CN112327810B - 一种动态事件触发传输马尔科夫跳变***的故障估计方法 - Google Patents
一种动态事件触发传输马尔科夫跳变***的故障估计方法 Download PDFInfo
- Publication number
- CN112327810B CN112327810B CN202011282890.1A CN202011282890A CN112327810B CN 112327810 B CN112327810 B CN 112327810B CN 202011282890 A CN202011282890 A CN 202011282890A CN 112327810 B CN112327810 B CN 112327810B
- Authority
- CN
- China
- Prior art keywords
- fault
- estimator
- time
- trigger
- space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000005540 biological transmission Effects 0.000 title claims abstract description 16
- 230000001960 triggered effect Effects 0.000 title claims abstract description 11
- 238000005516 engineering process Methods 0.000 claims abstract description 23
- 230000007246 mechanism Effects 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 6
- 229930003270 Vitamin B Natural products 0.000 claims description 5
- 239000011719 vitamin A Substances 0.000 claims description 5
- 235000019156 vitamin B Nutrition 0.000 claims description 5
- 239000011720 vitamin B Substances 0.000 claims description 5
- FPIPGXGPPPQFEQ-UHFFFAOYSA-N 13-cis retinol Natural products OCC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-UHFFFAOYSA-N 0.000 claims description 3
- FPIPGXGPPPQFEQ-BOOMUCAASA-N Vitamin A Natural products OC/C=C(/C)\C=C\C=C(\C)/C=C/C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-BOOMUCAASA-N 0.000 claims description 3
- FPIPGXGPPPQFEQ-OVSJKPMPSA-N all-trans-retinol Chemical compound OC\C=C(/C)\C=C\C=C(/C)\C=C\C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-OVSJKPMPSA-N 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 235000019155 vitamin A Nutrition 0.000 claims description 3
- 229940045997 vitamin a Drugs 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Maintenance And Management Of Digital Transmission (AREA)
Abstract
本发明公开了一种动态事件触发传输马尔科夫跳变***的故障估计方法,该故障估计方法基于未知输入估计器技术,具体包括如下步骤:建立离散马尔科夫跳变***的状态空间模型;建立动态事件触发机制调度下***节点的输出向估计器传输数据的模型;计算基于未知输入估计器技术的故障估计器的参数;构建基于未知输入估计器技术的故障估计器,并计算故障信号的估计值。本发明考虑的马尔科夫跳变***能够刻画大量具有多个运行模态的实际***;本发明方法基于未知输入估计器技术,用于将***的状态与故障完全解耦,从而保证估计的效果(故障信号的估计精度)不受故障本身的影响,以实现较好的故障估计效果。
Description
技术领域
本发明属于故障估计技术领域,特别涉及一种基于未知输入估计器技术的动态事件触发传输马尔科夫跳变***的故障估计方法。
背景技术
当今工业***变得越来越复杂,造价也越来越昂贵,对***可靠性和安全性的要求也越来越高。当故障发生时,若不能及时发现并消除故障,可能会带来巨大的损失。
故障估计技术旨在***发生故障时给出满足特定性能的估计值,其重要性不言而喻,该故障估计技术对在线容错控制和实时决策亦具有重要意义。
