基于L_2观测器的Takagi-Sugeno系统故障诊断研究

合集下载

基于Takagi_Sugeno模_省略_络的欠驱动无人艇直线航迹跟踪控制_董早鹏

第 36 卷第 4 期 2015 年 4 月
仪
器
仪
表
学
报
Chinese Journal of Scientific Instrument
Vol. 36 No. 4 Apr． 2015
Sugeno 模糊神经网络的基于 Takagi* 欠驱动无人艇直线航迹跟踪控制
1， 2 董早鹏，刘 1 涛，万 1， 2 1， 2 1， 2 1， 2 磊，李岳明，廖煜雷，梁兴威
1
引
言
受到众多研究人员的关注，由于其具有使用少维度的控制输入实现机器人多维度的空间运动功能，因而对于其研究具有长远的实用价值。欠驱动无人艇的航迹跟踪控制系统是一种典型的欠驱动机器人系统，由
近年来，欠驱动机器人系统的运动控制问题日益
变量的总维数； j 是 x i 的控制器输入变量的模糊总分割
n
数；总节点数为 N2 =
2 2 ij
∑ m 。以高斯铃形函数作为其隶
i
i =1
2， …， m； i = 1 ， 2， …， n； l = 1 ， 2， …， r。式中： j = 1 ， l 然后推导 c ij 及 σ ij 的学习优化算法，可把参数 p ji 看图 1 的复杂网络结构可以简化为图 2 形式。作固定量，
T x n］通过网络结构传送到第二层。
u 2 + v2 ≈ u ，式中： U = 槡是一常数，称之为无人艇前进。合速度无人艇转艏运动一阶非线性的表达式为：
第二层每个节点代表一个与之相对应的模糊量，用
第4 期

模糊推理方法

几种典型的模糊推理方法根据模糊推理的定义可知，模糊推理的结论主要取决于模糊蕴含关系),(~Y X R 及模糊关系与模糊集合之间的合成运算法则。

对于确定的模糊推理系统，模糊蕴含关系),(~Y X R 一般是确定的，而合成运算法则并不唯一。

根据合成运算法则的不同，模糊推理方法又可分为Mamdani 推理法、Larsen 推理法、Zadeh 推理法等等。

一、Mamdani 模糊推理法Mamdani 模糊推理法是最常用的一种推理方法，其模糊蕴涵关系),(~Y X R M 定义简单，可以通过模糊集合A ~和B ~的笛卡尔积(取小)求得，即)()(),(~~~y x y x B A RMμμμΛ= (3.2.1) 例 3.2.1 已知模糊集合3211.04.01~x x x A ++=，33211.03.05.08.0~y y y y B +++=。

求模糊集合A ~和B ~之间的模糊蕴含关系),(~Y X R M 。

解：根据Mamdani 模糊蕴含关系的定义可知：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⨯=1.01.01.01.01.03.04.04.01.03.05.08.0]1.03.05.08.0[1.04.01~~),(~B A Y X R MMamdani 将经典的极大—极小合成运算方法作为模糊关系与模糊集合的合成运算法则。

在此定义下，Mamdani 模糊推理过程易于进行图形解释。

下面通过几种具体情况来分析Mamdani 模糊推理过程。

(i) 具有单个前件的单一规则设*~A 和A ~论域X 上的模糊集合，B ~是论域Y 上的模糊集合，A ~和B ~间的模糊关系是),(~Y X R M ，有大前提(规则)： if x is A ~ then y is B ~小前提(事实)： x is *~A结论： y is ),(~~~**Y X R A B M =当)()(),(~~~y x y x B A RMμμμΛ=时，有 )()}()]()({[V )]}()([)({V )(~~~~Xx ~~~Xx ~***y y x x y x x y BB A AB A AB μωμμμμμμμΛ=ΛΛ=ΛΛ=∈∈ (3.2.2)其中)]()([V ~~Xx *x x AA μμωΛ=∈，称为A ~和*~A 的适配度。

