【摘 要】
:
近年来,随着科学和信息技术的飞速发展,各类系统的设计复杂度和各部件之间的耦合度也随之增加,系统的脆弱性问题逐渐显现,故障对系统的正常和安全运行造成不可忽视的威胁。为了提高系统对自身故障情况的监测和应对能力,学者们提出了自愈控制的思想。目前自愈控制仍然处于初级发展阶段,并没有学者给出自愈控制的明确定义和研究范畴等基本概念。在学术界对自愈控制理论的研究才刚刚起步,自愈控制理论的研究是滞后于自愈控制的工
论文部分内容阅读
近年来,随着科学和信息技术的飞速发展,各类系统的设计复杂度和各部件之间的耦合度也随之增加,系统的脆弱性问题逐渐显现,故障对系统的正常和安全运行造成不可忽视的威胁。为了提高系统对自身故障情况的监测和应对能力,学者们提出了自愈控制的思想。目前自愈控制仍然处于初级发展阶段,并没有学者给出自愈控制的明确定义和研究范畴等基本概念。在学术界对自愈控制理论的研究才刚刚起步,自愈控制理论的研究是滞后于自愈控制的工程应用的。本文主要对自愈控制的理论进行初步的研究,并且首次给出了自愈控制的定义、基本架构和研究范畴等基本概念。本文采用自愈控制的方法来处理网络控制系统面对的多元不确定性问题,同时对提出的自愈控制的理论进行验证,主要的工作内容如下:首先,通过梳理智能电网的自愈控制、飞行控制系统的自愈控制和机械故障的自愈调控系统的相关研究成果,明确了自愈控制的特征和功能并给出了其定义;讨论了自愈控制与自愈系统以及容错控制的联系与区别;总结了研究自愈控制的意义并分析了其发展趋势。其次,提出了一种基于状态观测器的自愈控制方法,该方法由故障诊断的状态观测器方法和故障处理机制组成,设计的故障诊断方法包括故障估计、故障检测和故障定位三个部分,故障估计可以获得系统发生的加性故障的幅值信息,改进的故障检测和故障定位方法,提高了故障检测和隔离的实时性。结合故障诊断实时获得的故障信息在控制器中设计了故障处理机制,实时消除了故障对系统的影响。再次,设计了一种基于两阶段卡尔曼滤波的自愈控制方法。针对执行器发生的部分失效故障,利用两阶段卡尔曼滤波器对执行器部分失效故障进行诊断,获得的故障信息的精确度高,但是实时性较差,为了提高故障诊断的实时性,提出了两阶段卡尔曼滤波和BP(Back Propagation)神经网络相协同的故障诊断方法,并结合在线进行控制律重构/控制律切换方法,消除/抑制故障对系统的影响;同时,对于系统中发生的未知故障或者执行器完全失效故障,提出了基于故障隔离的自愈控制方法,抑制故障对系统的持续影响。最后,设计了一种基于网络切换的自愈控制方案。针对系统中发生故障或拒绝服务攻击的随机性,在卡方检测的基础上设计了系统异常检测方法,改进了异常检测阈值的选择方法,降低了检测阈值选择的难度;然后,采用基于支持向量机的异常诊断方法,对异常状态进行分类;对于系统中发生拒绝服务攻击的情况,结合异常检测和诊断的结果,设计了一种基于网络切换的自愈策略,使得网络控制系统在发生拒绝服务攻击的情况下可以自愈,并且系统性能保持在可接受水平。本文为了验证所提出的自愈控制方法的有效性,利用MATLAB工具箱True Time搭建了网络控制系统进行数值仿真。最后,总结了全文的工作,并对需要进一步研究的工作进行了展望。
其他文献
稀疏线性逆问题是指在测量矩阵已知的情况下从观测样本恢复出原始的稀疏信号,在现实生活中众多学科和领域发挥着重要的作用。在通信系统中,通过利用无线信道的稀疏特性,压缩感知理论和其中的稀疏线性求逆算法实现了信令开销的降低和用户容量的扩展。近年来,基于神经网络的稀疏线性求逆算法以其优异的重建性能和快速的收敛特性被广泛地研究。然而,这些机器学习算法忽略了传统迭代算法中的一个关键特征,那就是不同稀疏度的稀疏信
语音增强的目的是通过设计一种高效的信号处理算法,去除带噪语音中的各种干扰噪声,恢复出干净的增强语音,同时要保证增强语音有较高的恢复质量和可理解度。传统的语音增强算法在使用前需要对语音和噪声信号做出严格的假设,这限制了其在一些复杂的现实场景中的应用。近年来,无需任何假设、具有强数据建模能力的神经网络得到研究人员的广泛关注,成为本领域的主流算法。本文主要针对提高卷积神经网络全局建模水平和语音增强能力展
