外文翻译(Integrated Fault-Tolerant Scheme for a DC Speed Drive)

1、关于直流调速器的集成容错方案D.U.Campos-Delgado,Member,IEEE,S.Martinez-Martinez,andK.Zhou,Fellow,IEEE译者：张进指导老师：曾孟雄教学单位：机械与材料学院摘要本文呈现了一个带有干扰补偿的容错控制（FTC）方案。故障检测和干扰补偿融为一体，对模型系统的不稳定性提出了一种鲁棒算法。在现行容错方案中，GIMC控制结构23被用作反馈装置。利用鲁棒控制理论可获得容错方案的参数生成。考虑到数学模型系统的不稳定性和动荡性，设计了一个检测滤波器用于故障分离。最后，故障补偿机制包括对干扰的评估，在检测到故障后，该评估应用于系统可以提高闭环系统的

2、性能。为了说明这些想法，选择直流电动机的速度调节作为个案研究，实验成果如下报告。关键术语直流电动机，容错控制,H设导，、鲁棒控制。在许多工业应用中，有昂贵设备的管理及操作人员的参与。在这些情况下，是需要对自动化加工过程提供一些安全程度的。因此，操作者必须接受一个加入这一加工过程用于指示故障可能产生的指示器，以便采取适当的行动。对于某些类型的故障，通常可以设计标称控制系统来处理，该系统可用于接受那些故障或者保留故障情况下的一些性能，这是可能的（被动的方法）1-3。但是，这一策略在实践中往往是保守的，因为控制器的设计上必须考虑到最坏的情况。产生这些容错控制器的方法之一，就是采用H鲁棒设计技术4-6

3、。用于容错控制（FTC）的另一种方法依赖于控制过程中故障实例的检测，目的是把一个合适的补偿机制应用于反馈系统中（主动的方法）7。在这个方案中，首先要检测一种故障情况，这是必须的，其次,需要设计一种算法，来确定所发生的故障类型（故障隔离）。基于故障分离模块，需要引入一个用于标称控制信号的外部补偿信号，或者更新控制器是参数8,9。三种主要类型的故障被认为是：执行器故障，传感器故障以及系统故障4,10,11。前两个作为外部信号用于标称控制系统（附加故障）。与此同时，系统故障涉及到系统零件的机械磨损或是系统的力学性能的本质改变。在机械系统的数学模型中，这些故障通常作为变化的参数来处理。附加故障的问题也

4、将在本文得到解决。因此，对于一个有效的FTC装置来说，所面对的第一个挑战就是故障检测和隔离（FDI）。尽管在系统中可能产生干扰，有噪声以及模型系统的不稳定性，在FDI中，已有的模式还是可用于检测和分离故障信号4,7,10,11。那么，过滤器就是设计用来放大所获得的故障信号并输出，同时减小干扰信号和模型不稳定性信号。建议采用如下几种方法：基于特征结构分配的鲁棒检测和分离12,基于H和H最优化的评估2g13,14,通过频域优化选择的检测和分离15，未知输入的观察员4，奇偶空间途径16，基于观察的鲁棒检测17，等。虽然现有的研究主要集中于线性系统，但对FDI非线性系统的扩充也已经在18和19中提出了

5、。此外，模糊逻辑20和小波变换21的应用在故障检测中最近也已推出。其次，在用于FTC的现行方法中，一旦故障被检测到和分离，其控制机制将通过监管系统被重新配置。最近，有人受到鲁棒控制理论中Youla参数化的启发，一个用于故障补偿的重组控制结构可在22中看到。这个方案适用于23中所介绍的GIMC(广义的内模控制)结构系统，用于发现故障后设计一个控制补偿信号。另一方面，也对重组FTC结构系统进行了研究，其中模式匹配机制用于设计线性控制器24，以及用于非线性系统的自适应方案25。关于执行器故障的自适应补偿的问题，最近已在26中得到说明。如此以来，由于工业流程和理论挑战的实际应用，关于FTC领域的研究近

