一种传感器饱和约束下网络化系统的随机故障检测方法技术方案

本发明专利技术公开一种传感器饱和约束下网络化系统的随机故障检测方法，属于网络化控制系统领域。首先建立存在随机故障、随机时延、传感器饱和以及随机丢包的离散网络化系统模型，再设计故障检测滤波器，引入残差评估机制来判断故障是否发生；利用Lyapunov稳定性理论和线性矩阵不等式分析方法，得到增广系统均方指数稳定和故障检测滤波器存在的充分条件；利用Matlab LMI工具箱求解最优化问题，得到最优故障检测滤波器参数为

【技术实现步骤摘要】
一种传感器饱和约束下网络化系统的随机故障检测方法
本专利技术属于网络化控制系统领域，涉及一种传感器饱和约束下网络化系统的随机故障检测方法。
技术介绍
近年来，随着网络技术的迅速发展，网络化控制系统(NetworkedControlSystem,NCS)开始得到众多学者的关注。网络化控制系统具有安装维护方便、灵活性高和易于重构等优点，在网络化控制系统中传感器、执行器、控制器以及其他系统元件通过网络进行连接。然而网络的引入会带来一些新的问题，如数据丢失、网络诱导的时延、量化误差等，这些问题将影响系统的性能和稳定性，甚至产生故障，因此故障检测方法是近年来研究的热点。故障检测的关键一步就是根据残差产生机制设计故障检测滤波器，得到对故障敏感的残差信号，再利用残差评估机制判断故障是否发生。由于网络变化的不可预测性，网络化控制系统中存在很多随机现象，比如随机非线性、随机丢包以及随机时延等，然而大多研究成果将系统中的故障假设为确定性发生的。同时由于物理限制，传感器饱和现象在实际系统中时常发生，并且由于不同传感器的工作环境不同，数据在通过网络通道进行传输时会产生复杂的通信时延。
技术实现思路
针对上述现有技术中存在的问题，本专利技术提供了一种传感器饱和约束下网络化系统的随机故障检测方法。考虑网络化系统存在随机故障、随机时延、传感器饱和以及随机丢包的情况，设计了故障检测滤波器，使得网络化系统在上述情况下仍能保持均方指数稳定并且满足Η∞性能指标，并能有效地检测出故障。本专利技术的技术方案：一种传感器饱和约束下网络化系统的随机故障检测方法，包括以下步骤：1)建立存在随机故障、随机时延和传感器饱和的网络化系统的数学模型：其中：为网络化系统的状态向量；为带传感器饱和的网络化系统的测量输出向量；为有限能量的未知输入向量，w(k)∈l2[0,∞]；为待检测的故障信号向量；τi(k)，(i＝1,2,…,q)代表离散时延，τm≤τi(k)≤τM，τm和τM分别代表时延的上限和下限；为系统的常数矩阵；是传感器饱和中的非线性部分，属于[L1，L2]，和是对角矩阵，L2-L1是对称正定矩阵；α(k)表示网络化系统中随机故障发生的概率，bi(k)(i＝1,2,…,q)表示网络中随机时延发生的概率，网络化系统中随机故障和网络中随机时延发生的概率满足Bernoulli0-1序列分布：其中：和是已知的常数，prob{·}表示事件发生概率，Var{·}表示方差，E{·}表示数学期望；2)设计故障检测滤波器：其中：为网络化系统的状态估计向量；为故障检测滤波器的输入向量；为故障检测滤波器输出的残差信号向量；是需要被确定的故障检测滤波器的参数；故障检测滤波器的输入量为：yf(k)＝δ(k)(φ(Cx(k))+L1Cx(k)+D2w(k))(3)其中：δ(k)表示发生在传感器和故障检测滤波器之间的网络的随机丢包情况，满足Bernoulli0-1序列分布：其中：是已知的常数；用残差评估机制来检测网络化系统的故障是否发生，残差评价函数J(k)和阈值Jth分别为式(4)和式(5)：其中：L为评估的时间长度；由式(6)检测网络化系统是否发生故障：3)网络化系统均方指数稳定和故障检测滤波器存在的充分条件为：其中：*代表对称位置矩阵的转置，是未知的矩阵，I是单位矩阵，0是零矩阵是给定的常数，γ>0是给定的指标；给定正标量以及一个γ>0的指标，利用MatlabLMI工具箱求解不等式(7)，当不等式(7)有解时，存在正定矩阵P，Qj(j＝1,2,…q)，矩阵G网络化系统是均方指数稳定的，且满足H∞性能指标，能获得故障检测滤波器参数，能继续进行步骤4)；当不等式(7)无解时，网络化系统不是均方指数稳定的，且不能获得故障检测滤波器参数，不进行步骤4)，结束；4)计算最优故障检测滤波器参数根据求出性能指标γ，利用MatlabLMI工具箱求解最优化问题：其中，e(k)＝r(k)-f(k)为残差误差信号，θ(k)＝[wT(k)fT(k)]T；当式(8)有解时，最优的Η∞性能指标为γmin，得到最优故障检测滤波器参数为：其中：是非奇异矩阵；当式(8)无解时，则不能获得最优故障检测滤波器，结束；5)网络化系统随机故障检测根据网络化系统实际运行时得到的故障检测滤波器的输入yf(k)，由故障检测滤波器式(2)得到故障检测滤波器输出的残差信号r(k)，然后由式(4)和式(5)计算得到残差评价函数J(k)和阈值Jth，最后由式(6)判断随机故障是否发生。本专利技术同时考虑了网络化系统中存在的随机时延、传感器饱和、随机丢包以及随机故障的情况下故障检测滤波器的设计方法，相比传统的故障检测滤波器设计建模时只考虑了确定性故障且较少考虑随机时延的局限性，本方法更具有实际意义，降低保守性。附图说明图1是传感器饱和约束下网络化系统的随机故障检测方法的流程图。图2是传感器饱和约束下网络化系统的结构图。图中：为网络化系统的状态向量；为带传感器饱和的网络化系统的测量输出向量；为有限能量的未知输入向量；为待检测的故障信号向量；为故障检测滤波器的输入向量；为故障检测滤波器输出的残差信号向量；为残差误差信号向量。图3是w(k)≠0，时的残差信号图。图4是w(k)≠0，时的残差评价函数图。图5是w(k)≠0，时的残差评价函数图。图6是w(k)≠0，时的残差评价函数图。图7是w(k)≠0，时的残差评价函数图。具体实施方式下面结合附图对本专利技术的具体实施方式做进一步说明。参照附图1，一种传感器饱和约束下网络化系统的随机故障检测方法，包括以下步骤：步骤1：建立存在随机故障、随机时延和传感器饱和的网络化系统的数学模型存在随机故障、随机时延和传感器饱和的网络化系统的数学模型为式(10)：考虑到网络化系统中，传感器存在饱和现象，饱和函数属于[L1，L2]，L1和L2是对角矩阵，且L2-L1是对称正定矩阵，σ(·)满足：[σ(Cx(k))-L1Cx(k)]T[σ(Cx(k))-L2Cx(k)]≤0(11)为了便于处理，将σ(Cx(k))分为线性部分和非线性部分：σ(Cx(k))＝φ(Cx(k))+L1Cx(k)(12)其中：这时候系统带传感器饱和的测量输出为：y(k)＝φ(Cx(k))+L1Cx(k)+D2w(k)步骤2：设计故障检测滤波器设计故障检测滤波器式(2)，选用αk表示故障发生的概率，αk为满足Bernoulli0-1序列分布的随机变量，当αk＝0时，表明系统没有发生故障；当αk＝1时，表明系统确定发生故障；越大，表示系统中发生故障的可能性越大。用bi(k)(i＝1,2,…,q)表示随机时延发生的概率，bi(k)为满足Bernoulli0-1序列分布的随机变量，当bi(k)＝0时，表明系统没有发生时延；当bi(k)＝1时，表明系统确定发生时延；bi越大，表示系统中发生时延的可能性越大。考虑随机丢包情况下，故障检测滤波器的输入为式(3)。δ(k)表示发生在传感器和故障检测滤波器之间的随机丢包情况，δ(k)为满足Bernoulli0-1序列分布的随机变量。当δ(k)＝1时，表明无数据丢失；当δ(k)＝0时，表明数据全部丢失。定义残差误差信号向量：e(k)＝r(k)-f(k)(14)综合考虑式(2)、(3)、(10本文档来自技高网...

