【摘 要】
：
在过去几十年中,由于现代工业系统规模越来越大,复杂程度越来越高,因此系统运行过程中的安全性与可靠性问题是目前亟需解决的问题,故障诊断技术为解决这些问题提供了可能。网络化控制系统与传统结构系统相比具有成本低、传输速度快、可靠性高等优势。网络传输产生的时变时滞、数据冲突、异步会严重影响故障诊断性能,因此需要发展新的理论和技术解决这些问题。本文旨在研究基于通信协议的网络化控制系统的故障诊断问题。本文主要
论文部分内容阅读
在过去几十年中,由于现代工业系统规模越来越大,复杂程度越来越高,因此系统运行过程中的安全性与可靠性问题是目前亟需解决的问题,故障诊断技术为解决这些问题提供了可能。网络化控制系统与传统结构系统相比具有成本低、传输速度快、可靠性高等优势。网络传输产生的时变时滞、数据冲突、异步会严重影响故障诊断性能,因此需要发展新的理论和技术解决这些问题。本文旨在研究基于通信协议的网络化控制系统的故障诊断问题。本文主要工作可以分为以下三个部分:1.研究了传感器网络上具有乘性噪声的时变系统的故障诊断问题。同时考虑了与系统状态以及控制信号相关的乘性噪声的干扰,并且在传感器网络上应用了Round Robin协议来防止数据冲突。使用最小二乘法设计了一系列的故障估计滤波器,每个滤波器都能估计出系统状态和故障信号。基于残差信号,设计多个残差评价函数,并选择其中一个评价函数用于故障检测。采用残差匹配的思想,用最小评价函数的滤波器对发生的故障进行分离和估计。2.研究了具有传感器故障和部分可解耦干扰的时变多智能体系统的分布式故障估计问题。在增广状态包含系统状态和传感器故障的情况下,构造奇异系统。利用相邻智能体的信息,设计第i个智能体的未知输入观测器（UIO）,使可解耦的干扰解耦,并抑制无法解耦的干扰对系统的影响。通过求解有限时域上的递推线性矩阵不等式,得到UIO的参数。3.研究了基于Round Robin协议的一类线性时变网络化系统的故障诊断问题。传感器节点和滤波器之间的通信通过共享网络实现。为了防止数据冲突,每个时刻只允许一个传感器节点访问网络。设计一个递归滤波器,通过适当地设计每个时刻的滤波器增益,使估计误差协方差最小。通过求解两个类Riccati差分方程,递归地计算期望的滤波器增益,并进一步研究了估计误差协方差的有界性问题。根据残差信号,推导出多个评价函数,并选择其中一个用于故障检测。采用残差匹配方法,用最小评价函数的滤波器对发生的故障进行分离和估计。
其他文献
输油输气管道等承压设备因长期受到腐蚀、高压冲刷会发生壁厚减薄现象,壁厚减薄到一定程度时会发生严重的爆炸和泄露事故。因此,为了保障管道安全运行、避免事故的发生,需要定期检测管道的剩余壁厚。然而,输油输气管道多是铁磁性材料且外有包覆层,常用的无损检测方法难以有效检测其剩余壁厚。脉冲涡流检测技术是一种新兴的无损检测技术,具有穿透能力强、检测速度快等优点,能够用来检测带包覆层铁磁性管道的剩余壁厚。但是,目
＜正＞膀胱癌是泌尿系肿瘤中最常见的肿瘤之一,根据肿瘤是否侵犯肌层可分为非肌层浸润性膀胱癌（non-muscle invasive bladder cancer, NMIBC）和肌层浸润性膀胱癌（muscle invasive bladder cancer, MIBC）。对于MIBC,新辅助化疗联合根治性膀胱切除术（radical cystectomy, RC）是标准的治疗方案。但RC存在较高风险,
近年来,随着功能磁共振成像（functional Magnetic Resonance Imaging,fMRI）技术的发展,使得人类可以对人脑的认知活动和功能机制进行深入探索和研究。但是,由于fMRI的成像通常是通过逐层扫描方式获得的,这会造成扫描层之间的时间偏移,从而导致fMRI信号分析的误差。所以,为了解决不同扫描层之间信号不同步的问题,就需对时间层进行矫正（即时间层数据插值）。然而,现有的
该文分析高校学生基础信息数据特点，针对本地数据管理不规范、不可追溯、关联性不足等问题，分别对Tableau Prep Builder和Power BI 2种商业BI工具数据预处理功能进行研究分析，提出基于2种BI工具的数据预处理的实现路径，并对2种数据处理方式进行比较。
成像雷达卫星的小型化是近年来合成孔径雷达（Synthetic Aperture Radar,SAR）领域的主要发展趋势之一。小卫星SAR的发展有助于降低SAR系统的成本、提高SAR系统的灵活性,更便于实现雷达卫星组网观测。合理地确定不同工作模式下小卫星SAR的天线尺寸、信号带宽、脉冲重复频率、波位位置等系统工作参数是开展小卫星SAR系统软件仿真乃至实际卫星平台研制的重要基础。在SAR系统参数设计的
航天飞机雷达地形测绘任务（Shuttle Radar Topography Mission,SRTM）获得的高程数据在测绘、遥感、自然灾害监测和国防领域发挥重要作用。通常,数字高程模型（Digital Elevation Model,DEM）基于SRTM数据实现,因此,DEM的精度取决于SRTM数据的精度。然而,SRTM高程数据中存在大量数据缺失,导致DEM精度不高。为了提高DEM的精度,需要对S
无人机（Unmanned Aerial Vehicles,UAV）在世界各国工业、农业、服务业和国防等各个领域得到了广泛的应用。为实现无人机自主精确着陆,无人机着陆地标定位问题已经成为研究的热点和难点。本文针对无人机着陆地标定位过程中遇到着陆地标检测有误、定位精度差,以及着陆地标暂时离开视野又重新返回时无法再次定位的问题,提出了基于主动强化学习的无人机着陆地标定位模型,实现了对无人机着陆地标的精确
当前,气象要素的预测多采用数值模式的方法。此类方法预测结果的准确性依赖于构建的模型的可靠性。但是,气象要素复杂多变,影响因素众多,难以全面、有效地对其进行建模。因此,数值模式预测方法的结果存在一定的误差。另外,数值模式的结果形式单一,仅能定量表示预测结果,缺乏直观的表达。生成对抗网络近年来被广泛应用在预测任务并表现突出。生成对抗网络可以学习数据在时间维度上的发展模式,刻画相邻时刻的数据之间的内在联
互联网技术的发展为人们的生活既带来了便利,也带来了严重的信息过载问题。为解决信息过载问题,个性化推荐系统应运而生。近些年来,深度学习的出现为个性化推荐系统的发展带来了新的契机。作为深度学习领域新兴的算法,生成式对抗网络展现了强大的无监督学习能力,可以很好的解决推荐系统中非线性高维数据分布的拟合问题。同时,生成式对抗网络可以灵活的与其他深度学习模型结合,融合其它模型的优势进行改进。因此本文基于生成式
近年来,随着经济的持续发展和城市化进程的快速推进,大气环境污染问题日益突出。大气环境气态污染物作为大气环境污染的主要成分之一,不仅影响空气质量,给人的身体健康造成极大危害;它所引起的光化学烟雾污染给国家和社会也造成了巨大的损失。因此,开发微型便携、高效可靠的气体传感器可以实时反映大气环境气态污染物的成分和浓度,有助于人们及时预警危险气体并进行有效处理,是确保环境监测、社会安全和人身健康的必要手段。