6、年来有所增加，目标在于在自动化流程中提供一定的安全程度。本篇论文结构如下。第二节简洁描述了提出的问题。对故障检测和补偿机制的详情载于第三节。第四节给出了一个案例研究说明：直流电动机的速度调节，及实验结果报告。最后，第五节得出一些结论性意见。图1.控制系统问题描述II.提出问题系统描述本文中所涉及的问题，描述如下：考虑一个线性时不变(LTI)系统P(s)受干扰dRr和可能的故障fRl(附加影响)影响，见图1,由下式描述,，x=Ax+Bu+Ff+Ed(1)y=Cx+Du+Ff+Ed22式中xRn表示状态向量，uRm表示输入向量，yRp表示输出向量。于是，矩阵FRnxl表示执行器故障分布矩阵，FRp

7、X1表示传感器故障分布矩阵。假设标称控制12( )器K(s)使其系统稳定并提供了一个理想的闭环性能。因此，现行FTC方案的控制对象为:设计一个综合检测/补偿方案，它能够检测到闭环系统中故障的发生，并提供合适的补偿信号q，控制系统并保持一定的闭环性能；见图1。为此作出以下两个假设：故障是不重复的;干扰是已知或部分已知的。注1：第一个假设规定，被研究的故障在系统中有着永久的影响。因此，一旦发现故障，补偿信号q是开关在反馈配置和保持活动状态。因此，一旦发现故障，补偿信号q就在反馈系统中产生，并保持动态。从而原系统进程将被迫停止，以置换故障系统并重置FTC系统。另一方面，影响系统的干扰信息是重要的，它

8、能够为FTC系统提供正确的补偿信号q。如果不能获得干扰信息，出现故障后，系统性能将会下降。如果在产生故障的同时，有一个扰动变化，那么该算法将无法立即分辨，并且控制信号将不具有补偿装置中实际干扰的正确信息。在这种情况下，产生故障后的补偿结果将受到影响。此外，如果两个或两个以上独立的故障同时影响系统，那么故障检测装置将被触发，但由于每个故障时间的连续性，其动态性能在补偿后将受到影响。开环系统的转移矩阵形式：y(s)=P(s)u(s)+P(s)f(s)+P(s)d(s)(2)uyfydy式中，P(s)=C(siA)-1B+DuyP(s)=C(sI-A)-1F+F(3)fy12P(s)dyC(sI-A

9、)-1E+E12因此，p(s)表示标称系统(从u到y的映射)。此外假定在标称系统6的描述中存uy在有关的模型系统的不确定性。两种可能的情况如下：关于鲁棒控制理论的结构化或者非结构化的不确定性。如果不确定性因素产生于模型系统的某些参数，其中变化的范围又能够推断出，那么应该采用结构化的不确定性。因此，其实际的系统都可以由上一级线性分式变换得到(LFT)：TOC o 1-5 h zP(s)=F(P,A)=P+PA(IPA)-1Puyu22211112式中，PPP=1112PP2122A=diag55.6且5e(-1,1),i=1,k而下标k表示不确定性参数数目。在这种情况12ki下，广义的系统P由参

10、数丟的变化得出，丟来自标称系统。请注意，对于标称系统P(s)=P(s)。uy22(6)在考虑非结构化不确定性的情况下，实时变量Puy由下式给出AP(s)=P(s)+W(s)A(s)W(s)=F(P,A)uyuy21u式中，W,WeRH为不确定性加权函数，AeRH且|a|1，以及在这一特定情况下,12asg广义矩阵P由下式给出(7)0WP=2WP1uy其他设计在FDI理论中，根据系统输入输出的描述，一个包含故障信息的信号必须要设计处理；其余是4,10,11。由公式(1)，标称变量可通过左边的互质分解式来表示，即P(s)=M-1(s)N(s)，式中N,MeRHuygr(s)=H(s)一N(s)u(

11、s)+M(s)y(s)(8)式中，HeRH被作为检测器。通过替换公式(2)及利用该模型的不确定性的描述，可g得下式r(s)=H(s)M(s)Auy(s)f(s)(9)式中，A=W(s)A(s)W(s)和A=PA(I-PA)-1P分别对应非结构化和结构化的TOC o 1-5 h zuy21uy211112(10)不确定性，而且由公式(1)中的问题描述，可得P(s)=M-1(s)N(s),P(s)=M-1(s)N(s)fyfdyd且N,NeRH。因此，残差信号r是被控制信号通过模型的不确定性，干扰及故障所dfg影响的。从而，滤波器H(s)的作用是在残差信号r中分离出故障f的影响，即H(s)M(s)

