一类非线性系统的最优状态估计与故障诊断

《IEEE/CAA Journal of Automatica Sinica》：Optimal state estimation and fault diagnosis for a class of nonlinear systems

提出一种基于Lyapunov直接方法的最优非线性观测器设计，结合在线训练神经网络近似求解HJB方程，实现非线性系统带执行机构故障的状态估计。针对含未知扰动的仿射非线性系统，通过系统变换将原问题转化为适用最优观测器的形式，完成故障检测与隔离。单连杆柔性关节机器人电驱动系统仿真验证了方法的有效性。

　　

摘要：

本研究提出了一种用于非线性系统状态估计及故障诊断的方案。首先，为受到执行器或系统故障影响的非线性系统设计了一个最优非线性观测器。通过利用李雅普诺夫U+02BC直接方法，证明了该观测器在性能函数（包括观测器增益的大小和收敛时间）方面是最优的。观测器增益是通过近似哈密顿-雅可比-贝尔曼（HJB）方程获得的，而这种近似是通过在线训练的神经网络（NN）来确定的。接下来，研究了一类除了故障信号外还受到未知干扰影响的仿射非线性系统。在这种情况下，对于每种故障，原始系统都被转换成一种新的形式，从而可以应用所提出的最优观测器来进行状态估计和故障检测与隔离（FDI）。对单连杆柔性关节机器人（SLFJR）电动驱动系统的仿真结果表明了该方法的有效性。