-
公开(公告)号:CN118068686B
公开(公告)日:2024-06-28
申请号:CN202410478830.9
申请日:2024-04-20
Applicant: 南京工业大学
IPC: G05B11/42
Abstract: 本发明涉及周期性故障估计技术领域,解决了传统故障估计方法难以估计周期性故障的技术问题,尤其涉及一种基于迭代学习的单连杆机械臂周期性故障估计方法,该方法包括以下步骤:在状态观测器的结构设计过程中引入一种非线性自耦观测器,采用嵌入PD型递推自耦方案进行故障估计,构成用于对单连杆机械臂周期性故障有效估计的故障估计观测器;利用递推分析方法和鲁棒控制理论证明故障估计误差的最终有界性;设计确保故障估计误差收敛于预设边界的学习增益矩阵。本发明将迭代学习算法与观测器理论相结合构造故障估计观测器,实现了对单连杆机械臂周期性故障的有效估计,解决单连杆机械臂系统存在执行器故障时难以估计周期性故障的问题。
-
公开(公告)号:CN118068686A
公开(公告)日:2024-05-24
申请号:CN202410478830.9
申请日:2024-04-20
Applicant: 南京工业大学
IPC: G05B11/42
Abstract: 本发明涉及周期性故障估计技术领域,解决了传统故障估计方法难以估计周期性故障的技术问题,尤其涉及一种基于迭代学习的单连杆机械臂周期性故障估计方法,该方法包括以下步骤:在状态观测器的结构设计过程中引入一种非线性自耦观测器,采用嵌入PD型递推自耦方案进行故障估计,构成用于对单连杆机械臂周期性故障有效估计的故障估计观测器;利用递推分析方法和鲁棒控制理论证明故障估计误差的最终有界性;设计确保故障估计误差收敛于预设边界的学习增益矩阵。本发明将迭代学习算法与观测器理论相结合构造故障估计观测器,实现了对单连杆机械臂周期性故障的有效估计,解决单连杆机械臂系统存在执行器故障时难以估计周期性故障的问题。
-
公开(公告)号:CN117895920B
公开(公告)日:2024-05-17
申请号:CN202410282300.7
申请日:2024-03-13
Applicant: 南京工业大学
Abstract: 本发明公开了通信链路故障下传感器网络分布式一致性卡尔曼滤波方法,包括:步骤1、基于标准卡尔曼滤波算法,根据通信链路故障下传感器网络的测量信息进行局部测量更新,得到局部最优估计,包括传感器网络的最优估计值和估计误差协方差矩阵;步骤2、对局部最优估计进行信息一致性融合,并在完成一致性融合后,更新传感器网络的最优估计值和估计误差协方差矩阵。本发明可补偿测量数据丢失对滤波精度的影响,借助于矩阵理论、随机分析技术来计算增广系统的误差协方差矩阵以及状态估计方差矩阵,进一步的获得分布式滤波器的更新方程,可保证整个分布式传感网络的整体工作性能,适用于存在通信链路故障时的分布式状态估计问题。
-
公开(公告)号:CN118331326B
公开(公告)日:2024-10-15
申请号:CN202410764462.4
申请日:2024-06-14
Applicant: 南京工业大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明涉及基于中间变量观测器的多领航无人机系统容错编队控制方法,包括:构建存在系统故障和系统不确定性的多领航无人机系统动态模型,并对跟随无人机的系统故障和系统不确定性构造增广系统;对上述增广系统设计基于中间变量的故障观测器;设计分布式自适应跟踪容错编队控制器,并利用故障观测器得到的估计值在容错编队控制器中构造补偿项;基于李雅普诺夫定理和自适应技术设计故障观测器和容错编队控制器参数;验证在满足设计的参数条件下该容错编队控制器能够实现对多领航无人机系统的编队跟踪目标。本发明基于故障观测器与相对编队误差信息相结合的容错编队控制器,考虑了系统故障和系统不确定性的影响,改善了以往该领域研究的局限性。
-
公开(公告)号:CN118092190A
公开(公告)日:2024-05-28
申请号:CN202410481209.8
申请日:2024-04-22
Applicant: 南京工业大学
IPC: G05B13/04
Abstract: 本发明涉及随机时变系统技术领域,解决了传统的状态估计方法存在着无法有效解耦系统状态估计误差与未知扰动的技术问题,尤其涉及一种基于自适应抗扰观测器的随机时变系统故障检测方法,该方法包括以下步骤:构建线性随机时变系统动态模型;基于线性随机时变系统动态模型构建全维的自适应抗扰观测器,以实现对随机时变动态系统中系统状态估计误差与未知扰动的精确解耦;基于自适应抗扰观测器对线性离散时间随机时变动态系统进行故障检测。本发明所提出的自适应抗扰观测器能够实现随机时变系统状态估计误差与未知扰动的精确解耦,并可以提供有效的观测器增益矩阵设计方法,以确保随机时变系统能够实现最小方差估计的充要条件。
