×
刘子星;王紫云;王燕;季志成

基于约束区域卡尔曼滤波的传感器故障估计。 （英语） Zbl 1525.93452号

国际J鲁棒非线性控制 31，第12号，5984-6006（2021）.
摘要：为了解决具有未知但有界噪声的约束系统中传感器的加性和乘性故障，分别设计了基于约束分区卡尔曼滤波器的加性传感器故障估计器和乘性传感器故障估计器。在故障估计过程中，系统的状态包含在由约束分区卡尔曼滤波器估计的分区集合中。故障检测是通过判断系统输出的真值是否在其估计分区集的上下限内来进行的。一旦系统中检测到故障，可以使用相应的传感器故障估计器来估计加法或乘法传感器故障，并分别获得相应的分区集和区间集。最后，通过数值仿真和实例仿真，对所提出的基于约束分区卡尔曼滤波的故障估计器和基于分区卡尔曼滤波器的故障估测器进行了比较分析，证明了所提算法的可行性和有效性，并从保守性的角度说明了该算法的优点。
｛©2021 John Wiley&Sons有限公司｝

引用于1文件

MSC公司：

93E11号机组 随机控制理论中的滤波
93E10型 随机控制理论中的估计与检测

关键词：

约束;故障估计;传感器故障;分区卡尔曼滤波器
PDF格式BibTeX公司 XML格式引用
\textit{Z.Liu}等，国际鲁棒非线性控制31，No.12，5984--6006（2021；Zbl 1525.93452）
全文： 内政部