传统的未知输入估计器技术是用于将***的估计误差与未知输入解耦,从而消除未知输入对***估计效果的影响,在故障估计技术领域应用较少。
另外,在工业中,信号的传输通常会受到传输能量以及网络带宽等资源的限制。
发明内容
本发明的目的在于提出一种动态事件触发传输马尔科夫跳变***的故障估计方法,该方法基于未知输入估计器技术,用于将***的状态与故障完全解耦,从而保证估计的效果不受故障本身的影响,以实现较好的故障估计效果。
本发明为了实现上述目的,采用如下技术方案:
一种动态事件触发传输马尔科夫跳变***的故障估计方法,基于未知输入估计器技术;该故障估计方法包括如下步骤:
S1.建立离散马尔科夫跳变***的状态空间模型,如公式(2)所示:
过程噪声ωk和量测噪声vk均为幅值有界噪声;
其中,πij=Pr{θk+1=j|θk=i};
令θk=i∈S,则相关系数矩阵表示为:
其中,Ai,Aτi,Bi,Ei,Ci,Di均为已知的常数矩阵;
S2.建立动态事件触发机制调度下***节点的输出向估计器传输数据的模型;
对于离散马尔科夫跳变***,以序列0=t0<t1<…<ts<…表示***向估计器发送数据的时刻,这些时刻由下述公式(2)迭代计算:
其中,λ∈(01)为给定常数,η0≥0为初值条件;
式(4)表示若时刻k是触发时刻,则故障估计器的输入即为该时刻***节点的输出;反之,若时刻k不是触发时刻,则故障估计器采用上一触发时刻的输入作为当前时刻k的输入;
S3.计算基于未知输入估计器技术的故障估计器的参数;
Hi=(CiEi)-1Ei (5)
其中,各个参数的含义分别如下:
Fi与Fτi的计算过程分别由如下公式(7)和公式(8)给出:
Fi=Ai-HiCiAi-Ki1Ci (7)
Fτi=Aτi-HiCiAτi-Kτi1Ci (8)
其中,Ki1与Kτi1均为中间变量,且Ki1与Kτi1满足Ki1=Pi -1Xi,Kτi1=Pi -1Xτi;
Ki与Kτi由公式(9)-(10)得到:
Ki=Ki1+Ki2 (9)
Kτi=Kτi1+Kτi2 (10)
其中,Ki2与Kτi2均为中间变量,且Ki2与Kτi2满足Ki2=FiHi,Kτi2=FτiHi;
Mi的计算过程分别由如下公式(11)给出:
Mi=[(CiEi)T(CiEi)]-1(CiEi)T (11)
S4.构建基于未知输入估计器技术的故障估计器,并计算故障信号的估计值;
基于未知输入估计器技术的故障估计器的表达式如公式(12)所示:
其中,zk+1为中间变量,zk+1由公式(14)迭代计算得到:
基于此,基于未知输入估计器技术的故障估计器,能够实现较好的故障估计效果。
本发明具有如下优点:
如上所述,本发明述及了一种动态事件触发传输马尔科夫跳变***的故障估计方法,该方法考虑了具有随机性、扰动以及故障的马尔科夫跳变***(具体参见状态空间模型(1)),能够用来建模许多工程中的随机***。本发明方法采用了动态事件触发传输机制,能够节约传输能量与网络带宽资源;本发明方法利用未知输入故障估计技术和凸优化求解技术,能够得到精确的***的故障估计值,相比于传统的解耦外界干扰或不确定性的未知输入估计器方法,本发明方法在保证噪声干扰幅值有界而故障大小未知的情况下,通过实现故障与***状态的完全解耦,从而巧妙消除了故障对***性能的影响。本发明方法能够得到幅值有界噪声干扰下的马尔科夫跳变***故障的估计值,对于保障***安全平稳运行有着重要应用。
附图说明
图1为本发明实施例中动态事件触发传输马尔科夫跳变***的故障估计方法的流程图;
图7为本发明实施例中马尔科夫跳变***的动态触发结果示意图。
具体实施方式
本发明的基本思想为:
提供一种基于未知输入估计器解耦技术的马尔科夫跳变***的故障估计方法,该方法利用已知的***模型与噪声有界的信息,使***状态与故障实现完全解耦。由于故障估计值最终只与***的状态误差及噪声有关,而噪声为幅值有界,只要确保***的状态估计误差指数最终有界,就能够保证故障满足指数最终有界条件,从而得到准确的故障估计值。
在介绍本发明方法之前,首先给出指数最终有界的定义,如下所示:
如果存在常数α>0,0<β<1和ik,使得***状态的均方误差***满足下述不等式:
则称***的状态估计误差的指数最终有界。
下面结合附图以及具体实施方式对本发明作进一步详细说明:
如图1所示,本实施例述及了一种动态事件触发传输马尔科夫跳变***的故障估计方法,该方法基于未知输入估计器技术,具体包括如下步骤:
S1.建立离散马尔科夫跳变***的状态空间模型,如公式(3)所示:
过程噪声ωk和量测噪声vk均为幅值有界噪声。
其中,πij=Pr{θk+1=j|θk=i}。
令θk=i∈S,则相关系数矩阵表示为:
其中,Ai,Aτi,Bi,Ei,Ci,Di均为已知的常数矩阵。
本发明实施例考虑的马尔科夫跳变***能够刻画大量具有多个运行模态的实际***。
S2.建立动态事件触发机制调度下***节点的输出向估计器传输数据的模型。
在事件触发机制调度下,只有在最为必要的时刻***输出才会传输至故障估计器,从而减少不必要的信号传输,因此可以有效地解决资源受限的问题。
而动态事件触发机制通过使用自适应变化的阈值,能够进一步节约能量与带宽资源。
对于离散马尔科夫跳变***,以序列0=t0<t1<…<ts<…表示***向估计器发送数据的时刻,这些时刻由下述公式(2)迭代计算:
其中,λ∈(0,1)为给定常数,η0≥0为初值条件。
式(4)表示若时刻k是触发时刻,则故障估计器的输入即为该时刻***节点的输出;反之,若时刻k不是触发时刻,则故障估计器采用上一触发时刻的输入作为当前时刻k的输入。