-
公开(公告)号:CN117895920A
公开(公告)日:2024-04-16
申请号:CN202410282300.7
申请日:2024-03-13
Applicant: 南京工业大学
Abstract: 本发明公开了通信链路故障下传感器网络分布式一致性卡尔曼滤波方法,包括:步骤1、基于标准卡尔曼滤波算法,根据通信链路故障下传感器网络的测量信息进行局部测量更新,得到局部最优估计,包括传感器网络的最优估计值和估计误差协方差矩阵;步骤2、对局部最优估计进行信息一致性融合,并在完成一致性融合后,更新传感器网络的最优估计值和估计误差协方差矩阵。本发明可补偿测量数据丢失对滤波精度的影响,借助于矩阵理论、随机分析技术来计算增广系统的误差协方差矩阵以及状态估计方差矩阵,进一步的获得分布式滤波器的更新方程,可保证整个分布式传感网络的整体工作性能,适用于存在通信链路故障时的分布式状态估计问题。
-
公开(公告)号:CN117869808A
公开(公告)日:2024-04-12
申请号:CN202410282985.5
申请日:2024-03-13
Applicant: 南京工业大学
Abstract: 本发明公开了基于正交投影最优递推滤波的管道泄露点检测与定位方法,包括:步骤1、基于气体管道的理论建模构建输气管道动态数学模型;步骤2、针对输气管道动态数学模型设计正交投影最优递推滤波器;步骤3、以正交投影最优递推滤波器作为状态估计器进行输气管道泄露点检测与定位。本发明不仅对于建模误差和其它的不确定性鲁棒,还能快速跟踪系统的状态,进而得到更精确的泄漏定位,而且能更快地检测出泄漏信息。
-
公开(公告)号:CN119414818A
公开(公告)日:2025-02-11
申请号:CN202411545185.4
申请日:2024-11-01
Applicant: 南京工业大学
IPC: G05B23/02
Abstract: 本发明提出一种基于干扰解耦观测器的反馈控制系统故障检测方法,包括:构建包含未知扰动的线性离散反馈控制系统;在反馈控制量已知的情况下,构建干扰解耦观测器DDO,进行参数配置,计算反馈控制静态不变下的估计误差和闭环残差;代入反馈控制律,重新构建干扰解耦观测器DDO,对其结构进行调整并进行参数重配置,计算反馈控制动态变化下的估计误差和闭环残差;对比静态和动态情况下的估计误差和闭环残差,检验结构调整和参数重配置后的干扰解耦观测器DDO的性能。本方法侧重考虑了一类反馈控制下闭环系统基于DDO的故障检测问题,旨在通过改变观测器结构并重新设计参数,使得观测器在反馈控制动态变化的情况下仍然适用。
-
公开(公告)号:CN118092190B
公开(公告)日:2024-06-28
申请号:CN202410481209.8
申请日:2024-04-22
Applicant: 南京工业大学
IPC: G05B13/04
Abstract: 本发明涉及随机时变系统技术领域,解决了传统的状态估计方法存在着无法有效解耦系统状态估计误差与未知扰动的技术问题,尤其涉及一种基于自适应抗扰观测器的随机时变系统故障检测方法,该方法包括以下步骤:构建线性随机时变系统动态模型;基于线性随机时变系统动态模型构建全维的自适应抗扰观测器,以实现对随机时变动态系统中系统状态估计误差与未知扰动的精确解耦;基于自适应抗扰观测器对线性离散时间随机时变动态系统进行故障检测。本发明所提出的自适应抗扰观测器能够实现随机时变系统状态估计误差与未知扰动的精确解耦,并可以提供有效的观测器增益矩阵设计方法,以确保随机时变系统能够实现最小方差估计的充要条件。
-
公开(公告)号:CN117633517B
公开(公告)日:2024-04-30
申请号:CN202410105072.6
申请日:2024-01-25
Applicant: 南京工业大学
IPC: G06F18/213 , G06F30/27 , G06F17/16 , G06F119/04
Abstract: 本发明提供了一种基于深度自编码器和局部线性嵌入的轴承健康指数评估方法,包括:采集轴承的振动信号并提取二次特征;采用带有非线性激活函数和多层的深度自编码器对二次特征进行特征降维,并基于趋势因子进行评估;通过局部线性嵌入算法对降维特征进行局部线性拟合,获得反映轴承动态性能退化的显性健康指数。本发明的深度自编码器具有学习非线性变换的独特能力,在表示线性和非线性变换方面提供了更大的灵活性,同时本发明采用局部线性嵌入算法来处理轴承部件两阶段退化的非线性行为,能够确定充分反映轴承动态性能退化的明确健康指数。通过采用相关性、单调性和稳健性来评估本发明的拟合优度,仿真对比说明了本发明的方法具有更好的性能。
-
-
-
-
-
-
-
-
-