离散随机奇异系统的零和博弈及H∞控制

离散随机奇异系统的零和博弈及H∞控制周海英【摘要】针对噪声依赖于状态的It(o)型离散随机奇异系统,讨论其在有限时域下的零和博弈及基于博弈方法的H..控制问题.在最优控制(单人博弈)的基础上,利用配方法,得到了离散随机奇异系统鞍点均衡策略的存在等价于相应的耦合Riccati代数方程存在解,并给出了最优解的形式.进一步地,根据博弈方法应用于鲁棒控制问题的思路,得到离散随机奇异系统H∞控制问题的最优策略,最后根据动态投入产出问题的特性,建立相应的博弈模型,得到动态投入产出问题的均衡策略.【期刊名称】《南昌大学学报（理科版）》【年(卷),期】2017(041)006【总页数】5页(P519-523)【关键词】离散随机奇异系统;零和博弈;耦合Riccati代数方程;鞍点均衡策略【作者】周海英【作者单位】广州航海学院港口与航运管理系,广东广州 510725【正文语种】中文【中图分类】F224.32奇异系统由于其广泛的应用背景,自产生以来，得到了广泛研究 [1-4]。

随着研究的深入，随机奇异系统由于能更好的模拟现实实际，近年来，引起了众多研究者的兴趣。

在随机奇异系统的稳定性、最优控制及鲁棒控制方面都有不少成果。

Yan Z等研究了伊腾型随机广义系统的稳定性问题[5]。

Zhang W等研究了广义随机线性系统的稳定性问题[6]；Jin H等研究了随机奇异系统的虑波问题[7]。

文献[8]把神经网络法应用于随机奇异系统不定线性二次控制问题中，得到了相应的Riccati微分方程；高明等研究了离散随机Markov跳跃系统的广义Lyapunov方程解的性质[9]；张庆灵等在研究随机奇异系统的稳定性的基础上，得到了连续随机奇异系统线性二次最优控制的Riccati方程[10]。

Xing等研究了不确定广义随机线性系统的H∞鲁棒控制问题[11]。

Zhang和Zhao Y等研究了广义随机线性系统的H∞鲁棒控制问题[12-13] ；Shu Y等研究不确定连续时间奇异系统的稳定性和最优控制问题 [14]。

基于Takagi-Sugeno模糊模型的模糊控制

天津大学硕士学位论文基于Takagi-Sugeno模糊模型的模糊控制姓名：徐妮妮申请学位级别：硕士专业：控制理论与控制工程指导教师：高志伟2002.1.1１１２陟乒ＴＳ模糊模型可以很好地逼近非线性系统，其予模型采用线性动态方程易于用现代控制理论的方法进行分析和控制器的设计。

