СИНТЕЗ ДЕТЕКТОРА ДИНАМИЧЕСКИХ СБОЕВ С ПРИМЕНЕНИЕМ СПЕКТРАЛЬНОГО ПОДХОДА К MIMO H2-ОПТИМИЗАЦИИ

Аннотация

Данная работа посвящена задаче синтеза наблюдателей - фильтров для обнаружения воздействия медленно меняющихся аддитивных динамических сбоев. Требуется минимизировать чувствительность детектора к внешнему возмущению за счет выбора параметров наблюдателя. Несмотря на существование множества работ, посвященных обнаружению сбоев, подобным задачам при наличии известного спектрального состава внешнего возмущения, по нашему мнению, не было уделено достаточного внимания. Внешнее воздействие, рассматриваемое в данной работе, может быть представлено как сумма нескольких гармоник с известной центральной частотой (например, морское волнение) и постоянного сигнала (например, ветра или морского течения). Подавление полигармонического возмущения рассматривается как задача среднеквадратичной оптимизации, для решения которой привлекается специальный спектральный подход в частотной области, использующий параметризацию множества передаточных функций замкнутой системы. Этот подход основан на полиномиальной факторизации, что повышает вычислительную эффективность процедуры синтеза. Он также гарантирует неединственность оптимального решения, что дает возможность обеспечить дополнительные свойства, такие как астатизм разностного сигнала относительно внешнего возмущения, в случае если измеряется несколько координат состояния объекта. Предложен новый метод аналитического синтеза адаптивного детектора сбоев и его эффективность продемонстрирована на практическом примере – движении морского судна в горизонтальной плоскости с постоянной скоростью под действием ветра и морского волнения. Для проведения численного имитационного моделирования динамики судна используется среда MATLAB.

Сведения об авторах

Евгений Игоревич Веремей, Санкт-Петербургский государственный университет

доктор физико-математических наук, профессор, заведующий кафедрой компьютерных технологий и систем факультета прикладной математики-процессов управления