高速飞行列车是利用低真空环境和超音速外形减小空气阻力,通过磁悬浮减小摩擦阻力,实现超音速运行的运输系统。高速飞行列车的运行速度可以达到1,000~4,000km/h,具有高效、节能和环保等优点,有望成为未来的新型交通方式,近年来逐渐成为研究热点。由于高速飞行列车速度比已有轨道交通系统列车的速度高出许多,现有轨道交通系统的运行控制系统无法完全适用于高速飞行列车。因此,有必要针对高速飞行列车的特点,对
随着5G网络全球化部署进程不断提速,各行各业提出运行在用户设备(User Equipment,UE)上的计算密集型和时延敏感型的新型应用。虽然移动云计算(Mobile Cloud Computing,MCC)把高计算任务通过公用网络上传到集中式的云服务器上增强了UE的计算和降低UE的能耗,但是云服务器在空间上远离UE导致传输数据需要花费更高的时延。移动边缘计算(Mobile Edge Comput
近年来,随着深度学习在图像、自然语言等规则拓扑结构的数据上大放异彩,研究者们尝试将深层神经网络推广应用到3D点云数据,并开展了大量关于3D点云神经网络卷积算法的研究。但由于3D点云拓扑结构的不规则特性,特征池化算法,作为推动深度学习成功的一个重要部件,却较少人问津。特征池化算法在深度学习框架中,不仅起到提升计算效率的作用,同时能够提升模型的鲁棒性,是深度学习应用在3D点云数据上必不可少的一环。为此
直线电机驱动的多轴运动系统具有结构简单、加速度大、响应速度快、噪音低等特性,被广泛应用于机械制造的轮廓加工。然而,伺服滞后、各伺服轴之间动态特性不匹配、轴间耦合和外部扰动等因素会导致产品加工误差。如何提高多轴运动系统的轮廓跟踪精度一直是控制领域的研究热点。本文以双轴直线电机龙门系统为研究对象,围绕着如何提高运动系统各伺服轴间的协调性,处理不确定、外部扰动和执行器故障的影响等问题,展开了一系列研究。
由于我国高速铁路的不断发展,铁路系统正面临着更大客流,更多车次的严峻挑战。此外,旅客对于铁路出行的需求也不再仅仅是点到点的运送,旅客在旅途中的工作与娱乐需求也必须纳入考虑。这时,当前高速铁路系统所使用的基于第二代移动通信的GSM-R(Globle System for Mobile Communications-Railway)系统则逐渐显得力不从心,因此新一代高速铁路通信系统的研究势在必行。作为
随着人们生活水平的提高,车辆的普及程度越来越高,随之而来的交通事故也越发频繁。据统计,25%~30%的交通事故与驾驶员对道路的警觉程度直接相关,其中并线过程是交通事故的主要发生场合之一,而在非结构化道路,行人及其他非机动车车辆共享道路,驾驶的安全性完全依靠驾驶员的注意力集中度,因此而产生的交通事故也屡见不鲜,这些都给汽车行业的发展带来了巨大的挑战。为解决上述问题,且基于语义分割应有的特性,即具有多
随着互联网的发展,智能教育成为教育发展的迫切需求。学生知识追踪模型能够根据学生的历史学习记录获得习题表征和学生能力表征,追踪学生对知识的掌握情况。智能教育需要准确的学生知识追踪模型。目前,制约学生知识追踪模型效果的两个原因是:(1)习题表征不准确。以知识点为粒度的习题表征难以刻画习题的精确信息;以习题为粒度的表征,由于数据稀疏导致模型参数学习不准确;已有的综合知识点和习题的混合模型采用加性模型进行
深度学习在自然语言处理、图像识别领域的应用日益丰富。近年来,大量的研究涉及了医学影像的自动识别与辅助诊断。医学影像的识别成为了深度学习从计算机领域向医学领域延伸的热点和切入点。利用深度学习进行医疗影像的识别与检测,不仅从很大程度上能够缓解医疗资源的紧张,同时还可以避免人为因素导致的误诊、漏诊现象。尤其是在疾病爆发阶段,在面对大量医学影像时,利用计算机辅助医生进行医学图像的诊断,能够大幅提高诊断效率