一种基于数据驱动的网络化直流电机异常检测方法技术

一种基于数据驱动的网络化直流电机异常检测方法，属于信息物理系统的异常检测及安全控制领域，本发明专利技术利用子空间识别技术、混合优化策略、拉格朗日乘子法求解优化问题，构造残差生成器，在线检测异常信号，并保证残差信号对异常信号的敏感性及对扰动信号的鲁棒性，降低传统检测机制的保守性。本发明专利技术提出的方法检测性能良好，特别地，若该异常是程度较小的故障信号，或是人为设计的较弱的攻击信号，则在异常信号较弱的情况下，本方法设计的检测器仍可完成检测任务。除此之外，本发明专利技术提出的方法，使用大量的系统运行过程数据，通过直接在计算机上编程，即可实现在线投入使用，成本十分低廉。

【技术实现步骤摘要】
一种基于数据驱动的网络化直流电机异常检测方法
本专利技术属于信息物理系统的异常检测及安全控制领域，具体涉及一种基于数据驱动的网络化直流电机异常检测方法。
技术介绍
如今，信息物理系统被广泛地应用至航空航天、发配电网、民用基础设施等诸多领域，使其安全、稳定地运行成为近年来被关注的热点问题。由于其广泛地使用了嵌入式网络控制技术，随之而来的网络攻击成为信息物理系统面临的主要威胁之一，且由于信息物理系统结构的复杂性，其自身原因导致的故障诊断问题也亟待解决。依据直流电机的物理原理，考虑其可被描述为下式的系统：式中，Rm为电枢电阻，Lm为电枢电感，CV/Ω为电机常数，CT/I为电压常数，J为总惯量，△T为电机处于稳态运行时的负载转矩与当前瞬时的负载转矩之差，△I表示稳态电流和实际电枢电流的差值，△Ω表示电机期望转速与实际转速间的误差，和分别为△I,△Ω对时间求导得到的值，且Ku＝UT/u，Ky＝y/Ω，这里u,y,UT,Ω分别为控制输入、系统输出、终端电压和电机转速。异常信号的来源方式有很多种，如攻击者经网络篡改控制信号使得系统输入异常，或因系统老化等问题出现故障异常，都可能会导致系统瘫痪甚至更严重的后果，因此对其进行异常检测始终是关键而重要的任务。伴有异常信号和测量噪声的直流电机系统可被表示为如下离散的状态空间表达式：这里，k表示离散系统运行过程中的某一时刻，x(k)∈Rn,u(k)∈Rl,y(k)∈Rm分别为系统状态、输入和输出，n为系统状态的维数即系统维数，l和m分别为系统输入向量的维数和系统输出向量的维数，δ(k)表示异常信号，d(k)表示测量噪声即扰动信号，x(k+1)表示k+1时刻的系统状态值，A,B,C为未知的系统动态矩阵。为了建立异常检测机制，在数据驱动的框架下，现有技术利用采集到的大量数据，迭代各个时刻的状态空间表达式(2)得到输入输出方程(3)：式中，为单位阵。s表示k过去的s个时刻，s≥n且为整数即可，ms＝(s+1)m，ls＝(s+1)l。us(k)、ds(k)和δs(k)均与ys(k)同形，且分别由不同时刻的输入、扰动、异常信号数据构成。x(k-s)表示k-s时刻的系统状态值，根据输入输出方程(3)，残差信号r(k)可定义为：式中，vs为待优化的等价向量。据此，以往工作中残差信号对异常信号的敏感性性能指标Sδ及对扰动信号的鲁棒性性能指标Rd分别定义为如下形式：然而，用上确界定义的H∞指标来描述敏感性具有很大的保守性，真正需要优化的应该是残差信号对异常信号反映程度最坏的情况，也就是寻找的下确界，下确界的值即为最优敏感性性能指标，这是一类求解H-指标的问题，而H-问题由于其自身的非凸性质，很难进行求解，因此为传统检测机制的改进带来很大困难，导致现存的检测器检测性能较差。
技术实现思路