12、A(s)q0且H(s)N(s)0,uydH(s)N(s)工0且在某种程度上尽可能地大。要达到最佳的故障分离，贝U要求H(s)N(s)qI。为了检测故障情况，通常采用以下的残差信号评估标准：2,t,THI=HIr*(T)r(T)dT(11)( )HI=l|r=sup|r(g2t式中，T是评估参照尺度或标准。在某些特殊情况下，滤波器H(s)可以完全消除残差信号中不确定性和干扰的影响。因此，在实际中，为了防止评估中的虚警产生，可以采用一个阀值J，thJ=sup|r|.(13)thf=0,Vd,u一般来说，阀值J也是时间的函数4。不过，这种方法并没有被本文采用。一旦th(14)残差信号产生，就可以根据

13、以下标准检测到故障：小Jth其中，用于检测的阀值可通过不确定性的大小，干扰信息和控制信号的最高值来计算。因此，运用三角不等式(9)及公式IHIr|J.Vd,“th因此，最优滤波器H(s)必须使Y17值最大化，即maxdimy.( )是为了获得故障检测灵敏度和耐H(s)eRH在这一节中，将对现行FTC方法详细描述。A.广义的内部模块控制这项工作中所呈现的FTC系统产生于鲁棒控制理论6，其中Youla参数化的被称作广义内模控制(GIMC)的一项新要求的实施被用于注22,23；见图2。在该装置中，标称控制器K(S)可由其他的互质分解式来表，即K(s)=V-1(s)U(s)且U,VGRH。据观测所得，

14、fe表示系统的估计输出量和实际输出量之间的滤波误差。因此，如果fe=0(-q=0)，将表示没有任何模型系统的不确定性，外部干扰及故障，从而反馈系统将完全由标称控制器K(s)控制。因此，从图2中GIMC结构框图可以看到，控制信号u有一部分用于控制跟踪误差，另一部分通过故障情况下的补偿器Q来自于过滤误差fe，u(s)=V-1(s)U(s)e(s)+q(s)=V-1(s)U(s)ref(s)-y(s)+Q(s)f(s).(19)e要注意到，如果干扰d影响标称系统的话，那么滤波误差fe将会有大幅改动。然而，已假定干扰d是已知的或部分已知的。因此，这些信息可以反馈到估计进程消除来自滤波误差fe的影响。由

15、此，GIMC装置的一种新应用，如图3所示。上一节所提出的残差信号,见公式(8)，可以由信号fe及它所经过的检测滤波器H(s)得出，即r(s)=-H(s)f(s)。e现在，一旦发现故障，补偿信号q就会反馈到控制器，其中信号q也是来自滤波误差fe,但是fe是经过可靠控制器Q(s)产生的。因此，信号q必须用来补偿由故障导致的丢失的或错误的控制信号。从而，可以得到一个集成FTC方案，如图3所示。要注意到，GIMC系统允许独立设计标称控制器及故障检测/补偿器。因此，标称控制器K(s)可以在任何给定的结构，满足性能指标，如PID或观察员，而且检测器将和系统平行运作，直到检测到故障，在这个时候，补偿进入反馈

16、回路。同时，FTC方案提出(21)两个自由参数可以设计。H(s):故障检测滤波器，必须减少干扰或不确定性对残差信号的影响，并使故障信号的结果最大化4,7。Q(s)：可靠控制器必须为闭环系统提供可靠性，以保持对故障可接受的性能23。下面介绍这两个参数的设计方法。由于GIMC系统的结构化，参数H(s)和参数Q(s)都必须是稳定的，适当的转移矩阵。B.故障诊断要设计一种可靠的检测滤波器H(s)，模型的不确定性和干扰信息必须同时考虑。由于不确定性的信息被假定在最坏的情况估计，它必须在检测滤波器H(s)的设计阶段被考虑，以改善故障检测灵敏度4。假定它是用于分离故障变量，即rQ，而且定义故障估计误差e=r

