[发明专利]一种基于ADRC的HMM故障预测系统

说明书

本发明涉及一种基于ADRC的HMM故障预测系统，其中，包括：跟踪微分器、扩张状态观测器、非线性误差反馈控制器以及被控对象，系统输入信号v(t)作为跟踪微分器输入，扩张状态观测器输入为被控对象输出量y以及b₀u，非线性误差反馈控制器采用PID反馈控制，非线性误差反馈控制器利用跟踪微分器和扩张状态观测器的输出，以得到系统的状态误差，被控对象确定的加速度部分f₀(x₁,x₂)以及系统未知部分，包括系统未建模部分和扰动部分w(t)，u为控制输入。本发明在于当系统模型存在未知部分的情况下，也能根据已知部分设计完整的扩张状态观测器(ESO)控制参数。充分利用已有的系统模型原理，提取出更精确的特征进行故障预测。

技术领域

本发明涉及机器学习和数据挖掘技术，特别是一种基于ADRC的HMM故障预测系统。

背景技术

最近随着机器学习和数据挖掘技术的兴起，基于数据驱动的故障诊断方法已经成为工业领域的研究热点和发展方向。HMM作为一种基于数据驱动方法在故障诊断领域得到了广泛的应用。此外HMM是基于隐藏状态的统计学习方法，其隐藏状态和观测状态分别对应电机潜在的变化状态和观测到的转速值。因此HMM适合处理旋转机械设备等复杂动态系统。

现有的基于HMM的故障诊断技术在理论研究方面已经获得一定成果。但是在实际应用中由于基于模型的故障预测方法对物理模型的依赖程度较高，导致实际应用较为复杂，难以实现。而基于数据的故障预测虽然应用广泛，但是基于数据的建模过程存在获得数据不够全面、模型不精确等问题，无法获得满意的结果。

随着生产系统的复杂性增加，针对高阶复杂系统简单的比例、积分和微分控制很难满足系统对稳定性、快速性和准确性的要求。生产车间作业环境复杂恶劣，其调度过程存在大量不确定因素。在实际的电机控制系统中，由于环境因素，传感器误差，材料，装置和过程的离散性原因，无论电位还是电流，都存在幅值偏差和相位偏差，而谐波分量导致的偏差使得转矩波动，打破了控制系统运行的稳定性。

发明内容

本发明的目的就是提出一种基于ADRC的HMM故障预测方法，用于解决上述现有技术的问题。

本发明一种基于ADRC的HMM故障预测系统，其中，包括：跟踪微分器、扩张状态观测器、非线性误差反馈控制器以及被控对象，系统输入信号v(t)作为跟踪微分器输入，跟踪微分器有两个输出信号z₁₁和z₁₂，其中z₁₁跟踪输入信号v，而z₁₂是v的微分，参数r为可调参数，用于调整跟踪速度，函数fst为最优控制函数，包括：

扩张状态观测器输入为被控对象输出量y以及b₀u，写成如下的状态方程形式：

其中w_r是外部扰动，函数f₀(z₂₁,z₂₂)是完全未知或含有不确定性的系统函数，u为控制输入,对应的输出观测变量为Z₂₁、Z₂₂以及Z₂₃，β_i、α_i、δ为可调参数；非线性函数fal定义如下:

非线性误差反馈控制器采用PID反馈控制，非线性误差反馈控制器利用跟踪微分器和扩张状态观测器的输出，以得到系统的状态误差ε_i：

构成系统状态误差反馈的非线性组合：