本文的工作是围绕ＴＳ模糊模型展开的。

首先对以往的模糊系统的稳定性分析和模糊控制器的设计成果进行了回顾。

接下来，文中重点讨论了一般模糊系统的模糊控制器的设计和模糊状态观测器的设计。

得出用模糊状态观测一控制器实现的闭环模糊系统的稳定性定理。

文中提出了模糊状态观测器和模糊控制器的相对分离性设计。

仿真结果验证了结论的正确性。

文中通过扩展Ｔｓ模糊模型定义了模糊广义系统。

讨论了模糊广义系统的模糊状态观测一控制器的设计。

同样，模糊广义系统的模糊状态观测器和模糊控制器也具有设计的相对分离性。

关键词：Ｔｓ模糊模型，模糊控制器，模糊状态观测器，模糊广义系统ＡｂｓｔｒａｃｔＴｈｉｓｐａｐｅｒｃｏｎｃｅｎｔｒａｔｅｓｏｎｔｈｅＴＳｆｕｚｚｙｍｏｄｅｌ．ＴｈｅｆｕｚｚｙｍｏｄｅｌｐｒｏｐｏｓｅｄｂｙＴａｋａｇｉａｎｄＳｕｇｅｎｏｉｓｄｅｓｃｒｉｂｅｄｂｙｆｕｚｚｙＩＦ－ＴＨＥＮｒｕｌｅ，ｗｈｉｃｈｒｅｐｒｅｓｅｎｔｌｏｃａｌｌｉｎｅａｒｉｎｐｕｔ—ｏｕｔｐｕｔｒｅｌａｔｉｏｎｓｏｆａｎｏｎｌｉｎｅａｒｓｙｓｔｅｍ．Ｔｏｂｅｇｉｎｗｉｔｌｌ．ＴＳｆｕｚｚｙｍｏｄｅｌａｎｄｐｒｅｖｉｏｕｓｓｔａｂｉｌｉｔｙｒｅｓｕｌｔｓａｒｅｒｅｃａｌｌｅｄ．ＴｈｅｎｅｘｔｓｅｃｔｉｏｎａｄｄｒｅｓｓｅｓｔｈｅａｎａｌｙｓｉｓａｎｄｄｅｓｉｇｎｏｆｔｈｅｆｕｚｚｙｃｏｎｔｒｏｌｌｅｒａｎｄｔｈｅｆｕｚｚｙｏｂｓｅｒｖｅｒｏｎｔｈｅｂａｓｉｓｏｆｔｈｅＴＳｆｕｚｚｙｍｏｄｅｌ．Ｔｈｅｓｔａｂｉｌｉｔｙｃｏｎｄｉｔｉｏｎｆｏｒｔｈｅｃｌｏｓｅｄ－ｌｏｏｐｓｙｓｔｅｍｉｓｄｅｒｉｖｅｄ，ｗｈｉｃｈｓｈｏｗｓｔｈａｔｔｈｅｆｕｚｚｙｃｏｎｔｒｏｌｌｅｒａｎｄｔｈｅｆｕｚｚｙｏｂｓｅｒｖｅｒＣａｎｂｅｄｅｓｉｇｎｅｄｉｎｄｅｐｅｎｄｅｎｔｌｙｗｉｔｌｌｓｏｍｅｃｏｎｓｔｒａｉｎｓ．Ｔｈｅｎｕｍｅｒｉｃａｌｓｉｍｕｌａｔｉｏｎｏｎａｌｌｉｎｖｅｒｔｅｄｐｅｎｄｕｌｕｍｓｙｓｔｅｍｉｓｇｉｖｅｎｔｏｉｌｌｕｓｔｒａｔｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｃｌｏｓｅｄ－ｌｏｏｐｓｙｓｔｅｍ．ＦｉｎａｌｌｙａｆｕｚｚｙｄｅｓｃｒｉｐｔｏｒｓｙｓｔｅｍｂｙｅｘｔｅｎｄｉｎｇｔｈｅｏｒｄｉｎａｒｙＴＳｆｕｚｚｙｍｏｄｅｌｉｓｄｅｆｉｎｅｄ．Ｔｈｅｆｕｚｚｙｃｏｎｔｒｏｌｌｅｒａｎｄｔｈｅｆｕｚｚｙｏｂｓｅｒｖｅｒｏｆｔｈｅｆｕｚｚｙｄｅｓｃｒｉｐｔｏｒｓｙｓｔｅｍａｒｅｄｉｓｃｕｓｓｅｄ．Ｆｏｕｒｋｉｎｄｓｏｆｓｔａｂｉｌｉｔｙｃｏｎｄｉｔｉｏｎｓａｒｅｄｅｒｉｖｅｄ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｈｏｗｓｔｈｅｕｔｉｌｉｔｉｅｓｏｆｔｈｏｓｅｓｔａｂｉｌｉｔｙｃｏｎｄｉｔｉｏｎｓ．Ｋｅｙｗｏｒｄｓ：ＴＳｆｕｚｚｙｍｏｄｅｌ，ｆｕｚｚｙｃｏｎｔｒｏｌｌｅｒ，ｆｕｚｚｙｏｂｓｅｒｖｅｒ，ｆｕｚｚｙｄｅｓｃｒｉｐｔｏｒｓｙｓｔｅｍ第一章绪论第一章绪论§１．１模糊控制系统近年来的研究与发展美国加利福尼亚大学Ｌ．Ａ．Ｚａｄｅｈ教授在１９６５年提出的｛ＦｕｚｚｙＳｅｔ＞）【１】开创了模糊控制的历史，从此模糊数学科学发展起来了。

