非高斯隨機分布系統(tǒng)的故障診斷與最小熵容錯控制.pdf

1、故障診斷和容錯控制技術(shù)是提高動態(tài)系統(tǒng)可靠性、安全性的重要途徑之一。長期以來關(guān)于隨機動態(tài)系統(tǒng)的故障診斷和容錯控制的研究一直是控制理論和應(yīng)用的重要領(lǐng)域之一?，F(xiàn)有隨機系統(tǒng)的故障診斷與容錯控制大都針對服從高斯分布的隨機過程，假設(shè)系統(tǒng)故障、隨機輸入或擾動信號服從高斯分布，然而這一假設(shè)并不完全符合一些實際應(yīng)用過程，而且許多實際系統(tǒng)中要求控制過程變量的概率密度函數(shù)的形狀，這類系統(tǒng)方程描述了系統(tǒng)輸入與系統(tǒng)輸出概率密度函數(shù)之間的關(guān)系，而并非傳統(tǒng)的系統(tǒng)輸入

2、與輸出之間的關(guān)系，稱此類系統(tǒng)為隨機分布控制系統(tǒng)（Stochasticdistributionsystem，SDC）。有時跟蹤目標(biāo)概率密度函數(shù)并不能事先確定，這時容錯控制就可以轉(zhuǎn)化為控制輸出變量具有最小的不確定性，對高斯系統(tǒng)，最小不確定性可以通過方差來體現(xiàn)，對一般的非高斯系統(tǒng)，最小的不確定性采用熵來體現(xiàn)。目前目標(biāo)概率密度函數(shù)事先不能確定時非高斯隨機分布系統(tǒng)的容錯控制尚無研究結(jié)果。
　　 本文針對非高斯隨機分布控制系統(tǒng)，給出了基于觀

3、測器的故障診斷方法，估計出故障的大小。當(dāng)跟蹤目標(biāo)概率密度函數(shù)并不能事先確定時，將熵的概念引入到隨機分布系統(tǒng)的容錯控制，利用故障估計信息，將關(guān)于熵的性能指標(biāo)極小化，進(jìn)行控制器重構(gòu)，使系統(tǒng)的輸出具有最小的不確定性，實現(xiàn)非高斯隨機分布控制系統(tǒng)的最小熵容錯控制。本文的主要內(nèi)容如下:
　　 (1)針對線性B樣條逼近的非高斯隨機分布系統(tǒng)，分別考慮線性和非線性動態(tài)兩種情況，基于自適應(yīng)觀測器進(jìn)行故障診斷。最小熵控制器是SDC系統(tǒng)在目標(biāo)概率密度函

4、數(shù)（Probabilitydensityfunction，PDF）不能事先確定的情況下的一種選擇。因為熵是一個凹函數(shù)，極小值點不止一個，均值表明隨機變量的中心位置，因此在均值約束下對熵的指標(biāo)進(jìn)行極小化似乎更合理。在故障診斷信息的基礎(chǔ)上，極小化均值約束下的熵性能指標(biāo)，進(jìn)行最小熵容錯控制設(shè)計。仿真結(jié)果驗證了故障診斷與最小熵容錯控制算法的有效性。
　　 (2)針對一類非高斯非線性隨機分布控制系統(tǒng)，采用有理平方根B樣條逼近系統(tǒng)輸出的PD

5、F，給出了基于迭代學(xué)習(xí)觀測器（Iterativelearningobserver,ILO）的故障診斷方法。基于Lyapunov穩(wěn)定性定理對觀測誤差系統(tǒng)進(jìn)行穩(wěn)定性分析來確定迭代學(xué)習(xí)觀測器參數(shù)，利用故障估計信息和觀測器的狀態(tài)信息重構(gòu)控制器，極小化均值約束下的熵性能指標(biāo)，使系統(tǒng)輸出的不確定性最小化，實現(xiàn)了均值約束下的最小熵容錯控制。仿真結(jié)果顯示所提出故障診斷算法的有效性，不但對突變故障有效，而且對慢變故障、快變故障類型同樣有效。