针对现有技术的不足，本专利技术提出一种基于数据驱动的网络化直流电机异常检测方法，采用子空间识别技术、混合优化策略建立残差生成器来实时检测异常信号，同时保证残差信号对异常信号的敏感性和对扰动信号的鲁棒性。一种基于数据驱动的网络化直流电机异常检测方法，包括以下步骤：步骤1：在无异常发生时，迭代各时刻的系统状态空间表达式(2)建立输入输出(I/O)方程，采集并处理系统运行数据并构造残差生成器；具体步骤为：步骤1.1：建立I/O方程：在无异常发生时，I/O方程由各时刻的系统状态空间表达式(2)迭代建立，时刻未来的I/O方程为式(6)，时刻过去的I/O方程为式(7)：式中，Xk＝[x(k),x(k+1),...,x(k+N)],f指k时刻未来的时间窗口，相应的，p指k时刻过去的时间窗口，Uf和Up分别与Yf和Yp同形且由各个时刻的输入u组成，Df和Dp分别与Yf和Yp同形且由各个时刻的扰动d组成。s为大于等于系统维数的整数，N为采集的数据组数；步骤1.2：采集数据：运行网络化直流电机系统，在一定激励条件下，采集输出输入数据元组({yi,ui},i＝k-s,k-s+1,...,k+s+N)，依据采集的数据构造步骤1.1中的矩阵Yp、Yf、Up和Uf；步骤1.3：奇异值分解：根据步骤1.2中的Yp、Yf、Up和Uf矩阵另构造矩阵Zp和Zf：用表示Γs的左零空间，在式(6)等号两侧左乘我们可以得到下式：将式(8)等号右侧第一项移至等号左侧，并用Ef代替噪声项可以得到下式：式中I为单位阵，因为Zp是由过去的数据组成的，所以Zp的各项与Ef的各项均不相关，根据变量的遍历性，可以得到根据式(9)可知成立，则当N→∞时，包含于的左零空间；因此，对进行奇异值分解这里，分别为奇异值分解后相应维数的块矩阵，则N为采集的数据组数，要求N的取值满足式中，n为系统维数，s为步骤1.1中大于等于系统维数的整数，l为系统输入向量的维数；步骤1.4：构造残差生成器：根据现有技术构造如下残差生成器，用于实时检测异常信号，但此步骤中构造的残差生成器不完整，因为其系数中包含未知且待优化的等价向量vs；式中，Cz＝[00…1]，这里，均为等价向量vs的分量，j＝0,1,…,s-1。z(k)表示残差生成器的状态变量，z(k+1)为k+1时刻残差生成器的状态，u(k)和y(k)的含义与式(2)中的相同，分别表示直流电机系统的输入和输出，r(k)表示残差信号，式中等价向量vs均未知且待优化；步骤2：计算参数：根据步骤1.3中的奇异值分解结果使用最小二乘法计算有异常发生时，系统的I/O方程式(2)可写成式(3)，则根据式(3)可知，为单位阵；步骤3：有异常发生时，确定系统I/O方程(3)和残差信号r(k)(4)，定义H-敏感性性能指标，后将其转化为H∞性能指标；具体步骤为：步骤3.1：定义敏感性性能指标：依据已定义好的残差信号采用如下公式使用下确界来重新定义描述残差对异常敏感性的性能指标Sδ，-：应该注意的是，此步骤中的残差信号r(k)与步骤1.4中残差生成器表达式的r(k)等价，其中都包含相同的未知且待优化的等价向量vs，定义残差信号(4)用以定义敏感性性能指标并优化，而构造残差生成器(12)是为了建立可以实时检测的机制，此后的步骤均为了求解最优的等价向量vs；步骤3.2：确立问题：结合式(5)中的鲁棒性性能指标Rd的定义式，确定待求解的混合优化问题为：对于给定的鲁棒性性能指标γ0，γ0为正数，在满足鲁棒性Rd<γ0的情况下，最大化敏感性性能指标β，使得Sδ，->β；步骤3.3：设计权重矩阵：根据给定的鲁棒性性能指标γ0，基于KYP引理，通过解线性矩阵不等式设计完整的滤波器系统：式中，xw(k)∈Rn为滤波器状态，xw(k+1)为滤波器k+1时刻的状态，zw(k)为滤波器输出，Aw、Bw和Cw分别为滤波器系数矩阵；在数据驱动的框架下，将滤波器系统改写为本文档来自技高网...