7.2-Sugeno模糊模型建模及控制

9
10
9
10
Degree of membership
1
ZR
0.8
0.6
Hale Waihona Puke 0.40.20
-0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.25 x
1
ZR
0.8
0.6
0.4
0.2
0
-3
-2
-1
0
1
2
3
dx
Degree of membership
图4 倒立摆的摆角、角速度隶属函数
仿真设计：根据上述规则设计一个二输入、单输出的
Sugeno模型，可观察到输入输出隶属函数曲线。仿真结果如图1和图2所示。
仿真程序：chap7_3.m
MF Degree of input 1
1
0.8 little
big
0.6
0.4
0.2
0
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
x
1
0.8 little
big
0.6
0.4
0.2
0
0
1
2
3
4
5
6
7
8
9
10
x
MF Degree of input 2
图1 Sugeno模糊推理系统的输入隶属函数曲线
Z
10
5
0
10
5
5
4 3
2
Y
00
1
X
图2 Sugeno模糊推理系统的输入/输出曲线

第4章模糊T-S控制(3)

1
ρ2
P2 P + Q2 2
P Ai + AiT P − ZiC − (ZiC)T + Q2 P 2 2 2 <0 2 P − ρ I 2
(2.13)
首先，由式(2.13)求得P和 i，然后由式(2.12) 2 L 求得 P 和 Ki 。 1
20
二、一类非线性系统的模糊控制方法一类非线性系统的模糊控制方法一类非线性系统的模糊控制
2 n1 3 4 n2
(2.1)
其中x , x ∈R , x , x ∈R (n = 2(n1 + n2 ))是系统的状态向量,状态是可量测的， u∈ Rm 是控制输入向量，y∈Rm 是系统的可量测输出向量,C ∈R , f 2 , f 4 是光滑非线性函数,d2 , d4是外部扰动,x =[x1T , x2T , x3T , x4T ]T ∈Rn , m = n1 + n2 ,d =[0, d ,0, d ] .
9
二、一类非线性系统的模糊控制方法一类非线性系统的模糊控制方法一类非线性系统的模糊控制
1.一类非线性系统的模糊H∞控制问题问题描述:考虑如下的非线性系统
& x1 = x2 & x2 = f 2 (x, u) + d2 & x3 = x4 x4 = f 4 (x, u) + d4 &
证明选取
Lyapunov
5
一、模糊T－S控制简介模糊T 模糊
从而提出了基于模糊T-S模型的松弛二次稳定控制方案。Liu等人推广了文[65]的二次稳定充分条件，进一步降低保守性，提出了一种二次稳定控制方案[66 －67]。Park借助T-S模糊模型，提出一种在线参数估计方法[68]并研究了参数不确定非线性系统的稳定性问题[69]。文[70]给出了一种积分模糊模型的系统设计方案。T-S模糊模型还被用来研究非线性关联系统的跟踪控制问题[71]、非线性奇异系统的稳定性问题 [72]和带有执行器饱和的非线性系统的鲁棒控制问题 [73]。文[74-75]提出了时延系统的模糊模型，并讨论了非线性时延系统的分析和综合问题。文[76]给出了不确定模糊时延系统的二次稳定控制方法。文[77]

基于模糊滑模的卫星姿态控制系统故障诊断

姜
斌
1
（ 1 南京航空航天大学自动化学院，南京 210016 ）（南京航空航天大学高新技术研究院，南京 210016 ）
S 模糊方法和滑模观测器的摘要：针对卫星姿态控制系统的执行机构故障，提出了一种基于 TS 模糊模型的卫星姿态控制系统模型，故障诊断方法．首先，建立了基于 T并在此基础上，设计了一种用于状态检测的模糊滑模观测器．该观测器在执行机构发生故障的情况下，仍然保持滑模模态，可以利用等效输出注入实现故障的直接估计．在故障和干扰上界未知的情况下，采用迭代学习算法在线计算并调节滑模项的切换增益大小，避免了不必要的高频抖振现象；同时利用 H ∞ 思通过求解 LM I 获得观测器参数，将干扰对故障估计的影响最小化．计算机仿真结果表明，该想，，．故障诊断方法能够对执行机构故障进行较为精确的估计从而验证了方法的有效性 S 模糊模型；滑模观测器关键词：卫星；姿态控制；故障诊断； T023806 中图分类号： TB277 文献标识码： A 文章编号： 1001 － 0505 （ 2010 ）增刊（ I） -
THEN
x （ t） = A i x（ t） + Bu（ t） y（ t） = Cx（ t）
i = 1， 2， …， r
}
（ 4）
i i z1 ， z2 ， …， z s 为先验变量； M 1 ， M2 ， …， M is 为隶属度函数； r 为模糊规则数； s 为先验变量数； A i 通过对式中，式（ 3 ）在工作点线性化得到．考虑执行机构故障，整个系统的状态方程可表示为 r
x =
h i （ z ）（ A i x + Bu + Df a ∑ i =1