本实施例采用动态事件触发机制,相比于传统的事件触发机制,保证估计性能的同时进一步降低了***到估计器的数据传输,因而更有利于节约通讯与带宽资源。
S3.计算基于未知输入估计器技术的故障估计器的参数。
Hi=(CiEi)-1Ei (5)
其中,各个参数的含义分别如下:
Fi与Fτi的计算过程分别由如下公式(7)-(8)给出:
Fi=Ai-HiCiAi-Ki1Ci (7)
Fτi=Aτi-HiCiAτi-Kτi1Ci (8)
其中,Ki1与Kτi1为中间变量,且Ki1与Kτi1满足Ki1=Pi -1Xi,Kτi1=Pi -1Xτi。
Ki与Kτi由公式(9)-(10)得到:
Ki=Ki1+Ki2 (9)
Kτi=Kτi1+Kτi2 (10)
其中,Ki2与Kτi2为中间变量,且Ki2与Kτi2满足Ki2=FiHi,Kτi2=FτiHi。
Mi的计算过程分别由如下公式(11)给出:
Mi=[(CiEi)T(CiEi)]-1(CiEi)T (11)
S4.构建基于未知输入估计器技术的故障估计器,并计算故障信号的估计值。
基于未知输入估计器技术的故障估计器的表达式如公式(12)所示:
其中,zk+1为中间变量,zk+1由公式(14)迭代计算得到:
由上述过程不难看出,基于未知输入估计器技术,能够保证故障的估计误差与故障本身无关且随时间均方指数收敛到一个只与外界噪声及估计误差初值相关的界。
因此,基于未知输入估计器技术的故障估计器,能够实现较好的故障估计效果。
下面结合实验对本发明提出的基于未知输入估计器的动态事件触发传输马尔科夫跳变***的故障估计方法进行说明,以验证本发明所提出方法的有效性。
在实验过程中:取实验步长为60,在能获取***实时状态的半实物仿真平台上,采用动态事件触发机制将平台给出的***输出输入到计算机作为估计器的输入。
利用本发明所提的故障估计方法,利用MATLAB软件生成状态和故障估计值,并与平台提供的***状态和故障的真实值比较,比较结果如图2至图7所示。其中,图2至图7给出了具有两个模态的马尔科夫跳变***各状态变量的真实值,以及故障的真实值。
图7给出了马尔科夫跳变***的触发时刻序列。其中,圆圈表示输出的触发时刻,高度表示触发的时间间隔。由图7不难发现,本发明方法采用的动态事件触发机制,能够有效地降低***数据传输的频率,从而起到节约能量与网络带宽资源的作用。
综上,本发明通过将未知输入估计器技术用于将***状态的以及故障的估计误差与故障解耦,能够保证估计的效果不受故障本身的影响,从而实现较好的故障估计效果。
当然,以上说明仅仅为本发明的较佳实施例,本发明并不限于列举上述实施例,应当说明的是,任何熟悉本领域的技术人员在本说明书的教导下,所做出的所有等同替代、明显变形形式,均落在本说明书的实质范围之内,理应受到本发明的保护。
Claims (1)
1.一种动态事件触发传输马尔科夫跳变***的故障估计方法,基于未知输入估计器技术,其特征在于,该故障估计方法包括如下步骤:
S1.建立离散马尔科夫跳变***的状态空间模型,如公式(1)所示:
过程噪声ωk和量测噪声vk均为幅值有界噪声;
其中,πij=Pr{θk+1=j|θk=i};
令θk=i∈S,则相关系数矩阵表示为:
其中,Ai,Aτi,Bi,Ei,Ci,Di均为已知的常数矩阵;
S2.建立动态事件触发机制调度下***节点的输出向估计器传输数据的模型;
对于离散马尔科夫跳变***,以序列0=t0<t1<…<ts<…表示***向估计器发送数据的时刻,这些时刻由下述公式(2)迭代计算:
其中,λ∈(0,1)为给定常数,η0≥0为初值条件;
式(4)表示若时刻k是触发时刻,则故障估计器的输入即为该时刻***节点的输出;反之,若时刻k不是触发时刻,则故障估计器采用上一触发时刻的输入作为当前时刻k的输入;
S3.计算基于未知输入估计器技术的故障估计器的参数;
Hi=(CiEi)-1Ei (5)
其中,各个参数的含义分别如下:
Fi与Fτi的计算过程分别由如下公式(7)和公式(8)给出:
Fi=Ai-HiCiAi-Ki1Ci (7)
Fτi=Aτi-HiCiAτi-Kτi1Ci (8)
其中,Ki1与Kτi1均为中间变量,且Ki1与Kτi1满足Ki1=Pi -1Xi,Kτi1=Pi -1Xτi;
Ki与Kτi由公式(9)-(10)得到:
Ki=Ki1+Ki2 (9)
Kτi=Kτi1+Kτi2 (10)
其中,Ki2与Kτi2均为中间变量,且Ki2与Kτi2满足Ki2=FiHi,Kτi2=FτiHi;
Mi的计算过程分别由如下公式(11)给出:
Mi=[(CiEi)T(CiEi)]-1(CiEi)T (11)
S4.构建基于未知输入估计器技术的故障估计器,并计算故障信号的估计值;
基于未知输入估计器技术的故障估计器的表达式如公式(12)所示:
其中,zk+1为中间变量,zk+1由公式(14)迭代计算得到:
基于此,基于未知输入估计器技术的故障估计器,能够实现较好的故障估计效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011282890.1A CN112327810B (zh) | 2020-11-17 | 2020-11-17 | 一种动态事件触发传输马尔科夫跳变***的故障估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011282890.1A CN112327810B (zh) | 2020-11-17 | 2020-11-17 | 一种动态事件触发传输马尔科夫跳变***的故障估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112327810A CN112327810A (zh) | 2021-02-05 |
