动态系统基于模型的鲁棒故障诊断

　　第1章 绪论
　　1.1 研究背景
　　1.1.1 故障诊断的重要意义
　　1.1.2 故障诊断中的技术术语
　　1.1.3 智能容错控制中的故障诊断
　　1.1.4 基于模型的故障诊断
　　1.1.5 基于模型故障诊断中的鲁棒性问题
　　1.2 基于模型故障诊断的发展简史
　　1.3 本书概要
　　第2章 基于模型故障检测与隔离的基本原理
　　2.1 引言
　　2.2 基于模型故障诊断的方法
　　2.3 在线故障诊断
　　2.4 故障系统建模
　　2.5 基于模型FDI中残差生成的一般结构
　　2.6 故障可检测性
　　2.6.1 故障可检测性条件
　　2.6.2 故障强可检测性条件
　　2.7 故障可隔离性条件
　　2.7.1 结构化残差集
　　2.7.2 固定方向性残差矢量
　　2.7.3 传感器与调节器故障隔离
　　2.8 残差生成方法
　　2.8.1 观测器方法
　　2.8.2 奇偶矢量(关系)法
　　2.8.3 因素分解法
　　2.9 基于模型FDI参数估计法
　　2.10 随机系统故障诊断
　　2.11 鲁棒性残差生成问题
　　2.11.1 关于干扰的鲁棒性
　　2.11.2 关于建模误差的鲁棒性
　　2.11.3 鲁棒FDI的讨论
　　2.12 鲁棒FDI中自适应阈值
　　2.13 基于模型FDI方法的可用性
　　2.13.1 观测器方法
　　2.13.2 奇偶关系方法
　　2.13.3 参数估计方法
　　2.13.4 可用性讨论
　　2.14 故障诊断技术的集成
　　2.14.1 故障诊断中的模糊逻辑技术
　　2.14.2 定性故障诊断技术
　　2.14.3 集成故障诊断系统
　　2.15 本章小结
　　第3章 基于UIOs的鲁棒残差生成
　　3.1 引言
　　3.2 UIOs的理论与设计
　　3.2.1 UIOs的理论
　　3.2.2 UIOs的设计步骤
　　3.3 基于UIOs的鲁棒故障检测与隔离策略
　　3.3.1 基于UIOs的鲁棒故障检测策略
　　3.3.2 基于UIOs的鲁棒故障隔离策略
　　3.3.3 实例：化学反应装置中调节器故障的鲁棒检测与隔离
　　3.4 鲁棒故障检测滤波器与鲁棒方向性残差
　　3.4.1 故障检测滤波器的基本原理
　　3.4.2 干扰解耦故障检测滤波器与鲁棒故障隔离
　　3.4.3 喷气发动机系统传感器故障的鲁棒性隔离
　　3.5 不确定随机系统滤波与鲁棒故障诊断
　　3.5.1 具有未知干扰和噪声系统的最优观测器
　　3.5.2 鲁棒残差生成与故障检测
　　3.5.3 例子
　　3.6 本章小结
　　第4章 基于观测器特征结构配置的鲁棒残差生成方法
　　4.1 引言
　　4.2 残差生成与残差响应
　　4.3 干扰解耦设计的一般原理
　　4.3.1 基于不变子空间的干扰解耦设计
　　4.3.2 基于特征结构配置的干扰解耦设计
　　4.4 干扰解耦的左特征矢量配置方法
　　4.5 鲁棒故障检测器设计的参数特征结构配置方法
　　4.5.1 鲁棒FDI设计的参数特征结构配置
　　4.5.2 例子
　　4.6 干扰解耦的右特征矢量配置方法
　　4.7 鲁棒残差生成中的最小拍设计
　　4.8 基于特征结构配置方法的两个例子
　　4.9 结论与讨论
　　第5章 鲁棒残差生成中干扰分布矩阵的确定
　　5.1 引言
　　5.2 干扰分布矩阵的直接确定与优化
　　5.2.1 噪声与加性非线性
　　5.2.2 双线性系统
　　5.2.3 降阶模型
　　5.2.4 参数扰动
　　5.2.5 分布矩阵的低秩近似
　　5.2.6 有界不确定性
　　5.3 干扰与干扰分布矩阵的估计
　　5.3.1 干扰矢量估计的增广观测器方法
　　5.3.2 干扰分布矩阵的推导
　　5.3.3 干扰矢量估计的反卷积方法
　　5.4 多(变)工作点下最优干扰矩阵的确定
