The invention proposes a fault diagnosis and fault tolerant control method for sensors in molecular weight distribution control. The steps are as follows: obtaining the molecular weight distribution of chemical reaction process online by mass spectrometer or laser testing technology, obtaining the output probability density function, approaching the output probability density function by B-spline neural network, establishing the state space model of the system, and transforming it by scanning identification method. The parameters of the state space model are obtained, and the learning fault diagnosis observer is designed. The learning fault diagnosis observer is used to monitor whether the sensor has a fault and estimate the fault information in time when the fault occurs. The estimated fault information is used to compensate the output weights of the system. The designed control signal is input into the system to make the system output molecular weight distribution tracking period. Distribution of expected molecular weight. The invention can provide guarantee for the reliability and safety of the system in the process of operation, and escort the safety of life and property of the personnel of relevant enterprises.
【技术实现步骤摘要】
一种分子量分布控制中传感器故障诊断与容错控制方法
本专利技术涉及传感器故障诊断与容错控制的
,尤其涉及一种分子量分布控制中传感器故障诊断与容错控制方法。
技术介绍
化工过程控制中系统分子量分布控制是典型的随机分布控制系统的应用,并在其相关的领域饱受重视。随机分布系统的概念由造纸工业生产过程中提出,后来延伸到磨矿、锅炉燃烧、化工反应等领域,由于其应用十分广泛,所以在其相关领域饱受相关专家和学者们的重视。由于生产环境所限相关行业大多采用机械化和智能化生产线,其中需要大量传感器执行器等部件,而在这样的生产环境下长时间、不间断工作难免发生故障,如果不能及时诊断出故障并进行容错控制将造成严重的后果。随机分布系统的控制对象是整个系统的输出概率密度函数,其输入、噪声和故障类型并不一定服从高斯分布,其随机变量是非高斯型的,是一类非高斯随机分布系统。随机分布系统所受的扰动多为非高斯的,其分布难以描述,影响故障诊断的性能。而传统的故障诊断方法主要是基于模型设计观测器或滤波器进行故障诊断。现有的故障诊断与容错控制方法只针对非高斯随机分布系统的执行器进行故障诊断与容错控制并未考虑传感器发生故障时对传感器进行故障诊断以及容错控制。
技术实现思路
针对现有的非高斯随机分布系统只针对执行器进行故障诊断与容错控制,未考虑传感器发生故障的现状的技术问题,本专利技术提出一种分子量分布控制中传感器故障诊断与容错控制方法,解决了非高斯随机分布控制系统的传感器故障诊断问题,解决了非高斯随机分布控制系统传感器发生故障时的容错控制问题。为了达到上述目的,本专利技术的技术方案是这样实现的:一种分子量分 ...
【技术保护点】
1.一种分子量分布控制中传感器故障诊断与容错控制方法,其特征在于,其步骤如下:步骤100:通过质量光谱仪或激光测试技术在线获得化工反应过程分子量的分布,得到输出概率密度函数,用B样条神经网络逼近输出概率密度函数;步骤200:根据逼近的输出概率密度函数建立系统的状态空间模型,经扫描辨识法变换后得到状态空间模型的参数,设计学习故障诊断观测器;步骤300:将设计好的学习故障诊断观测器在计算机上实现,实时监控传感器是否有故障发生,当有故障发生,学习故障诊断观测器及时估计出故障信息;步骤400:当系统有故障发生故障诊断观测器准确估计出故障信息,利用估计的故障信息对系统的输出权值进行补偿;步骤500:将设计好的控制信号输入系统使系统输出分子量分布跟踪期望分子量的分布。
【技术特征摘要】
1.一种分子量分布控制中传感器故障诊断与容错控制方法,其特征在于,其步骤如下:步骤100:通过质量光谱仪或激光测试技术在线获得化工反应过程分子量的分布,得到输出概率密度函数,用B样条神经网络逼近输出概率密度函数;步骤200:根据逼近的输出概率密度函数建立系统的状态空间模型,经扫描辨识法变换后得到状态空间模型的参数,设计学习故障诊断观测器;步骤300:将设计好的学习故障诊断观测器在计算机上实现,实时监控传感器是否有故障发生,当有故障发生,学习故障诊断观测器及时估计出故障信息;步骤400:当系统有故障发生故障诊断观测器准确估计出故障信息,利用估计的故障信息对系统的输出权值进行补偿;步骤500:将设计好的控制信号输入系统使系统输出分子量分布跟踪期望分子量的分布。2.根据权利要求1所述的分子量分布控制中传感器故障诊断与容错控制方法,其特征在于,所述步骤100中输出概率密度函数为给出:其中,φi(y)表示第i个B样条基函数,n表示B样条基函数的个数,y表示系统的输出,t表示时间,u(t)为控制输入,ωi(t)为第i个B样条基函数的权值;由于输出概率密度函数γ(y,u(t))在其定义区间[a,b]的积分等于1,采用B样条神经网络用线性B样条基函数神经网络逼近其输出概率密度函数为:γ(y,u(t))=C(y)V(t)+T(y);其中,线性径向基函数和参数φ1(y),φ2(y),φ3(y)均为系统输出y的线性B样条基函数;V(t)=[ω1(t),ω1(t),…ω3(t)]T为输出权值向量,ωi(t)为第i个B样条基函数的权值,i=1,2,3。3.根据权利要求2所述的分子量分布控制中传感器故障诊断与容错控制方法,其特征在于,所述步骤200中根据逼近的概率密度函数建立系统的状态空间模型为:利用系统的输出权值引入一个新的状态变量则系统的状态空间模型变为:其中,x(t)为原系统的状态变量,u(t)为控制输入,f(t)为故障向量,V(t)...
【专利技术属性】
技术研发人员:姚利娜,王豪,李立凡,梁占红,武亚威,顾照玉,
申请(专利权)人:郑州大学,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。