

你说 你没敢说

刚才我说的这个 是不是

到现在为止

就是大批量的否认前人的成果

你说 在存在未建模动态的时候

基本上都是失效的

不是基本上 全部是失效的

你举一两个反例

谁要拿出来不失效给你看

这种事 你还没敢干

是吧 下一步我们再继续研究

论文研究了基于模型的

闭环控制系统故障诊断问题

选题具有重要的理论意义

和应用价值

论文取得的主要创新性成果如下

一 针对含有未知输入的

闭环线性控制系统

提出了基于观测器的

闭环故障检测

残差发生及设计方法

提高了故障检测的性能

二 针对含模型不确定性的

闭环线性控制器 提出了

基于误差方差上界估计的

故障检测阈值设计方法

设计了故障检测滤波器

给出了故障可检测的充分条件

三 针对一类可为

闭环非线性控制系统

提出了基于多项式近似描述的

故障间隔方法

设计了残差发生及争议

计算了故障检测阈值

进行了故障可检测性分析

四 针对一类含不理想测量的

时变闭环非线性控制系统

给出了有限时间阈内

鲁棒指标解存在的充分条件

提出了残差发生器的设定方法

基于仿真实验 或三容水箱

泄露实验 验证了

所批防滑的有效性

论文工作表明 作者在本学科领域

掌握了坚实宽广的基础理论

与系统深入的专门知识

独立从事科研工作的能力强

论文结构严谨 思路清晰

书写规范

答辩过程中阐述清楚

回答问题正确

经答辩委员会五人无记名投票表决

一致同意通过论文答辩

建议授予刘洋工学博士学位

并一致同意推荐参评

清华大学优秀博士论文