[发明专利]一种采样机械臂闭环控制系统的小故障检测方法

说明书

本发明公开了一种采样机械臂闭环控制系统的小故障检测方法，该方法包括以下步骤：设计离散时间机械臂的自适应神经网络控制器；构造动态估计器逼近系统未知动态；计算故障引起的系统动态残差与控制器补偿的残差，进一步得出增强的总可测故障残差；计算加权递推的绝对故障残差累积值；设计故障检测决策方案，将实时计算得到的故障残差累积值与自适应阈值进行比较，若存在某个时刻，使得故障残差累积值大于自适应阈值，则判定该时刻机械臂发生故障；本发明的故障检测方案保证了机械臂系统发生故障后，实现对故障的快速检测，通过加权递推的绝对残差累积机制，解决了故障频繁变化以及故障诊断速度慢的问题，保障了故障检测系统的安全性和快速性。

技术领域

本发明涉及机器人故障检测技术领域，具体涉及一种采样机械臂闭环控制系统的小故障检测方法。

背景技术

故障检测是现代工程系统中的一个重要问题，迄今已受到广泛关注，现代工程系统对安全性和可靠性的要求越来越高,故障检测的主要目标是在实时操作期间识别系统故障的发生。及时准确的故障诊断对于许多工程系统的可靠和有效运行至关重要，尤其是那些关键安全，如航空发动机、化学过程、工业机器人、电力网络等。

小故障通常是指那些小于系统不确定性(例如，未建模动态或干扰/噪声)的故障，这些故障通常出现在较大故障发生之前的早期阶段。小故障的早期检测有助于避免较大的故障和灾难性的后果，并且有助于最小化维护活动和成本。然而，在非线性不确定系统中，小故障难以检测，因为它们可能隐藏在未建模的系统动力学中。此外，从实时闭环控制中检测故障也是一个具有挑战性的问题。这是因为故障的影响通常会被控制器所补偿，难以检测。闭环控制系统通常对外部故障具有鲁棒性，控制器能够补偿故障的影响，从而保持跟踪和调节性能。当故障幅度相对较小时尤其如此，因此只能获得很少的故障信息用于故障诊断。鉴于此，如何从实时闭环控制系统中有效处理控制器补充的故障信息，如何快速准确地进行故障诊断是急需解决的挑战性问题。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种采样机械臂闭环控制系统的小故障检测方法，针对在非线性不确定系统中难以检测到小故障的问题，提出了一种基于确定学习的动态估计方法，能够对系统的不确定动态进行有效和精确的建模，实现了对故障信息的估计；针对闭环系统由于控制器的补偿作用而难以检测到故障的问题，设计了基于控制器补偿的总可测故障残差检测方案，能够消除控制器对故障信息的补偿作用，实现了对可检测故障信息的增强，保证了对故障的快速检测；同时在此基础上，通过设计一个加权递推的绝对残差累积机制，解决了故障频繁变化以及故障诊断速度慢的问题，保障了故障检测系统的安全性和快速性。

本发明的第二目的在于提供一种采样机械臂闭环控制系统的小故障检测系统。

本发明的第三目的在于提供一种存储介质。

本发明的第四目的在于提供一种计算设备。

为了达到上述目的，本发明采用以下技术方案：

一种采样机械臂闭环控制系统的小故障检测方法，包括下述步骤：

建立基于数据采样的机械臂动力学模型和期望回归轨迹模型，设计自适应神经网络控制器；

构造动态估计器逼近系统未知动态；

计算系统总可测故障残差；

总可测故障残差φ_e(k)通过下式计算：

φ_e(k)＝φ_f(k)-φ_u(k)

φ_f(k)为故障动态残差，即故障所引起的系统动态残差：

φ_u(k)为控制器补偿的残差，即控制器对系统故障的补偿作用：