　　5.5 喷气发动机系统建模与FDI
　　5.5.1 喷气发动机系统故障诊断的研究背景
　　5.5.2 喷气发动机系统描述
　　5.5.3 直接计算与优化方法的应用
　　5.5.4 增广观测器方法的应用
　　5.6 本章小结
　　第6章 基于多目标优化与基因算法的鲁棒残差生成器设计
　　6.1 引言
　　6.2 残差生成与性能指标
　　6.2.1 残差生成与响应
　　6.2.2 鲁棒残差生成中的性能指标
　　6.2.3 性能指标的说明
　　6.3 观测器设计中的参数化
　　6.3.1 实特征值
　　6.3.2 共轭复特征值
　　6.3.3 特征值的配置
　　6.4 多目标优化与不等式方法
　　6.4.1 多目标优化
　　6.4.2 不等式方法
　　6.5 基于基因算法的优化技术
　　6.5.1 基因算法简介
　　6.5.2 使性能不等式成立的基因算法步骤
　　6.6 飞行控制系统传感器缓变故障的检测
　　6.7 本章小结
　　第7章 基于最优奇偶关系的鲁棒残差生成方法
　　7.1 引言
　　7.2 最优奇偶关系设计中的性能指标
　　7.3 基于多目标优化的最优鲁棒奇偶关系设计
　　7.3.1 求解最优问题的SVD方法
　　7.3.2 多目标优化的求解
　　7.4 数值实例
　　7.5 有关设计最优奇偶关系的讨论
　　7.5.1 鲁棒故障隔离
　　7.5.2 多模型的概率分布
　　7.5.3 正交化奇偶关系
　　7.5.4 基于优化的鲁棒奇偶关系设计
　　7.5.5 闭环最优奇偶关系
　　7.6 本章小结
　　第8章 鲁棒故障诊断的频域设计与H∞优化方法
　　8.1 引言
　　8.2 鲁棒故障检测的因数分解方法
　　8.2.1 基于因数分解的残差生成器设计
　　8.2.2 完全故障检测与隔离及完全干扰解耦
　　8.2.3 最优残差设计
　　8.3 基于标准H∞滤波描述的鲁棒残差生成
　　8.3.1 具有干扰抑制的鲁棒残差生成
　　8.3.2 故障估计
　　8.3.3 具有干扰抑制的故障估计
　　8.3.4 鲁棒性问题
　　8.4 鲁棒残差生成的LMI方法
　　8.4.1 问题描述
　　8.4.2 敏感性范数分析
　　8.4.3 H∞控制的LMI求解方法
　　8.4.4 对偶性与H∞估计
　　8.4.5 鲁棒故障检测观测器设计
　　8.4.6 鲁棒FDI中有关LMI方法的讨论
　　8.5 本章小结
　　第9章 非线性动态系统故障诊断
　　9.1 引言
　　9.2 线性与非线性观测器方法
　　9.3 非线性动态系统故障诊断的神经网络方法
　　9.3.1 非线性动态系统FDI中神经网络的应用
　　9.3.2 基于神经网络的故障诊断方案
　　9.3.3 基于神经网络的故障诊断方法在实验室系统中的应用
　　9.4 非线性动态系统故障诊断的模糊观测器方法
　　9.4.1 T-S模糊模型及稳定性分析
　　9.4.2 模糊观测器与残差生成
　　9.4.3 铁路牵引系统中感应电机的故障诊断
　　9.5 非线性动态系统故障诊断的神经模糊方法
　　9.5.1 B-样条神经网络与模糊逻辑解释
　　9.5.2 基于B-样条网络的残差生成与故障检测
　　9.5.3 基于B-样条函数网络的故障隔离
　　9.5.4 两箱系统的故障诊断
　　9.6 本章小结
　　附录A 基于模型故障诊断技术中的专业术语
　　附录B 倒摆实例
　　附录C 矩阵秩分解
　　附录D 引理3.2的证明
　　附录E 低秩矩阵近似
　　参考文献

　　    《动态系统基于模型的鲁棒故障诊断》在统一的框架下系统地介绍了基于模型的FDI这一研究领域。书中包含有许多重要的研究课题和方法。完全覆盖FDI研究的所有内容及其完备性全书主要专注于介绍一些有关FDI的基本问题，如基本定义、FDI方法中鲁棒性问题等，既介绍了理论问题的研究，又广泛探讨了应用问题。因此，无论对学术界的研究人员还是工业界的工程师们都将是有益的。