[发明专利]一种分子量分布控制中传感器故障诊断与容错控制方法

权利要求书

1.一种分子量分布控制中传感器故障诊断与容错控制方法，其特征在于，其步骤如下：

步骤100：通过质量光谱仪或激光测试技术在线获得化工反应过程分子量的分布，得到输出概率密度函数，用B样条神经网络逼近输出概率密度函数；

步骤200：根据逼近的输出概率密度函数建立系统的状态空间模型，经扫描辨识法变换后得到状态空间模型的参数，设计学习故障诊断观测器；

步骤300：将设计好的学习故障诊断观测器在计算机上实现，实时监控传感器是否有故障发生，当有故障发生，学习故障诊断观测器及时估计出故障信息；

步骤400：当系统有故障发生故障诊断观测器准确估计出故障信息，利用估计的故障信息对系统的输出权值进行补偿；

步骤500：将设计好的控制信号输入系统使系统输出分子量分布跟踪期望分子量的分布；

所述步骤200中根据逼近的概率密度函数建立系统的状态空间模型为：

利用系统的输出权值引入一个新的状态变量则系统的状态空间模型变为：

其中，x(t)为原系统的状态变量，u(t)为控制输入，f(t)为故障向量，V(t)为权值向量，表示状态变量x(t)的一阶导数，A_s表示和状态变量同维度的单位矩阵，x_s(t)表示与输出权值有关的状态变量，表示状态变量x_s(t)的一阶导数，A、B、D和G分别为参数矩阵；

新状态系统的状态空间模型为：

其中，新系统的状态变量为参数矩阵分别为I_p表示P维单位矩阵；

设计学习故障诊断观测器如下：

其中，表示新系统状态变量观测值的一阶导数，表示新系统状态变量的观测值，表示观测器增益矩阵，ε(t)表示观测值与实际值得残差，表示观测权值，表示观测概率密度函数，Z(t)表示与故障同维度的向量，Z(t-τ)表示向量Z(t)的τ时刻前的值，ε(t-τ)表示τ时刻前的残差，K₁、K₂和W表示观测系统参数，表示故障观测值的导数。

2.根据权利要求1所述的分子量分布控制中传感器故障诊断与容错控制方法，其特征在于，所述步骤100中输出概率密度函数为给出：

其中，φ_i(y)表示第i个B样条基函数，n表示B样条基函数的个数，y表示系统的输出，t表示时间，u(t)为控制输入，ω_i(t)为第i个B样条基函数的权值；

由于输出概率密度函数γ(y,u(t))在其定义区间[a,b]的积分等于1，采用B样条神经网络用线性B样条基函数神经网络逼近其输出概率密度函数为：

γ(y,u(t))＝C(y)V(t)+T(y)；

其中，线性径向基函数和参数φ₁(y),φ₂(y),φ₃(y)均为系统输出y的线性B样条基函数；V(t)＝[ω₁(t),ω₁(t),…ω₃(t)]^T为输出权值向量，ω_i(t)为第i个B样条基函数的权值，i＝1,2,3。

3.根据权利要求2所述的分子量分布控制中传感器故障诊断与容错控制方法，其特征在于，所述步骤400中利用估计的故障信息对系统的输出权值进行补偿为：其中，Vc(t)为补偿后的输出权值。

4.根据权利要求1所述的分子量分布控制中传感器故障诊断与容错控制方法，其特征在于，所述步骤500中期望分子量的概率密度函数表示为γ(y,u(t))＝C(y)Vg+T(y)，Vg为期望权值；设计如下切换函数和控制律实现故障后的分子量分布跟踪期望分布：

设计切换函数如下：

其中，H和K均表示切换函数的参数，S(t)表示切换函数，表示权值误差向量；

当检测到系统故障发生后将系统的控制律调整为：

其中，K₃,M为满足系统稳定条件的参数，为故障观测值的导数，α表示满足稳定条件的参数；

通过计算机求解以下线性矩阵不等式：

0＜(6+3σ)K₁^TK₁≤I；

P₂(A₁+MK₃)+(A₁+MK₃)^TP₂+Q₂≤0；

解得满足条件的故障诊断观测器参数以及满足跟踪给定分布的控制输入条件的参数，实现容错控制以及跟踪期望分子量分布的目的；其中，R₁,Q₁,Q₂,P₁,P₂为适维正定对称矩阵，σ,γ₁为小的正常数，A₁＝DAD^-1，I为一维单位矩阵；∑表示1×2的矩阵。