Ярослав Вячеславович Князькин, Санкт-Петербургский государственный университет

аспирант факультета прикладной математики-процессов управления

Литература

[1] Ding S.X. Model-Based Fault Diagnosis Techniques: Design Schemes, Algorithms and Tools. Springer Science & Business Media. 2012. DOI: https://doi.org/10.1007/978-1-4471-4799-2
[2] Chen J., Patton R.J. Robust model-based fault diagnosis for dynamic systems. Springer Science & Business Media, 2012. Vol. 3.1.
[3] Witczak M. Fault Diagnosis and Fault-Tolerant Control Strategies for Non-Linear Systems: Analytical and Soft Computing Approaches. Springer Science & Business Media, 2013. Vol. 266. DOI: https://doi.org/10.1007/978-3-319-03014-2
[4] Zanoli S.M. et al. Application of Fault Detection and Isolation Techniques on an Unmanned Surface Vehicle (USV). IFAC Proceedings Volumes. 2012; 45(27):287-292. DOI: https://doi.org/10.3182/20120919-3-IT-2046.00049
[5] Wang Y., Ma X., Qian P. Wind turbine fault detection and identification through PCA-based optimal variable selection. IEEE Transactions on Sustainable Energy. 2018. p. 1-9. DOI: https://doi.org/10.1109/TSTE.2018.2801625
[6] Janssens O. et al. Convolutional neural network based fault detection for rotating machinery. Journal of Sound and Vibration. 2016; 377:331-345. DOI: https://doi.org/10.1016/j.jsv.2016.05.027
[7] Zhang W. et al. A deep convolutional neural network with new training methods for bearing fault diagnosis under noisy environment and different working load. Mechanical Systems and Signal Processing. 2018; 100:439-453. DOI: https://doi.org/10.1016/j.ymssp.2017.06.022
[8] Isermann R. Process fault detection based on modeling and estimation methods — A survey. Automatica. 1984; 20(4):387-404. DOI: https://doi.org/10.1016/0005-1098(84)90098-0
[9] Mohanty R., Pradhan A.K. Protection of Smart DC Microgrid with Ring Configuration using Parameter Estimation Approach. IEEE Transactions on Smart Grid. 2017. DOI: https://doi.org/10.1109/TSG.2017.2708743
[10] Wang Z., Shi P., Lim C.C. H−∕ H∞ fault detection observer in finite frequency domain for linear parameter-varying descriptor systems. Automatica. 2017; 86:38-45. DOI: https://doi.org/10.1016/j.automatica.2017.08.021
[11] Chadli M., Abdo A., Ding S.X. H−/H∞ fault detection filter design for discrete-time Takagi–Sugeno fuzzy system. Automatica. 2013; 49(7):1996-2005. DOI: https://doi.org/10.1016/j.automatica.2013.03.014
[12] Su X. et al. Fault detection filtering for nonlinear switched stochastic systems. IEEE Transactions on Automatic Control. 2016; 61(5):1310-1315. DOI: https://doi.org/10.1109/TAC.2015.2465091
[13] Li H. et al. Fault-tolerant control of Markovian jump stochastic systems via the augmented sliding mode observer approach. Automatica. 2014; 50(7):1825-1834. DOI: https://doi.org/10.1016/j.automatica.2014.04.006
[14] Wu L., Yao X., Zheng W.X. Generalized H2 fault detection for two-dimensional Markovian jump systems. Automatica. 2012; 48(8):1741-1750. DOI: https://doi.org/10.1016/j.automatica.2012.05.024
[15] Aliev F.A., Larin V.B., Naumenko K.I. Suncev V.I. Optimization of Linear Time-Invariant Control Systems. Kiev: Naukova dumka, 1978. 327 p. (In Russian)
[16] Aliev F.A., Larin V.B. Parametrization of sets of stabilizing controllers in mechanical systems. International Applied Mechanics. 2008; 44(6):599. DOI: https://doi.org/10.1007/s10778-008-0085-3
[17] Veremey E.I. Efficient Spectral Approach to SISO Problems of H2-Optimal Synthesis. Applied Mathematical Sciences. 2015; 9(79):3897-3909. DOI: https://doi.org/10.12988/ams.2015.54335
[18] Veremey E.I. H2-Optimal Synthesis Problem with Nonunique Solution. Applied Mathematical Sciences. 2016; 10(38):1891-1905. DOI: https://doi.org/10.12988/ams.2016.63120
[19] Veremey E.I. Dynamical correction of control laws for marine ships’ accurate steering. Journal of Marine Science and Application. 2014; 13(2):127-133. DOI: https://doi.org/10.1007/s11804-014-1250-1
[20] Veremej E.I. Medium-quadratic multi-purpose optimization. SPb.: Izdatel'stvo «Saint Petersburg State University», 2017. 408 p. (In Russian)
[21] Veremey E., Sotnikova M. Spectral Approach to H∞-Optimal SISO Synthesis Problem. WSEASTrans. Syst. Control. 2014; 9(43):415-424. DOI: https://doi.org/10.12988/ams.2015.54335
[22] Veremey E. Irregular H∞-optimization of control laws for marine autopilots. Constructive Nonsmooth Analysis and Related Topics (dedicated to the memory of VF Demyanov) (CNSA), 2017. IEEE, 2017. p. 1-4. DOI: https://doi.org/10.1109/CNSA.2017.7974028.
[23] Veremey E.I., Knyazkin Y.V. Spectral H2 fault estimation observer design based on allocation of the correction effect. Journal of Theoretical and Applied Information Technology. 2017; 95(12):2776-2782. Available at: http://www.jatit.org/volumes/Vol95No12/18Vol95No12.pdf (accessed 10.02.2018).
[24] Veremey E.I., Knyazkin Y.V. Spectral H-2 optimal correction of additive fault estimation observer. Proceedings of the 6th Seminar on Industrial Control Systems-Analysis, Modeling and Computation. EDP Sciences, 2016. DOI: https://doi.org/10.1051/itmconf/20160601005
[25] Veremey E.I., Smirnov M.N., Smirnova M.A. Synthesis of stabilizing control laws with uncertain disturbances for marine vessels. Proceedings of 2015 IEEE International Conference «Stability and Control Processes» in Memory of V.I. Zubov (SCP). 2015, p. 1-3. DOI: https://doi.org/10.1109/SCP.2015.7342219
Опубликована
2018-03-30
Как цитировать
ВЕРЕМЕЙ, Евгений Игоревич; КНЯЗЬКИН, Ярослав Вячеславович. СИНТЕЗ ДЕТЕКТОРА ДИНАМИЧЕСКИХ СБОЕВ С ПРИМЕНЕНИЕМ СПЕКТРАЛЬНОГО ПОДХОДА К MIMO H2-ОПТИМИЗАЦИИ. Современные информационные технологии и ИТ-образование, [S.l.], v. 14, n. 1, p. 91-100, mar. 2018. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/344>. Дата доступа: 22 dec. 2024 doi: https://doi.org/10.25559/SITITO.14.201801.091-100.
Раздел
Когнитивные информационные технологии в системах управления