基于在线模糊聚类与闭环模糊辨识的非线性系统智能容错控制

针对难以获得精确数学模型和未知故障类型的非线性不确定系统，研究新的基于模糊技术的故障诊断与容错控制集成设计方案。方案包含一个在线故障检测机构、一个动态故障模式库、一组候选容错控制策略、一个决策机构和一个基于闭环模糊辨识的控制律重构单元。采用在线模糊聚类，自动检测归类故障并更新和扩充故障模式库。针对已知故障模式，通过决策机构快速切换相应的候选容错控制律。对于新的故障模式，通过闭环故障系统在线模糊辨识，自动生成新的模糊规则描述系统故障下的动态特征，并自适应调整模型参数；基于在线辨识的模糊模型，重构控制律，以补偿故障对系统性能的影响。..在理论上，是针对非线性系统的集成故障诊断与容错控制的设计，属于国际前沿课题。和现有结果相比，不要求已知非线性系统数学模型，不要求已知故障类型或故障发生渠道满足解耦条件，具有智能性、高效性和实用性。在应用上，将为提高现代电力电子系统的可靠性提供设计方案和理论依据。

本项目针对难以获得精确数学模型的非线性不确定系统，考虑其可能发生未知故障（故障大小、发生时间、模式未知）的情况，探索了新的基于模糊技术与自适应控制理论的智能故障诊断与容错控制设计方案。本项目取得的主要成果如下：. （1）针对诊断未知故障和隔离故障不同强度这两个问题，提出了一种改进型可能性GK聚类算法（IPGK）和基于故障向量的在线诊断方案。分析与仿真表明前者适合超椭球体或超线性分布数据并能够检测孤立点和诊断未知故障，后者可以实现对同一故障的不同强度的隔离。将两者结合在一起得到一套新颖的基于模糊聚类的故障诊断方案。. （2）针对一类不确定非线性系统，采用Takagi-Sugeno(T-S)模糊模型对非线性系统进行在线辨识，设计基于模型的状态反馈控制器。当系统中存在参数变化等不确定因素时，系统会根据设计的参数自适应律自动调整T-S模糊模型的参数使其适应系统的变化；当系统发生重大变化（如故障引起的结构性变化）时，在线模糊聚类算法能够生成新的模糊规则描述系统故障下的动态特征，自动检测归类故障并更新和扩充故障模式库，同时控制律也会根据T-S模型变化自适应调整，补偿故障对系统性能的影响。. （3）考虑具有冗余执行器不确定非线性系统，针对其状态空间描述的标准型和非标准型T-S模糊模型，分别设计了新型的执行器故障自适应容错控制策略。设计方法能够同时处理系统参数的不确定性和故障的不确定性，对不同的故障情况设计统一的自适应容错控制结构，构造参数估计器对系统参数在线估计，在系统发生故障时能够自动调整控制器参数补偿故障对系统的影响，实现容错控制同时保持系统状态的渐近跟踪性能。. （4）针对输入输出延迟大于1的离散T-S模糊系统，提出一种用于控制器设计的多步预测模型的形式，给出了预测模型的最小相位判别条件，考虑部分执行器发生未知故障的情况，给出实现执行器故障补偿所需的非线性控制器结构并对控制器进行参数化，以实现输出渐近跟踪为目标，构建输出反馈自适应补偿控制律 ，基于Lyapunov稳定性理论，设计参数自适应律，分析系统的稳定性和追踪性能。.（5）在开关磁阻电机系统、TE工业过程、两连杆机械臂、柔性机械关节、磁悬浮系统、倒立摆系统、民用运输飞机飞行仿真系统、近空间飞行器仿真系统等化工、电气、机械、飞行系统中通过实验或仿真实验验证了本项目所提方法的有效性。

内容获取失败，请点击重试