基于相平面的分布式驱动电动汽车稳定性控制

2021年（第43卷）第5期汽车工程Automotive Engineering2021（Vol.43）No.5基于相平面的分布式驱动电动汽车稳定性控制*钟龙飞，彭育辉，江铭（福州大学机械工程及自动化学院，福州350116）［摘要］为提高分布式驱动电动汽车的操纵稳定性，提出一种基于相平面法的行驶稳定性控制策略。

首先，建立非线性车辆2自由度模型，获得不同路面附着系数下车辆质心侧偏角相平面稳定域边界模型。

其次，基于质心侧偏角相平面设计分区域控制器，当车辆处于稳定域内时，采用模糊神经网络控制器来决策横摆力矩，使车辆跟随目标变量；当车辆处于稳定域外时，设计失稳度和模糊神经网络联合控制器决策总横摆力矩，使车辆恢复稳定。

最后，基于Simulink和CarSim仿真平台在蛇行绕桩和双移线工况下对稳定性控制方法进行仿真，并进行实车测试验证，结果证明了本文中所提控制策略的可行性和有效性。

关键词：电动汽车；行驶稳定性；相平面；分布式驱动；模糊神经网络；分区域控制器Stability Control of Distributed Driven Electric Vehicle Based on Phase PlaneZhong Longfei，Peng Yuhui&Jiang MingSchool of Mechanical Engineering and Automation，Fuzhou University，Fuzhou350116［Abstract］To improve the handling stability of a distributed driven electric vehicle，a driving stability con⁃trol strategy based on phase plane method is proposed.Firstly，a two degree⁃of⁃freedom nonlinear model for vehicle simulation is established to obtain the boundary model of phase plane stability region for vehicle centroid slip angle with different tire⁃road friction coefficients.Secondly，a regional controller based on the phase plane of centroid side⁃slip angle is designed to achieve the stability of vehicle.When the vehicle runs in the stability region，the yaw mo⁃mentum is determined by the fuzzy neural network controller to make the vehicle follow the target variable.When the vehicle runs out of the stability region，the yaw momentum is determined by a combined controller of instability and fuzzy neural network to restore the stability of the vehicle.Finally，by use of Simulink and CarSim software，the sta⁃bility control method is verified by simulation and on⁃road experiment under the condition of snaking driving around pile and double line change.The experimental results reveal the feasibility and effectiveness of the proposed control strategy.Keywords：electric vehicle；driving stability；phase plane；distributed driven；fuzzy neural net⁃work；regional controner前言在分布式驱动电动汽车横摆力矩的决策与控制研究中，主要有两种研究方法：第一种是基于线性2自由度车辆模型计算出理想横摆角速度和质心侧偏角，将其作为目标变量进行跟踪控制［1］；第二种是基于轮胎非线性特性建立车辆动力学模型［2］，通过横摆角速度和质心侧偏角相平面对车辆稳定性进行研究。

移动机器人的在线实时定位研究(翻译)

移动机器人的在线实时定位研究徐德谭民（北京中科院自动化研究所复杂系统与智能科学实验室）（电子邮箱：xude@）摘要对推算定位法进行了研究,提出了一种改进方案.通过对移动机器人运动轨迹与状态的分析,导出了一类移动机器人的基于轨迹的运动学新模型.利用移动机器人三个轮子的里程信息和导向轮的转角信息,通过信息模糊融合获得转弯半径和转角,再利用运动学模型获得机器人的位置和方向.将这种改进的推算定位法与主动灯塔法相结合,提出了一种用于室内移动机器人的定位方法.仿真结果表明,该方法具有实时性好、精度高、成本低、鲁棒性好等特点,并适用于不平整地面。