参考文献：

[1] LangaricaS、RuffelmacherC、NunezF。用于工业电机实时故障诊断的工业互联网应用程序。IEEE Trans-Autom科学工程2019；17(1):284‐295.
[2] 爱德华兹，西蒙斯。航空航天系统中的故障诊断和容错控制。国际J鲁棒非线性控制。2019;29（16）：5291‐5292·Zbl 1489.00041号
[3] ZhirabokA、ShumskyA、ScherbatyukA。动态系统故障诊断的非参数方法。国际J鲁棒非线性控制。2018;28(17):5424‐5436. ·Zbl 1408.93033号
[4] ChattiN、GuyonneauR、HardouinL、VerronS、LagrangeS。使用集合隶属度公式进行故障诊断的基于模型的方法。工程应用工艺智能。2016;55:307‐319.
[5] ChenL、PattonRJ、GoupilP。基于模型的LPV执行器故障估计在工业基准中的应用。控制工程实践。2016;56:60‐74.
[6] HwangHR、SooKB、HyunCT、SooLI。太阳能电池板故障诊断系统的神经网络实现。国际J控制自动化系统。2019;17(4):1050‐1058.
[7] VerbertK、BabuskaR、De SchutterB。基于知识的故障诊断的贝叶斯和Dempster‐Shafer推理——一项比较研究。工程应用工艺智能。2017;60:136‐150.
[8] TalhaouiH、MenacerA、KessalA、TarekA。基于希尔伯特和离散小波变换的异步电机转子断条故障实验诊断。国际先进制造技术杂志。2018;95（1-4）：1399-1408。
[9] 下摆，下摆。利用振动信号进行轴承故障诊断的一种新的混合深度信号处理方法。神经计算。2020;396:542‐555.
[10] KhanR、WilliamsP、RiseboroughP、RaoA、HillR。故障检测和识别——过滤器调查。国际J鲁棒非线性控制。2018;28(5):1852‐1870. ·Zbl 1390.93727号
[11] LiC、WeiF、WangC、Zhou S。基于隐马尔可夫模型的复杂系统故障诊断与预测。J智能模糊系统。2017;33(5):2937‐2944.
[12] ChaJ、KoS、ParkSY、JeongE。基于非线性卡尔曼滤波方法的开环液体火箭发动机瞬态故障检测与诊断算法。宇航员演员。2019;163:147‐156.
[13] 张B、詹姆斯·L、徐斯。有界峰值输入时滞系统可达集估计的松弛结果。国际J鲁棒非线性控制。2016;26(9):1994‐2007. ·Zbl 1342.93021号
[14] 刘毅、赵毅、吴峰。具有未知但有界扰动的线性系统的基于椭圆状态边界的集隶属度估计。IET控制理论应用。2016;10(4):431‐442.
[15] RotondoD、NejjariF、PuigV、BlesaJ。使用虚拟执行器和集员故障估计的LPV系统的模型参考FTC。国际J鲁棒非线性控制。2015;25(5):735‐760. ·Zbl 1306.93025号
[16] 胡杰、丁碧。输出反馈最小最大MPC的高效离线实现。国际J鲁棒非线性控制。2018;29(2):492‐506. ·Zbl 1411.93074号
[17] PourasgharM、PuigV、Ocampo‐MartinezC。区间观测器与集员方法在不确定系统中使用区域图进行故障检测。国际J鲁棒非线性控制。2019;29:2819‐2843. ·Zbl 1418.93259号
[18] LiJ、WangZ、ShenY、RodriguesM。线性变参数广义系统的分区故障检测观测器。国际J鲁棒非线性控制。2019;29（11）：3426‐3445·Zbl 1426.93031号
[19] LeVTH、StoicaC、AlamoT、CamachoEF、DumurD。不确定系统的分区保证状态估计。自动化。2013;49(11):3418‐3424. ·Zbl 1315.93077号
[20] HaoW、KolmanovskyIV、JingS。具有加性和乘性不确定性的线性静态系统可行解集的基于分区法的递归估计。自动化。2018;95:36‐245. ·Zbl 1402.93238号
[21] CombastelC公司。分区图和卡尔曼观测器：在不同的不确定性范式和稳健收敛下获得最优解。自动化。2015;55:265‐273. ·Zbl 1377.93161号
[22] PourasgharM、CombastelC、PuigV、Ocampo‐MartinezC。FD‐ZKF：分区卡尔曼滤波器优化故障检测而非状态估计。J过程控制。2019;第73:89‐102页。
[23] 张伟、王Z、郭S、沈毅。基于分区卡尔曼滤波的传感器故障区间估计。国际J控制。2019;94(6):1641‐1650. ·Zbl 1472.93190号
[24] TanJ、XuF、OlaruS、WangX、LiangB。具有受测量误差影响的调度变量的广义LPV系统基于ZKF的最优鲁棒故障估计。ISA事务。2019;94:119-134。
[25] SimonD，中国。带有状态相等约束的卡尔曼滤波。IEEE Trans-Aerosp电子系统。2002;38(1):128‐136.
[26] 亚历山德里亚，加格罗姆。线性约束离散系统的快速滚动时域状态估计。国际J自适应控制信号处理。2019;34(6):706‐720. ·Zbl 1467.93299号
[27] LiD、WangY、WangJ、WangC、DuanY。传感器故障诊断的最新进展：综述。传感器执行器A‐物理。2020;309:11190.
[28] LiCC、JengJC。动态过程的多传感器故障诊断。ISA事务。2010;49(4):415‐432.
[29] Huang H、YiT、LiH。用于诊断结构监测系统中传感器故障的加权主成分分析贝叶斯组合。工程机械杂志。2017;143(9):04017088.
[30] WangY、WangZ、PuigV、CembranoG。离散时间广义系统的分区故障估计滤波器设计。IFAC在线论文。2017;50(1):5055‐5060.
[31] SiahlooeiE，FazeliSAS公司。区间算法在求解梯形模糊数的完全模糊线性系统中的应用。高级模糊系统。2018;204343. ·Zbl 1409.65010号
[32] 张磊、彭赫、宁姿、穆姿、孙健。电动汽车锂离子电池RC等效电路模型的比较研究。巴塞尔应用科学。2017;7(10):1002.
[33] XuY、HuM、FuC、CaoK、YangZ。基于温度相关二阶RC模型的锂离子电池充电状态估计。电子产品。2019;8(9):1012.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。