CN112327810B true CN112327810B (zh) | 2021-07-30 |
Family
ID=74317501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011282890.1A Active CN112327810B (zh) | 2020-11-17 | 2020-11-17 | 一种动态事件触发传输马尔科夫跳变***的故障估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112327810B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113271222B (zh) * | 2021-05-13 | 2022-03-11 | 山东科技大学 | 一种协议调度下多传感器信息融合的***状态估计方法 |
CN113687596B (zh) * | 2021-08-31 | 2024-03-01 | 杭州电子科技大学 | 一种现代码头货物管理***故障检测方法 |
CN115102847B (zh) * | 2022-05-10 | 2024-06-18 | 杭州电子科技大学 | 一种网络***的自适应事件触发故障检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107065545A (zh) * | 2017-04-01 | 2017-08-18 | 同济大学 | 基于马尔科夫跳变的分布式事件触发滤波***及设计方法 |
WO2019043600A1 (en) * | 2017-08-29 | 2019-03-07 | Emerson Electric (Us) Holding Corporation (Chile) Limitada | ESTIMATOR OF REMAINING USEFUL LIFE ESTIMATOR |
EP3515038A1 (en) * | 2018-01-19 | 2019-07-24 | General Electric Company | Autonomous reconfigurable virtual sensing system for cyber-attack neutralization |
CN110377005A (zh) * | 2019-07-15 | 2019-10-25 | 南京航空航天大学 | 一种基于马尔科夫模型的tld中短时故障派遣间隔确定方法 |
CN111650835A (zh) * | 2020-06-16 | 2020-09-11 | 电子科技大学 | 一种随机跳变***的自适应事件触发异步滑模控制方法 |
-
2020
- 2020-11-17 CN CN202011282890.1A patent/CN112327810B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107065545A (zh) * | 2017-04-01 | 2017-08-18 | 同济大学 | 基于马尔科夫跳变的分布式事件触发滤波***及设计方法 |
WO2019043600A1 (en) * | 2017-08-29 | 2019-03-07 | Emerson Electric (Us) Holding Corporation (Chile) Limitada | ESTIMATOR OF REMAINING USEFUL LIFE ESTIMATOR |
EP3515038A1 (en) * | 2018-01-19 | 2019-07-24 | General Electric Company | Autonomous reconfigurable virtual sensing system for cyber-attack neutralization |
CN110377005A (zh) * | 2019-07-15 | 2019-10-25 | 南京航空航天大学 | 一种基于马尔科夫模型的tld中短时故障派遣间隔确定方法 |
CN111650835A (zh) * | 2020-06-16 | 2020-09-11 | 电子科技大学 | 一种随机跳变***的自适应事件触发异步滑模控制方法 |
Non-Patent Citations (2)
Title |
---|
On designing fault detection filter for discrete-time nonlinear Markovian jump systems with missing measurements;LI Yueyang等;《Proceedings of the 31st Chinese Control Conference》;20120727;第5384-5389页全文 * |