关键词：移动机器人，定位，运动学，模糊融合1绪论定位是机器人的基础，因此，精准的实时定位是提高机器人性能的关键因素，也是一个机器人研究的热点。

定位的方法可以分为两种：相对位置和绝对位置。

相对位置定位法又叫推算定位，可以细分为测距法和惯性导航。

绝对位置定位法可以使用全球定位系统、基站定位、罗盘导航、地标导航和地图匹配等方式实现。

它们各有特色，但是只有推算定位，基站定位，地标导航和地图匹配可以适用于室内移动机器人。

因为测距法在实时系统的实际应用中有很高的性价比所以成了推算定位最常用的方法。

通常的做法是将其他的绝对定位方式得到的结果通过信息融合的方法得出更好的定位效果。

这种方式能在小范围和大范围内都有很高的定位精度。

在1996年，Lazea用运动和反向运动的模型研究机器人。

1997年，Chong 和Kleeman 提出了一种利用统计误差来判断定位误差的推算定位机器人模型。

同在1996年，Borenstein 和Feng 提出一种系统误差验证法。

这些方法都能很好地用来实时定位，但是在不平整的场地它们的性能都会大打折扣。

同一年，Burgard提出另外一种解决方法，通过将摄像头得到的图像跟全局地图进行比较将可以得到绝对坐标和方向估计。

1999年，Roy和Thrun 给出一种利用外部地图的统计学方法用以校正机器人的位置。

自适应模糊控制的综述

自适应模糊控制几个基本问题的研究进展谢振华程江涛耿昌茂(海军航空工程学院青岛分院航空军械系青岛 266041 )周德云(西北工业大学西安 710072 )[摘要] 综述了模糊控制系统的稳定性分析、系统设计及系统性能提高三个基本问题的研究 ,简述了应用研究 ,最后对自适应模糊控制的理论和应用进行了展望。

关键词模糊控制自适应控制鲁棒性稳定性1 引言自从 L. A. Zadeh提出模糊集合论以来 ,基于该理论形成一门新的模糊系统理论学科 ,在控制、信号处理、模式识别、通信等领域得到了广泛的应用。

近年来 ,有关模糊控制理论及应用研究引起了学术界的极大兴趣 ,取得了一系列成功的应用和理论成果 ,与早期的模糊控制理论和应用相比有了很大的发展。

模糊控制理论成为智能控制理论的一个重要分支。

一般来讲 ,模糊控制理论研究的核心问题在于如何解决模糊控制中关于稳定性和鲁棒性分析、系统的设计方法 (包括规则的获取和优化、隶属函数的选取等 )、控制系统的性能 (稳态精度、抖动及积分饱和度等 )的提高等问题 ,这己成为模糊控制研究中的几个公认的基本问题。

其中 ,稳定性和鲁棒性问题的研究最为热烈 ,从早期基于模糊控制器的“多值继电器”等价模型的描述函数分析法 ,扩展到相平面法、关系矩阵分析法、圆判据、L yapunov稳定性理论、超稳定理论、基于滑模控制器的比较法、模糊穴 -穴映射及数值稳定性分析方法等非线性理论方法。

设计方法的研究也倍受关注 ,主要表现在对规则的在线学习和优化、隶属函数参数的优化修正等应用了多种思想 ,如最优控制的二次型性能指标、自适应、神经网络、遗传算法等思想。

稳态性能的改善一直是模糊控制学者所关注。

围绕上述几个基本问题 ,出现了多变量模糊控制[1 ,2 ] 、模糊神经网络技术 [3 ] 、神经模糊技术 [4 ] 、自适应模糊控制 [5] 、模糊系统辨识[6 ] 等热点研究领域。

