一种基于网络控制系统的部件故障估计方法及装置的制造方法
【技术领域】
[0001] 本发明属于故障诊断与主动容错控制领域，尤其涉及一种基于网络控制系统的部 件故障估计方法及装置。
【背景技术】
[0002] 随着现代科学技术水平的飞速发展，控制系统的规模和复杂程度日益提高，系统 中的传感器、控制器和执行器数量大大增加。在这种复杂的控制系统之中，传统的点对点专 线传输设计不能满足其成本效益、灵活性和可维护性等方面的要求。因此，必须将通信网络 引入到控制系统，以网络为载体来连接控制系统中的不同部件。当前，这种控制系统和通信 网络的结合，简称"网络控制系统"。
[0003] 然而，在网络控制系统中，通信网络的引入，带来了随机的数据丢失，丢失的数据， 会引起估计值的突变，导致无法得到估计曲线，不利于进行故障的定位和诊断。其原因在于 以下三方面，详述如下：
[0004] 第一方面，通信网络的带宽是有限的，因此数据包在传输过程中不可避免的出现 碰撞、排队等待和重传等现象，这些现象会导致数据传输的延迟，称为网络时滞。根据网络 协议、网络负载状况和信息包大小的不同，网络时滞呈现出固定、时变或随机的特征，因此 会产生网络控制系统的数据丢失的问题。
[0005] 第二方面，通信网络是一个不可靠的数据传输通道，存在着网络拥塞和连接中断 等现象，因此网络控制系统中会存在数据包丢失问题。
[0006] 第三方面，通信网络中的信息源众多，传输数据经过众多计算机和通信设备且路 径不唯一，数据通常有不同的路由选择，这就会产生数据包的时序错乱问题，因此网络控制 系统中会存在数据包丢失问题。
【发明内容】
[0007] 本发明实施例的目的在于提供一种基于网络控制系统的部件故障估计方法，旨在 解决在网络控制系统中，丢失的数据，会引起估计值的突变，导致无法得到估计曲线，不利 于进行故障的定位和诊断的问题。
[0008] 本发明实施例是这样实现的，一种基于网络控制系统的部件故障估计方法，包 括：
[0009] 采集信号发生器产生的驱动信号，生成输入信号；
[0010] 将网络控制系统产生的信号转换为离散时变系统的信号；
[0011] 根据所述离散时变系统的信号、预先配置的递推故障估计器，生成故障估计值；
[0012] 根据生成的故障估计值以及预先配置的自适应故障估计补偿机制，对生成的故障 估计值补偿，生成补偿的故障估计值；
[0013] 根据补偿的故障估计值，生成光滑的估计曲线。
[0014] 本发明实施例的另一目的在于提供一种基于网络控制系统的部件故障估计装置， 包括：
[0015] 转换模块，用于将网络控制系统产生的信号转换为离散时变系统的信号；
[0016] 故障估计值生成模块，用于根据所述离散时变系统的信号、预先配置的递推故障 估计器，生成故障估计值；
[0017] 补偿模块，用于根据生成的故障估计值以及预先配置的自适应故障估计补偿机 制，对生成的故障估计值补偿，生成补偿的故障估计值；
[0018] 估计曲线生成模块，用于根据补偿的故障估计值，生成光滑的估计曲线。
[0019] 在本发明实施例中，根据补偿的故障估计值，生成光滑的估计曲线，解决了在控 制系统中，通信网络的引入，带来了随机的数据丢失，丢失的数据，会引起故障估计值的突 变，导致无法得到光滑的估计曲线的问题。有效地减弱了因数据丢失而导致的故障估计值 突变，从而得到与原信号曲线逼近的光滑的估计曲线，有利于进行故障的定位和诊断，一方 面，光滑的估计曲线，提高了故障定位的准确性，另一方面，由于引入了自适应故障估计补 偿机制，部件故障估计方法在带有随机噪声且具有数据丢失特点的网络控制系统中也能正 常使用，因此提高了故障估计的适用范围。
【附图说明】
[0020] 图1是本发明实施例提供的基于网络控制系统的部件故障估计方法的实现流程 图；
[0021] 图2是本发明实施例提供的基于网络控制系统的部件故障估计方法步骤S102的 实施流程图；
[0022] 图3是本发明实施例提供的基于网络控制系统的部件故障估计方法步骤S103的 实施流程图；
[0023] 图4是本发明实施例提供的当k时刻数据丢失时，零信息机制和保持器机制得到 的有效信息的样例图；
[0024] 图5为P= 1时，状态1真实值与估计值较佳的样例图。
[0025] 图6为P= 1时，状态2真实值与估计值较佳的样例图。
[0026] 图7为P= 1时，故障估计值较佳的样例图。
[0027] 图8为P= 0. 9时，状态1真实值与估计值较佳的样例图；
[0028] 图9为P= 0. 9时，状态2真实值与估计值较佳的样例图；
[0029] 图10为P= 0. 9时未采用自适应补偿机制的故障估计值较佳的样例图；
