论文部分内容阅读
在机电伺服系统的状态监控与故障检测中,基于模型的方法得到了广泛应用。但在机电伺服系统存在强非线性的情况下,传统的依靠在工作点附近线性化的方法存在一定的不足,影响了故障检测与诊断的准确性。因此,从非线性的角度开展故障检测与诊断问题的研究得到了越来越多的关注。本论文在“十五”部委级课题“机电产品BIT设计技术研究”的支持下,研究了基于模型的非线性故障检测问题,主要内容如下:1、总结分析了基于模型的非线性故障检测与诊断方法的研究现状,提出了应进一步深入研究的问题。2、针对现有EKF方法(Extended Kalman Filter,扩展卡尔曼滤波)的不足,研究了基于UKF(Unscented Kalman Filter,隐性卡尔曼滤波)的故障检测方法,并给出了基于UKF的故障检测的具体算法。以永磁同步电机系统为对象进行了仿真实验,结果表明:对于非线性机电伺服系统,基于UKF的故障检测方法是有效的。3、对于存在强非线性行为的机电伺服系统,且难于通过解析方法建立系统准确模型的情况,研究了基于LS-SVM(Least Squares Support Vector Machine,最小二乘支持向量机)建模与预测的故障检测与诊断方法。通过LS-SVM对非线性关系的逼近来建立反映系统输入输出关系的时序模型,利用该模型的预测输出与系统实际输出相比较得到的残差来进行故障检测与诊断。仿真实验验证了方法的有效性。4、以某跟踪与稳定伺服平台为对象,应用本文提出的方法,设计并实现了BIT(Built-in Test,机内测试)故障诊断系统。以其中的电控子系统为具体案例,进行了工程应用和实验验证。结果表明:应用了本文所提方法的BIT系统能够较好地实现故障的检测。