在模糊控制理论与应用方面 ,日本学者取得了很大的成就[7] ,我国学者在这方面也付出了不懈的努力 ,并取得了许多重要的成果。

系统辨识研究的现状

系统辨识研究的现状徐小平;王峰;胡钢【摘要】综述了系统辨识问题的研究进展,介绍了经典的系统辨识方法及其缺点,引出了将集员、多层递阶、神经网络、遗传算法、模糊逻辑、小波网络等知识应用于系统辨识得到的一些现代系统辨识方法,最后总结了系统辨识今后的发展方向.【期刊名称】《现代电子技术》【年(卷),期】2007(030)015【总页数】5页(P112-116)【关键词】系统辨识;集员;多层递阶;神经网络;遗传算法;模糊逻辑;小波网络【作者】徐小平;王峰;胡钢【作者单位】西安理工大学,自动化与信息工程学院,陕西,西安,710048;西安交通大学,理学院,陕西,西安,710049;西安理工大学,自动化与信息工程学院,陕西,西安,710048【正文语种】中文【中图分类】TP27陕西省自然科学基金(2005F15)资助项目1 引言辨识、状态估计和控制理论是现代控制理论三个互相渗透的领域。

辨识和状态估计离不开控制理论的支持，控制理论的应用又几乎不能没有辨识和状态估计技术。

随着控制过程复杂性的提高，控制理论的应用日益广泛，但其实际应用不能脱离被控对象的数学模型。

然而在大多数情况下，被控对象的数学模型是不知道的，或者在正常运行期间模型的参数可能发生变化，因此利用控制理论去解决实际问题时，首先需要建立被控对象的数学模型。

系统辨识正是适应这一需要而形成的，他是现代控制理论中一个很活跃的分支。

社会科学和自然科学领域已经投入相当多的人力和物力去观察、研究有关的系统辨识问题。

从1967年起，国际自动控制联合会(IFAC)每3年召开一次国际性的系统辨识与参数估计的讨论会。

历届国际自动控制联合会的系统辨识会议均吸引了众多的有关学科的科学家和工程师们的积极参加。

系统辨识是建模的一种方法,不同的学科领域，对应着不同的数学模型。

从某种意义上来说，不同学科的发展过程就是建立他的数学模型的过程。

1962年，L.A.Zadeh 给出辨识这样的定义 [1] ：“辨识就是在输入和输出数据的基础上，从一组给定的模型类中，确定一个与所测系统等价的模型。

航天器动力学环境试验故障诊断专家系统

航天器环境工程第25卷第1期36 SPACECRAFT ENVIRONMENT ENGINEERING 2008年2月航天器动力学环境试验故障诊断专家系统王婉秋，杨松（北京卫星环境工程研究所，北京100094）摘要：文章概述了对卫星及星上组件进行振动环境试验现有的故障诊断方法，并阐述了建立经济、有效的航天器故障诊断专家系统的重要性。

提出了航天器故障诊断专家系统的研究方案，并通过对卫星结构模型的应用，验证了将小波系数作为故障诊断特征向量的可行性。

利用此系统可在航天器研发过程中提高航天器结构的可靠性，缩减用于排查故障的时间与财力，缩短卫星研制周期。

关键词：专家系统；航天器结构；振动试验；故障诊断中图分类号：TP277；V416.2 文献标识码：A 文章编号：1673-1379（2008）01-0036-051 前言航天器在发射阶段对严酷的动力学环境的适应能力直接关系到飞行任务的成败，因而动力学环境试验对保障航天器的可靠性起着重要的作用。

航天器在例行试验中可能出现多种结构故障，其发生故障的部位、原因及其故障表征暴露形式复杂多样。

航天器在动力学环境试验中出现的结构故障通常通过特征级试验对比等方法进行诊断，但故障定位的工作较为困难。

如果在航天器及其部组件的振动试验中引入故障诊断分析技术，可以实时了解结构在动力学环境下的状况，及时发现结构故障隐患，对其故障形式、故障位置及故障原因进行分析，给出合理解决措施，这样将对卫星的研制起到很好的保证作用[1]。