[0030] 图11为P= 0. 9时采用自适应补偿机制的故障估计值较佳的样例图；
[0031] 图12为P= 0. 8时，状态真实值1与估计值较佳的样例图；
[0032] 图13为P= 0. 8时，状态真实值2与估计值较佳的样例图；
[0033] 图14为P= 0. 8时，未采用自适应补偿机制的故障估计值较佳的样例图；
[0034] 图15为P= 0. 8时，采用自适应补偿机制的故障估计值较佳的样例图；
[0035] 图16为P= 0. 5时，状态真实值1与估计值较佳的样例图；
[0036] 图17为P= 0. 5时，状态真实值2与估计值较佳的样例图；
[0037] 图18为P= 0. 5时，未采用自适应补偿机制的故障估计值较佳的样例图；
[0038] 图19为P= 0. 5时，采用自适应补偿机制的故障估计值较佳的样例图；
[0039] 图20是本发明实施例提供的基于网络控制系统的部件故障估计装置的结构框 图。
【具体实施方式】
[0040] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
[0041] 实施例一
[0042] 图1是本发明实施例提供的基于网络控制系统的部件故障估计方法的实现流程 图，详述如下：
[0043] 在步骤SlOl中，将网络控制系统产生的信号转换为离散时变系统的信号；
[0044] 针对网络时滞为随机不确定，存在数据丢包、数据错乱等现象的网络控制系统，将 其转换为如下离散时变系统：
[0045] X(k+1) =A(k)X(k)+G(k)w(k) (I)
[0046] y(k) =y(k)(C(k)x(k)+H(k)f(k))+v(k) (2)
[0047] 其中，X(k)GRn、f(k)GIT、y(k)GRq分别为系统状态向量、故障信号、量测输 出；
[0048] f(k)为一故障信号；
[0049] w(k)GRn、v(k)GRq分别为零均值白噪声信号，且Q(k) =E[w(k)wT(k)]，R(k) =E[v(k)vT (k)] 〇
[0050] A(k)、G(k)、C(k)、H(k)是适当维数的已知时变矩阵。Y(k)为一服从Bernoulli 分布的随机变量，满足如下概率分布：
[0051] Prob{y(k) =1} =E{y(k)} =P(3)
[0052] Prob{y(k) =0} =E{1-y(k)} =I-p(4)
[0053] 其中PG(〇, 1]为一已知常数。
[0054] 其中，模型（1) (2) (3) (4)描述了一类具有Bernoulli随机数据丢失特点的随机系 统，其可以广泛描述无线传感器网络中的传输中断或传输过程中的缓冲器溢出。
[0055] 估计器参数与y(k)的先验概率P有关。
[0056] 基于（1)、（2)描述的一类具有不完全量测信息系统，基于其不完整信息集合，即 输出序列[和初始估计条件贫0、构造如下形式的递推估计器：
[0057] 对女I左一I) =J(:fc- 1)!饮 一 11 - 1) (5)
[0058] ]\k)-M{k)(y(k)-ijC(k)x(kj^ -I)) (6)
[0059] Mkjk) =lp' + - )% -1? (:7:)
[0060] 求得一定意义下最优的故障估计和状态估计。
[0061] 在步骤S102中，根据所述离散时变系统的信号、预先配置的递推故障估计器，生 成故障估计值；
[0062] 在步骤S103中，根据生成的故障估计值以及预先配置的自适应故障估计补偿机 制，对生成的故障估计值补偿，生成补偿的故障估计值；
[0063] 在步骤S103之前，配置所述自适应故障估计补偿机制。
[0064] 其中，所述自适应故障估计补偿机制具体包括：
[0065] 当生成的故障估计值为空值时，将上一时刻计算得到的故障估计值作为补偿的故 障估计值的机制，当生成的故障估计值不为空值时，将生成的故障估计值作为补偿的故障 估计值的机制。
[0066] 在步骤S104中，根据补偿的故障估计值，生成光滑的估计曲线。
[0067] 根据补偿的故障估计值，生成逼近原信号曲线且光滑的估计曲线。
[0068] 其中，部件故障包括传感器、控制器故障和执行器故障中的至少一种。
[0069] 在本发明实施例中，根据补偿的故障估计值，生成光滑的估计曲线，解决了在控 制系统中，通信网络的引入，带来了随机的数据丢失，丢失的数据，会引起故障估计值的突 变，导致无法得到光滑的估计曲线的问题。有效地减弱了因数据丢失而导致的故障估计值 突变，从而得到与原信号曲线逼近的光滑的估计曲线，有利于进行故障的定位和诊断，一方 面，光滑的估计曲线，提高了故障定位的准确性，另一方面，由于引入了自适应故障估计补 偿机制，部件故