基于观测器的执行器故障诊断研究

基于观测器与小波变换的UAV作动器故障检测钟麦英;薛婷【摘要】为提高无人机飞行控制系统的安全性和可靠性,将观测器方法与小波变换相结合,针对无人机飞行控制系统作动器故障检测问题开展研究.在基于观测器构造残差的基础上,通过引入小波变换,产生一组包含不同频率作动器故障的残差,将残差产生器设计归结为小波基函数选取和H2/H2性能指标最优化问题.利用小波变换的时频局部化特性,在保证性能指标最优的同时,可减小故障检测延时,且产生的一组残差能够检测较宽频带内的作动器故障.基于某型无人机的Simulink仿真结果表明,该方法的检测快速性好,可检测故障的频率范围宽,且对闭环飞行控制系统中的微小故障具有较高的灵敏度,有效降低了漏报率.【期刊名称】《系统仿真技术》【年(卷),期】2016(012)001【总页数】7页(P6-12)【关键词】无人机;故障检测;闭环;观测器;小波变换【作者】钟麦英;薛婷【作者单位】北京航空航天大学仪器科学与光电工程学院,北京 100191;北京航空航天大学仪器科学与光电工程学院,北京 100191【正文语种】中文【中图分类】TP206无人机（Unmanned Aerial Vehicle，UAV）在各领域日益广泛的应用，对飞行控制系统的安全性和可靠性提出了新的挑战。

作动器作为飞行控制系统的重要执行机构，不可避免会发生故障，严重时将威胁UAV的飞行安全。

因此，针对UAV 飞行控制系统作动器故障检测方法的研究具有重要意义［1］。

近年来，国内外针对UAV飞行控制系统故障诊断的研究以基于解析模型的方法居多［1～2］，其中一种是观测器方法，其通过设计故障检测滤波器（Fault Detection Filter，FDF）构造残差，并进行残差评价实现故障检测［1］。

UAV 在飞行过程中受到大气紊流、随机噪声等未知扰动的影响，鲁棒性问题是UAV飞行控制系统故障诊断研究的重要方面［2］。

目前，较为常用的是基于Hi/H∞Hi/ H∞性能指标最优化的鲁棒故障检测方法［3］。

基于观测器方法的系统故障诊断技术的研究的开题报告一、研究背景随着工业自动化的不断发展，系统的复杂度不断增加，系统故障的发生也越来越频繁。

因此，系统故障诊断技术的研究成为了工业界和学术界的研究热点。

目前，系统故障诊断技术主要分为基于模型的方法和基于数据的方法。

基于模型的方法通常需要先建立系统模型，再通过模型进行故障检测和诊断。

然而，由于模型难以准确地描述系统的复杂行为，基于模型的方法的效果有限。

基于数据的方法则是通过对系统运行数据的分析和处理，实现故障检测和诊断。

本文将研究一种基于观测器方法的系统故障诊断技术。

观测器方法是一种基于数据的故障诊断方法，它通过观测系统的运行数据，利用数据之间的关系和规律，实现故障的检测和诊断。

这种方法具有模型无关性、适用性强、实现简单等优点，因此在工业应用中得到了广泛的应用。

二、研究内容和目标本文将研究基于观测器方法的系统故障诊断技术，主要包括以下内容：1. 观测器方法的基本原理和算法分析。

通过对观测器方法的分析，深入理解其基本原理和算法，为后续的研究奠定基础。

2. 观测器方法在系统故障诊断中的应用。

将观测器方法应用于系统故障诊断中，通过对系统运行数据的观测和分析，实现故障的检测和诊断。

同时，探索观测器方法在实际应用中的优化方案。

3. 实验验证和效果分析。

通过实验验证，比较不同方法之间的效果，分析观测器方法在实际应用中的优劣势。

本文的目标是探索一种基于观测器方法的系统故障诊断技术，实现对系统故障的准确、快速的诊断，提高工业生产效率。

三、研究方法和技术路线本文将采用实验研究法和理论分析法相结合的方法，具体的技术路线如下：1. 文献调研和理论分析。

通过查阅相关文献，了解观测器方法的基本原理和现有的研究成果，分析现有方法的优缺点和应用范围。

2. 观测器方法的算法设计和实现。

根据观测器方法的原理和算法，设计合理的算法，并实现为软件工具。

3. 实验设计和数据采集。

设计实验方案，确定实验参数和数据采集方案。

《基于虚拟样机的气动执行器故障人工免疫诊断方法研究》篇一一、引言随着现代工业自动化和智能制造的快速发展，气动执行器作为工业生产中的关键设备，其性能和可靠性直接影响到整个生产线的效率和安全。