延迟不确定马尔科夫跳变***的执行器和传感器故障同时估计方法;李晓航等;《自动化学报》;20170131;第43卷(第1期);第72-82页全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112327810A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112327810B (zh) | 一种动态事件触发传输马尔科夫跳变***的故障估计方法 | |
WO2021000556A1 (zh) | 一种工业设备剩余有效寿命预测方法、***及电子设备 | |
Zou | A change‐point perspective on the software failure process | |
CN108732926A (zh) | 基于不充分信息的网络化***状态估计方法 | |
CN112698573B (zh) | 基于正切换***建模的网络化***非脆弱事件触发控制方法 | |
Zhai et al. | Fault diagnosis based on parameter estimation in closed‐loop systems | |
Zhang et al. | Event‐triggered iterative learning control for multi‐agent systems with quantization | |
Zhu et al. | Event triggered control for a switched LPV system with applications to aircraft engines | |
Shen et al. | A probabilistically quantized learning control framework for networked linear systems | |
CN109814381A (zh) | 一种基于事件触发的网络控制***控制器设计方法 | |
Dou et al. | Self‐tuning full‐order WMF Kalman filter for multisensor descriptor systems | |
Chen et al. | Event-based state estimation of hidden Markov models through a Gilbert–Elliott channel | |
Song et al. | An event-triggered approach to robust fault detection for nonlinear uncertain Markovian jump systems with time-varying delays | |
CN111797535A (zh) | 一种面向多种代理模型的结构可靠性分析自适应加点方法 | |
Huang et al. | Latency probability estimation of non‐linear systems with one‐step randomly delayed measurements | |
CN112260867B (zh) | 基于集员估计的事件触发传输复杂网络的状态估计方法 | |
Jin et al. | Iterative learning control for nonlinear systems with data dropouts at both measurement and actuator sides | |
Esmaeilani et al. | Bayesian approach to identify Hammerstein–Wiener non‐linear model in presence of noise and disturbance | |
Rodrigues et al. | Detector‐based approach for H filtering of Markov jump linear systems with partial mode information | |
Zhou et al. | Quantized data‐based iterative learning control under denial‐of‐service attacks | |
Fu et al. | Asynchronous resource‐aware control for uncertain semi‐Markov jump systems with application to robot arm | |
CN108983608A (zh) | 丢包及转移概率部分未知的变采样ncs控制器设计方法 | |
Ye et al. | Sensor fault estimation of networked vehicle suspension system with deny‐of‐service attack | |
CN110611599B (zh) | 一种网络控制***及其控制方法 | |
Adilla Mohd Subha et al. | External consensus in multi‐agent systems with large consecutive data loss under unreliable networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |