动态系统故障诊断的未知输入观测器组方法

介绍了动态系统故障诊断的未知输入观测器组方法的原理和设计步骤,对于线性离散定常系统,详细推导了基于矩阵束的克罗内克尔标准形变换的观测器设计算法,所得观测器对于指定故障敏感,对其他未知输入解耦,重复该设计过程,可得到观测器组,实现鲁棒的动态系统故障检测和分离,最后讨论了设计方法的有关问题。     

列车车钩缓冲装置系统动力学仿真

将键合图理论与方法和MATLAB相结合,用键合图建立列车车钩缓冲装置的系统动力学模型,将键合图转换成方框图,方框图转换成MATLAB(SIMULINK)模块,然后利用MATLAB对仿真模型进行求解.对两种不同的列车车钩缓冲装置进行系统动力学仿真,得到了较好的仿真结果,为列车车钩缓冲装置的设计、改进和应用提供了有价值的参考.同时证明了键合图方法的可行性,优越性.     

一类非线性时滞系统基于未知输入观测器的故障检测和分离

研究了一类非线性时滞系统的故障分离问题.文中所讨论的故障是未知卡死故障,这就使得故障检测和估计问题变得更加的复杂.根据自适应未知输入观测器的设计理论和研究方法给出了针对此类系统的故障分离和估计的方法 .在满足Lipschitz条件下,提出了故障分离观测器和自适应诊断观测器.     

一种简化的伺服系统干扰观测器设计方法

基于Q-参数化控制器,提出了一种新的干扰观测器结构,与传统的干扰观测器设计方法不同,通过使用两个分别属于控制器和观测器的参数,可以得到所需求的参考输入响应和闭环特征.该伺服系统能够显著提高闭环系统性能,如干扰转矩抑制性能和系统参数变化及模型不确定情况下的鲁棒性等.     

具有输入滞后的不确定系统时滞依赖鲁棒H∞可靠控制

讨论了一类具有输入时变时滞不确定系统,研究了在执行器发生故障情况下系统全局渐进稳定的鲁棒H∞可靠控制设计的问题.首先建立了包含参数不确定、控制输入滞后、执行器故障等的系统状态模型;然后根据Lya-punov稳定性理论,推导出系统存在时滞依赖型鲁棒H∞可靠控制器应满足的矩阵不等式,并将其转化为线性矩阵不等式.数值仿真结果表明:提出的控制器设计方法具有满意的控制性能要求.     

考虑执行器故障的电动汽车空调鲁棒控制

为了保证空调系统在部分故障的条件下,依然满足系统性能要求正常工作,通过对电动汽车空调系统分析,依据空调执行过程的故障模型,建立考虑执行器故障的空调不确定系统,利用状态观测器对系统状态进行了观测.采用线性矩阵不等式LMI（linear matrix inequalities）,设计了能够对空调执行器故障进行补偿的H_∞状态反馈鲁棒控制器,并证明了该控制器的稳定性.仿真实验表明,在有故障和无故障模式下的观测误差最大分别为0.1%和0.6%,满足系统的观测需求;与未考虑执行器故障的电动汽车空调H_∞控制器相比,在10 Hz以下频段,考虑执行器故障的H_∞控制方式可有效地抑制系统输入端所带来的干扰.      

感应电机的Takagi-Sugeno型模糊状态观测器

针对感应电机在低速发电状态时传统自适应磁链观测器性能不稳定的问题,提出了基于Takagi-Sugeno模糊模型的状态观测方法.该方法利用电机的5阶非线性时变模型进行磁链观测和速度估计.根据Lyapunov稳定理论和线性矩阵不等式技术设计了模糊观测器.仿真结果表明,将该方法用于感应电机无速度传感器控制,速度估计误差小于1.78%,感应电机在全速度范围内各种工况下都能稳定工作.     

不确定离散非线性系统的模糊控制

针对状态不完全可测的一类不确定离散非线性系统,基于状态观测器研究其镇定问题.采用T-S模型对非线性系统进行建模,根据李雅普诺夫稳定性理论,采用线性矩阵不等式(LMI)的形式,利用分散化并行分布补偿(PDC)的方法和新条件,设计了基于观测器的控制器,给出了实现该非线性系统镇定的充分条件.并通过数值仿真对提出的方法进行了验证,仿真结果表明了该方法的正确性.     

基于LMI方法的线性不确定时滞系统鲁棒镇定

考虑同时具有状态时滞和输入时滞的参数不确定线性时滞系统的鲁棒镇定问题,其参数不确定性满足范数有界条件,而状态时滞和输入时滞均为时变有界形式.鲁棒镇定控制器采用无记忆状态反馈形式,用线性矩阵不等式(LMI)方法,给出了在该控制器作用下闭环系统鲁棒指数稳定的LMI形式的充分条件.所给出的判据不要求时滞导数小于1,降低了以往文献中稳定性条件的保守性,既适合于快时变时滞系统,也适合于慢时变时滞系统.最后,通过数值算例验证了所给鲁棒稳定性条件的有效性.     

阀控非对称缸位置系统的非线性建模

针对伺服阀控非对称液压缸系统存在的非线性特性,根据液压系统工作原理,应用功率键合图建模理论,建立了阀控非对称缸位置系统的键合图模型.通过模型仿真及试验结果对比,验证了模型的准确性,为应用各种控制策略改善系统性能提供了理论基础.