17、-f。可以说，滤波器的目标性能在于减小故障估计中不确定性和干扰的影响(见图4)，即efv式中，TluH(20)zef=feP110MP21P120PN22wfAwd=GvuHrr00实际变量是根据公式和公式所代表的不确定性由P=F(P,A)得出；uyuv=fdut是输入向量，G表示LFT系统中的广义变量。式(20)中的设计问题可以H由鲁棒控制理论(“-综合)6中所用的工具得到解决。采用“-综合方法的综合步骤是由迭代算法实现的，使两参数按顺序的方式达到最小的最优解：DK迭代法6。故障补偿在故障补偿信号q的设计中，转移矩阵Q(s丿被用于产生故障时保持系统的稳定性。因此，鲁棒镇定问题便得到解决。然而

18、，一些性能规格也可纳入Q(s丿的设计中。如果存在K(s)控制器，对于某种类型故障f能保持良好的性能，且该控制器不同于标称控制ii器K=V-花，那么GIMC系统允许为每一个q(s)设计一种特定的补偿器，根据以下关系:iQ(s)=V(s)K(s)K(s)N(s)K(s)+M(s)-1(22)iii对于标量p(s)=M-1(s)N(s)。这种方法在今后的工作中将得到应用。uy关于转移矩阵Q(s)只有一个限制条件必须考虑，依照Youla参数化方法，它必须是稳定的，即QeRH。其综合过程再次通过鲁棒控制原理进行。在一般情况下，传感器及执行器故障可以用一个多项式来模拟：(s)=I+Ay(s)su(s)=I

19、+Au(s)a式中，A,AeRH分别表示由故障引起的传感器和执行器振荡22。因此，如果这两sag个变量被用于标量P(S)，那么有故障的输入输出变量P(s)可由下式表示uyuyP(s)=P(s)I+A(执行器故障)uyuya(23)P(s)=I+AP(s)(传感器故障)uysuy因此，传感器或执行器故障可以分别模拟为输出或输入模型不确定性。如前所述，在本文中我们将考虑鲁棒性的基本要求，即闭环系统的稳定性。因此，我们的目标是设计Q(s丿以最大限度地提咼闭环系统的容错性能，即min|T(24)Q(s)eRHgZWg式中，T是从信号w到z的闭环系统传递函数。根据标量P(s)的稳定性可以得出zwuy两种

20、设计方案22。1)由PeRHn对于最优化补偿器由Q(s)=U(s)M-1(s)得出，任何系统和类型uyg的不确定性描述22。回想一下，可以知道，U(s)和M(s)是标称控制器K(s)和标量p(s)uy的互质分式。2)由p电RHn个逼近的加权量H必须解决。为此，可以把综合问题放入LFTTOC o 1-5 h zuya8系统框架中。因此,Q(s丿可由下式得出Y二min|F(G,Q)|(25)Q(s)eRH8Q8并且如果1141/Y，那么内部稳定性也可以得到保证。如果考虑到输出不确定性8(传感器故障)，(即P=I+AP)，那么广义模型G可由下式给出uysuyQ-S(s)p(s)K(s)uy-M(s)

21、(26)S(s)P(s)V-1(s)uy0式中，S(s)=I+P(s)K(s)-1。uy要注意到，在这种情况下Y1,因为这表示最咼可承受的不确定性总是|aI1。否则，不确定性能够取值A=-1(传感器故障)并且闭s8s环系统将会变得不稳定。在另一种方法中，最佳Q(s丿可以通过公式(1)及(3)所提出的以下问题得到，并同时考虑图5中的结构装置。这仅适用于peRHnM-1eRH的情况。uy88定理1:假设PeRH和k(s)=V-1(s)U(s)是标称系统P(s)的稳定控制器，且uy8uyP(s)满足闭环系统性能要求，那么uyQ(s)=-U(s)M-1(s)(27)是从控制信号u中分离出故障信号f的最