【技术保护点】
1.一种传感器饱和约束下网络化系统的随机故障检测方法，其特征在于，包括以下步骤：1)建立存在随机故障、随机时延和传感器饱和的网络化系统的数学模型：

【技术特征摘要】
1.一种传感器饱和约束下网络化系统的随机故障检测方法，其特征在于，包括以下步骤：1)建立存在随机故障、随机时延和传感器饱和的网络化系统的数学模型：其中：为网络化系统的状态向量；为带传感器饱和的网络化系统的测量输出向量；为有限能量的未知输入向量，w(k)∈l2[0,∞]；为待检测的故障信号向量；τi(k)，(i＝1,2,…,q)代表离散时延，τm≤τi(k)≤τM，τm和τM分别代表时延的上限和下限；为系统的常数矩阵；是传感器饱和中的非线性部分，属于[L1，L2]，和是对角矩阵，L2-L1是对称正定矩阵；α(k)表示网络化系统中随机故障发生的概率，bi(k)(i＝1,2,…,q)表示网络中随机时延发生的概率，网络化系统中随机故障和网络中随机时延发生的概率满足Bernoulli0-1序列分布：其中：和是已知的常数，prob{·}表示事件发生概率，Var{·}表示方差，E{·}表示数学期望；2)设计故障检测滤波器：其中：为网络化系统的状态估计向量；为故障检测滤波器的输入向量；为故障检测滤波器输出的残差信号向量；是需要被确定的故障检测滤波器的参数；故障检测滤波器的输入向量为：yf(k)＝δ(k)(φ(Cx(k))+L1Cx(k)+D2w(k))(3)其中：δ(k)表示发生在传感器和故障检测滤波器之间的网络的随机丢包情况，满足Bernoulli0-1序列分布：其中：是已知的常数；用残差评估机制来检测网络化系统的故障是否发生，残差评价函...

【专利技术属性】
技术研发人员：潘丰，高敏，邹金鹏，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32