【技术保护点】
1.一种基于数据驱动的网络化直流电机异常检测方法，其特征在于，包括以下步骤：/n步骤1：在无异常发生时，迭代各时刻的系统状态空间表达式(2)建立输入输出(I/O)方程，采集并处理系统运行数据并构造残差生成器；/n

【技术特征摘要】
1.一种基于数据驱动的网络化直流电机异常检测方法，其特征在于，包括以下步骤：
步骤1：在无异常发生时，迭代各时刻的系统状态空间表达式(2)建立输入输出(I/O)方程，采集并处理系统运行数据并构造残差生成器；



这里，k表示离散系统运行过程中的某一时刻，x(k)∈Rn,u(k)∈Rl,y(k)∈Rm分别为系统状态、输入和输出，n为系统状态的维数即系统维数，l和m分别为系统输入向量的维数和系统输出向量的维数，δ(k)表示异常信号，d(k)表示测量噪声即扰动信号，x(k+1)表示k+1时刻的系统状态值，A,B,C为未知的系统动态矩阵；
具体步骤为：
步骤1.1：建立I/O方程：在无异常发生时，I/O方程由各时刻的系统状态空间表达式(2)迭代建立，时刻未来的I/O方程为式(6)，时刻过去的I/O方程为式(7)：






式中，Xk＝[x(k),x(k+1),...,x(k+N)],f指k时刻未来的时间窗口，相应的，p指k时刻过去的时间窗口，Uf和Up分别与Yf和Yp同形且由各个时刻的输入u组成，Df和Dp分别与Yf和Yp同形且由各个时刻的扰动d组成，s表示k过去的s个时刻,为大于等于系统维数的整数，N为采集的数据组数；为单位阵，ms＝(s+1)m，ls＝(s+1)l；
步骤1.2：采集数据：运行网络化直流电机系统，在一定激励条件下，采集输出输入数据元组({yi,ui},i＝k-s,k-s+1,...,k+s+N)，依据采集的数据构造步骤1.1中的矩阵Yp、Yf、Up和Uf；
步骤1.3：奇异值分解：根据步骤1.2中的Yp、Yf、Up和Uf矩阵另构造矩阵Zp和Zf：



用表示Γs的左零空间，在式(6)等号两侧左乘我们可以得到下式：



将式(8)等号右侧第一项移至等号左侧，并用Ef代替噪声项可以得到下式：



式中I为单位阵，因为Zp是由过去的数据组成的，所以Zp的各项与Ef的各项均不相关，根据变量的遍历性，可以得到根据式(9)可知成立，则当N→∞时，包含于的左零空间；
因此，对进行奇异值分解



这里，分别为奇异值分解后相应维数的块矩阵，则N为采集的数据组数，要求N的取值满足



式中，n为系统维数，s为步骤1.1中大于等于系统维数的整数，l为系统输入向量的维数；
步骤1.4：构造残差生成器：根据现有技术构造如下残差生成器，用于实时检测异常信号，但此步骤中构造的残差生成器不完整，因为其系数中包含未知且待优化的等价向量vs；



式中，Cz＝[00…1]，这里，均为等价向量vs的分量，j＝0,1,...,s-1，z(k)表示残差生成器的状态变量，z(k+1)为k+1时刻残差生成器的状态，u(k)和y(k)的含义与式(2)中的相同，分别表示直流电机系统的输入和输出，r(k)表示残差信号，式中等价向量vs均未知且待优化；
步骤2：计算参数：根据步骤1.3中的奇异值分解结果使用最小二乘法计算有异常发生时，系统的I/O方程式(2)可写成式(3)，则根据式(3)可知，为单位阵；



式中，us(k)、ds(k)和δs(k)均与ys(k)同形，且分别由不同时刻的输入、扰动、异常信号数据构成，x(k-s)表示k-s时刻的系统状态值；
步骤3：有异常发生时，确定系统I/O方程(3)和残差信号r(k)(4)，定义H-敏感性性能指标，后将其转化为H∞性能指标；



式中，vs为待优化的等价向量；<...

【专利技术属性】
技术研发人员：李霄剑，沈欣宇，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21