系统辨识与容错控制课程作业报告.docxVIP

系统辨识与容错控制课程作业报告 故障观测 自己定义一种故障，完成此故障下的故障检测滤波器设计，并给出残差曲线，证明设计的正确性 解： 定义故障为控制器故障，故障向量为： 将故障特征向量对应的特征值配置到-5处，设计的滤波器矩阵为： Simulink仿真模型如下： 图1.1.1 故障检测滤波器仿真模型 正常工作模式下残差曲线输出为： 图1.1.2 正常工作模式下的残差输出曲线 故障工作模式下残差曲线输出为： 图1.1.3 故障工作模式下的残差输出曲线 由以上两实验结果图像可以看出，配置好的故障检测滤波器可以很好的对故障进行辨识。 按照文章例子，考虑建模误差，完成鲁棒故障检测观测器的设计，并给出残差曲线，证明设计的正确性 解： 根据闭环极点配置，设计K阵为： 根据观测器极点配置，设计L阵为： 最后设计得到的鲁棒观测器增益矩阵为H为： 搭建的Simulink仿真模型为： 图1.2.1 鲁棒故障检测观测器仿真模型 当输入信号为正弦信号时： 图1.2.2 标称状态和存在建模误差但不存在故障状态输出残差比较 图1.2.3 存在建模误差无故障普通观测器与鲁棒观测器观测残差结果 图1.2.4 故障误差并存与仅有误差的鲁棒观测器残差 通过以上的实验结果，我们对比分析可以得出鲁棒观测器比普通观测器对误差有更好的鲁棒性，同时能够及时快速的对针对的故障进行辨识。 结合教材33页内容，给出三种工作状态（一种正常状态、两种故障状态），分别采用比较分析法和滤波比较法完成并行鲁棒观测器设计与仿真 解： 根据工作状态的不同，设计L反馈矩阵配置观测器极点[-10 -10]： M0（正常状态）： M1（传感器1故障）： M2（传感器2故障）： 搭建的Simulink仿真模型如下： 图1.3.1 多模并行鲁棒观测器仿真 假定实际系统处于M1态，仿真计算观测器O0、O1、O2的残差，比较法的决策量r0、r1、r2以及滤波比较法的决策量E0、E1、E2分别如下。 图1.3.2 系统处于M1状态时，r0、r1、r2的值 取阈值为0.1，当有r0.1时，开始判别，有r1=min r ，因此可以判断为M1状态。 图1.3.3 系统处于M1状态时，E0、E1、E2的值 取阈值为0.1，当有E0.1时，开始判别，有E1=min E ，因此可以判断为M1状态。 心得体会 1.感悟：数学是一切的根本，数学是形而上的，公式是形而上的，而落到实处是具体的控制策略与控制方法，这个过程往往比单纯的数学推导更加重要以及困难，因此，不仅要学习理论，更重要的是实践，实践出真知，真正通过实践才知道如何进行理论的应用，比如以上大作业，第一问的配置特征向量空间、第二问的鲁棒滤波控制器、第三问的多状态观测器，都是将通过多个维度多个角度将理论与错误辨识结合起来达到最终的目的，虽然实践（Simulink仿真）起来困难重重，但是只要理论形而上的抽象的东西是正确的，那么大方向就是对的，在此基础上不断改进、不断实践就基本上能够达到预期的效果。 2.收获：掌握了系统多故障检测识别的极点配置方法大体思路，实现流程以及相关的MATLAB函数代码。 3.不足：对于通过配置特征向量以及特征值方法的理论数学基础和推导过程认识不深刻，有待进一步系统性的学习相关的数学知识和系统控制有关知识。 系统辨识 采样时刻选取0.1s，给出传递函数的离散化模型 解： 正常模式连续传递函数为： 舵面半损模式连续传递函数为： 舵面全损模式连续传递函数为： 正常模式离散传递函数为： 舵面半损模式离散传递函数为： 舵面全损模式离散传递函数为： 生成辨识用的输入输出数据，对比完成二乘法、递推二乘法对正常模式的辨识，给出辨识结果，并画出递推情况的辨识参数曲线 解： 正常模式实际模型为： 对模型进行型别辨识的结果为： 对模型进行非递推最小二乘法参数估计的结果为： 对模型进行递推最小二乘法参数估计的结果为： 递推最小二乘法的参数辨识曲线为： 图2.2.1 y(k-2)项系数的参数辨识曲线 图2.2.2 y(k-1)项系数的参数辨识曲线 图2.2.3 u(k-1)项系数的参数辨识曲线 图2.2.4 u(k-2)项系数的参数辨识曲线 由以上结果可知，在线递归参数辨识虽然刚开始有震荡，但最终都趋向于稳定的实际系统的参数值。 假定无人机在第2s发生舵面半损故障，第5s发生舵面全损故障，