因此，对于气动执行器故障的诊断和修复成为了一个重要的研究课题。

本文旨在研究基于虚拟样机的气动执行器故障人工免疫诊断方法，以提高故障诊断的准确性和效率。

二、气动执行器及其故障概述气动执行器是一种利用压缩空气作为动力源的执行机构，广泛应用于各种工业领域。

其常见的故障包括气路堵塞、气缸泄漏、电磁阀失效等。

这些故障往往会导致执行器性能下降，甚至造成整个生产线的停工。

因此，及时发现和修复这些故障对于保障生产线的正常运行具有重要意义。

三、传统故障诊断方法的局限性传统的气动执行器故障诊断方法主要依赖于专家的经验和知识，通过分析执行器的运行数据和症状来进行诊断。

然而，这种方法存在以下局限性：一是诊断过程耗时且效率低下；二是受专家经验和知识水平的限制，容易出现误诊和漏诊；三是难以应对复杂的故障模式和未知的故障类型。

四、人工免疫诊断方法的提出针对传统故障诊断方法的局限性，本文提出了一种基于人工免疫诊断方法的气动执行器故障诊断技术。

该方法借鉴了生物免疫系统的原理，通过模拟免疫系统的学习和记忆功能，实现对气动执行器故障的快速、准确诊断。

五、基于虚拟样机的气动执行器人工免疫诊断方法实现（一）建立虚拟样机模型首先，根据气动执行器的结构和功能，建立虚拟样机模型。

该模型可以模拟执行器的实际运行过程和各种故障模式。

通过该模型，可以获取执行器在不同故障模式下的特征信息，为后续的故障诊断提供数据支持。

（二）设计免疫诊断算法借鉴生物免疫系统的学习机制，设计免疫诊断算法。

该算法包括学习阶段和诊断阶段。

在学习阶段，算法通过分析历史故障数据和特征信息，学习不同故障模式之间的关联和规律；在诊断阶段，算法根据当前执行器的运行数据和特征信息，与学习阶段的知识进行比对和分析，从而判断出可能的故障类型和位置。

基于滑模观测器的机械臂故障检测与容错控制研究基于滑模观测器的机械臂故障检测与容错控制研究摘要：机械臂作为一种重要的工业自动化装备，在工业生产中扮演着关键的角色。

然而，机械臂在运行过程中可能会遭遇各种故障，如传感器故障、执行器故障等，这些故障会给生产过程和产品质量带来重大影响。

因此，开展机械臂故障检测与容错控制研究具有重要意义。

本文围绕机械臂故障检测与容错控制问题进行了研究，提出了基于滑模观测器的故障检测与容错控制方法，并进行了仿真实验验证。

一、引言机械臂是一种能够在工业生产过程中协助完成重复性、精确性较强的动作的机器人装置。

机械臂的应用范围逐渐扩大，但在运行过程中也存在各种故障，如传感器误差、执行器故障等。

这些故障如果不及时检测和处理，会导致机械臂工作异常，影响产品质量和生产效率。

因此，开展机械臂故障检测与容错控制研究对于提高机械臂系统可靠性和安全性非常重要。

二、滑模观测器滑模观测器是一种基于滑模控制理论设计的扩展状态观测器，能够对系统的未测量状态进行估计。

滑模观测器通过引入滑动面和滑动模式，实现对系统状态的估计和监控。

在机械臂故障检测与容错控制研究中，滑模观测器可以用于对传感器和执行器故障进行检测和监测。

三、机械臂故障检测方法1. 传感器故障检测：传感器是机械臂系统获取外界信息的重要组成部分。

传感器故障会导致机械臂受到错误的指令或者无法获取正确的外界信息，从而影响机械臂的运动控制和位置估计。

基于滑模观测器的传感器故障检测方法可以通过对传感器输出进行滑模观测，实时监测传感器是否存在故障。

2. 执行器故障检测：执行器是机械臂系统实现动作的关键组件。

执行器故障可能导致机械臂动作异常或者无法完成指定任务。

通过引入滑模观测器，可以对执行器的输出进行滑模观测和监测，及时检测出执行器故障。

四、机械臂故障容错控制方法在机械臂出现故障时，为了保证系统正常运行，需要进行故障容错控制。

基于滑模观测器的故障容错控制方法可以在检测到故障后，通过重新分配控制信号，实现机械臂系统的容错控制。