2 国内外航天器故障诊断技术2.1 国内外技术发展现状(1) 美国美国一直非常重视航天器故障诊断技术，是最早开展故障诊断研究的国家。

在20世纪80年代以前，主要采用状态监测和基于算法的故障诊断，如Woosley 等人研究的太空实验室的太阳帆板和电源系统的监测和控制系统。

在航天飞机方面，Rogers 等人利用人工智能开发工具KEE 和G2开发了一个实时的故障诊断系统，对航天飞机的主发动机进行了诊断。

基于第2代小波和Hilbert—Huang变换的轴承故障诊断

在滚动轴承运转过程中，于设备运行不稳由定、载荷变化等多种因素，采集的振动信号往往所伴随着大量噪声，且有用信号易被噪声淹没，造成信号分析的不准确 … 。因此，获得正确的信息，为须对振动信号进行消噪。传统的消噪方法效率低且信息获取不全，２代小波变换是一种柔性的第变换方法，不再依赖于有限的几种小波基函数，其可采用插值细分法构造新的小波，有的运算均所在时域进行，有原理清晰、法效率高等优具算势。而在第２代小波基础上发展的自适应冗余
信号的频率折叠，且更新在预测之后进行易导致
更新器的计算趋于复杂。冗余第２代小波变换不再进行分裂与合成操作，同分解层上的冗余预不测器和冗余更新器通过插值运算构造，能够直接
ｄ＝Ｐ（。Ｘ一Ｘ）（）２
在第２代小波理论中，测误差ｄ即为小波预系数，于高频分量。对应更新使得子样本维持原始数据的某些整体特性，具体过程为由预测误差ｄ通过更新器与偶数样本序列叠加来计算近似样本序列，
ＡｂｔａｔｈａｌｄａｎｓｃｍｅｈｄｆｒｒｌｎｅｒｎｓｉｕｏｗｒａｅｎｓｃｎｅｅａｉｎｗｖｌｔａｄＨｉｓｒｃ：Ｔｅｆｕｔｉｇｏｔｔｏｏｏｌｇｂａｉｇｓｐｔｒａｄｂｓｄｏｅｏｄｇｎｒｔａｅｅｎｌｉｉｆｏ－ｂｒ —ＨｕｎｒｎｆｒＴｅｓｌ —ａａｔｅｒｄｎａｔｅｏｄｇｎｒｔｎｗｖｌｔｓｆｓａｐｉｄｔｅｒａｅｔｅｎｉｅｏｅｔａｇＴａｓｏｍ．ｈｅｆｄｐｉｅｕｄｎｃｎｅｅａｉａｅｅｒｔｐｌｄｃｅｓｈｏｓｆｖｓｏｉｉｅｏｖｂａｉｎｓｇａｓａｄｉｕｅｉｒｙｉｖｉａｅｙｓｍｕａｉｎｅｐｒｎｓＴｅｈｅｏｓｄｓｇａｓａａｙｅｙｉｒｔｉｎｌｎｔｓｐｒｉｓａｄｔｄｂｉｌｔｘｅｍｅｔ．ｈｎｔｅｄｎｉｅｉｎｉｎｌｚｄｂｏｓｏｔｌｏｉｌＨＨＴ，ｅｓｇａｓｄｃｍｐｓｄｉｔｅｉｓｏＭＦｙｕｉｇＥｔｉｎｉｅｏｏｅｎｏａｓｒｆＩｓｂｓｎＭＤａｄｔｅＨｉｅｔｒｇｎｌｐｃｒｍｆｌｗｆｑｅｃｈｌｅｎｈｌｒｍａｉａｅｔｂｓｕｏｒｕｎｙｏｅｃｍｐｎｎｓｉｍａｅｔｘｒｃｈｈｒｃｅｓｉｓｏａｌｓｇａｓＴｅｓｍｕａｉｎａｄｅｐｒｎｅｕｔｓｏｈｔｔｅｏｏｅｔｓｄｏｅｔｔｔｅｃａａｔｒｔｆｆｕｔｉｌ．ｈｉｌｔｎｘｅｍｅｔｒｓｌｈｗｔａｈａｉｃｎｏｉｓｍｅｈｄｉｅｆｃｉｅａｄｐａｔａ．ｔｏｓｆｔｎｒｃｉ１ｅｖｃＫｅｒｓｏｌｇｂａｉｇｆｕｔｄａｎｓｓｓｃｎｅｅａｉｎｗａｅｅ；ｙｗｏｄ：ｒｌｎｅｒｎ；ａｌｉｇｏｉ；ｅｏｄｇｎｒｔｖｌｔＨＨＴｉｏ