基于参数估计的液压传动装置故障诊断方法研究..docxVIP

基于参数估计的液压传动装置故障诊断方法研究 摘要：本文是关于基于参数估计方法故障诊断的研究。数字状态变量滤波器被用来获得变量的衍生物。插值技术被用于估算样本间的变量值。该方法被应用于基于真实数据液压试验台，并且被用来诊断模拟的故障 - 改变物理参数。模拟结果表明，具有在系统模型的状态空间中的方向相同的故障可使用这种技术来隔离，这对于使用任何基于观测器法或奇偶方程法来说是不可能的。故障大小也可以大致确定。 引言 基于模型的故障检测已经研究了二十年。对于线性系统，已经提出了许多基于观测器的方法，例如，特征结构配置法（Patton和Chen，1991），未知输入观测法（(Kudva et al., 1980; Frank and Wunnenberg, 1989; Hou and Muller, 1994; Chen et al., 1996），最近的双线性系统的双线性故障检测观测器法 (BFDO) (Yu and Shields, 1996; Yu et al., 1996a)以及双线性降维观测法(Hac, 1992; Yu et al., 1996b)。另一种方法是奇偶空间法(Chow and Willsky, 1984; Lou et al., 1986; Gertler and Kunwer, 1995)。这些故障隔离方法的共同特点是，对于模型的状态空间中的不同故障采用不同的方向。但是，这些方法的缺点是它们不能够分离在系统状态空间中具有相同方向的故障。 参数估计方法(Isermann, 1984, 1993)进行故障诊断可以检测并隔离故障，并且可以诊断故障的类型，甚至对那些在模型的状态空间中具有相同的方向的故障。连续系统参数估计通常使用在故障诊断，因为可以容易地获得的物理参数和设备的模型参数之间的明确关系。参数估计方法的一个限制是物理参数的数目必须小于或等于该模型参数，以便于转换模型参数为唯一对应的物理参数。然而,这种情况在实践中有时得不到满足（这是本文的应用示例的情况）。为了解决这一实际问题，基于观测器法法和参数估计法的组合在本文中得到探讨，并且应用到液压试验台。首先，建立系统的双线性模型。然后，双线性故障检测观测器被应用到该模型检测和隔离故障(Yu et al., 1996a)。具有相同的方向在系统的状态空间中具有相同方向的一些物理参数，如液压发动机的效率，ηm，和液压泵的效率，ηp，不能相互隔离。因此，参数估计法被用于该系统的一些局部线性模型，以隔离这些故障。为简单起见，基于观测器的故障检测部分并未在此处加以描述。详细说明可在（Yu 1995年）和（Yu等人，1996年）中找到。本文仅讨论参数估计法。在连续参数估计所述状态变量滤波器（SVF）经常被用来估算在系统微分方程的衍生物(Iser- mann, 1984, 1993)。Peter 和Isermann (1989)在一个数字状态变量滤波器中使用内插技术来估算连续系统的模型参数。此方法用于在本文中的液压系统中的故障诊断。该方法是在第2节简要介绍，并且液压系统在第3节得到描述。模拟故障的变化的系统物理参数，通过监测模型参数诊断。这是第四节 连续参数估计法 连续时间参数估计方法已经开发了相当长的一段时间(Young, 1981)，使用状态变量滤波器的方法可简述如下。考虑由一个线性微分方程描述的单输入单输出系统 yt=-i=1naiyi 其中u（t），y（t）和v（t）分别是输入，输出和干扰。状态变量滤波器方法的基本思路是通过引入一组相同的线性滤波器，分别对应原始系统的每一项，转换原有系统模型为估计的模型。令g（t）为滤波器的传递函数。转化的系统模型由下式给出 0tyτgt-τdτ= + + 0tv(τ)g(t-τ)dτ (2)其中，yi(τ)和u(j)(τ)分别表示i和j衍生物。引入状态变量yFi(t) yFot=-i=1na 从滤波器理论可知，下面的同一性适用于任何现行滤波器g（t） xFi =0t 和 xoi - 这里，可以选择使xoit收敛于0的滤波器gt。因此，状态变量yFi(t)和uFj 在数字滤波器的情况下,状态方程表示 z(t)=Azt xF0t=cT 滤波器的输出t= KT，其中T是抽样间隔，由下式给出 z(kT)=eAT 其中eAT是在过滤器的转移矩阵。因为只有样本信号x(t),x(kT)可以获得，状态变量只能推算出一个近似值，其中，x((k-1)T)被用来估算x(τ) ((k-1)T≤τ z(kT)= e 只有当采样间隔足够小时，公式（7）中的滤波器输出才是精确的。为了减少逼近误差,彼得和Isermann(1989)使用插值技术