22、优化方案。而且，如果Q(s)用于这种方法中，在检测到故障后，实施图5中的补偿方案，那么控制信号u将会限制干扰d，并且可得:图5.一般误差补偿设置.u(s)=I+K(s)P(s)-1K(s)P(s)d(s)+K(s)ref(s).(28)uydy证明:从图5中，可以看出，TOC o 1-5 h zu(s)=V-1(s)Q(s)N(s)u(s)+N(s)d(s)-My(s)+U(s)ref(s)-y(s)(29)d并且代入前面方程(3)和(10),简化后，可得。u(s)=V-1(s)-Q(s)(s)+U(s)P(s)f(s)U(s)P(s)u(s)P(s)d(s)+ref(s).(30)fyuyd

23、y因此，为了从控制信号u中分离出故障信号f,需要Q(s)M(s)+U(s)=0nQ=U(s)M-1(s).(31)并注意到，因为M-1GRH，则QGRH。最后，通过把Q（s丿代入式（30）中控制乂00信号u，变得式（28）。注2：在上面的定理证明中，至关重要的是如果干扰信息d没有被反馈到容错系统中，那么控制信号u就不能根据干扰调节其值。因此，所形成的闭环系统的动态跟踪性能将受到很大影响。但闭环系统的稳定性将总能得到保证，因为标称控制器内部能够使标称系统保持稳定23，并且干扰在系统中是附加的。注3：某些类型的故障比其他故障更容易检测，这是常见的，例如突发故障和初始故障11。在突发故障的情况下，检

24、测时间几乎是瞬间的，因为在残差信号中可以观察到一个大的波峰。另一方面，对于初始故障而言，在残差信号中检测它的存在是更困难的。因此，在发生故障后的检测中可能会产生延时或无法检测到。此外，在有限饱和控制的情况下，如果在故障检测过程中有很大的延时，系统就可能不能保持稳定，因为该系统可以进入在饱和非线性的一部分。这种延时被认为是影响标称控制器速度响应的因素，正如在模拟中所看到的。因此，如果控制器具有快速的动态响应，其容忍延迟就会减少。IV.案例研究:图直流电动机的速度调节为了说明上述FTC技术，其在直流电机调速系统的应用如下所述28。图6所示试验床装置，一个1-HP直流电机连接到一个3/4-HP永磁直

25、流电机。后者作为发电机，以便提供一个负载分流直流电机。在此装置中，负载转矩随角频率变化而变化。现行FTC算法被应用在dSpaceDS1103系统中，该系统运行在MATLAB/Simulink环境下。该算法运行在10kHz的采样频率下。在应用中，采用霍尔效应传感器测量电流，用50V/1000RPM5%的脉冲发生器测量角速度。模型描述直流电机米用分离的他励装置。因此，外部（定子）电压v是固定值，而电枢（转vf子）电压v为了控制电机的角速度少是变量。所以，由定子电压所提供的电磁场保持不a变。两个参数的测量用于反馈用途：电枢电流i和角速度少。因此，直流电动机就被建a立为一个具有单输入（v）和双输出（i

26、和e）的系统模型。aaTOC o 1-5 h zdiRK1a=aibCD+v(32)dtLaLLadddt1TJlaaaKbia式中，直流电动机的参数可通过系统的实验过程获得28，如表格I所示。在电机描述中，负载转矩Tl表示该系统的干扰，但这个变量无法实时测量。表格I直流电动机参数Ra=3.72QArmatureResistanceLa7.83mHAnnatureInductanceB=2.59xNm/rad/sFrictionCoellicientJ=2.72x1.0-3翊ntInertiaKb=0.31V/rad/sElectromagneticConstantRf=S7.3QFieldR

27、esistanceLf=9.22HFieldInductance3。=1500rpmNominalVelocityVr=90VRatedAnnatureVoltagef表格II控卡1ma3丄ut刘执行器参i数ArmniureCurrentKa=2071ActuatorGaina=-6.66zerolocationb=5.43polelocation不过，在实验中，假定它为一个常数或变化非常缓慢。这样，它的稳定状态值就可以通过所测得的角速度和电枢电流由下式计算：T=KiBw(33)lba电枢电压v由工作在PWM系统下的直流斩波器控制(改变50kHz频率)，其中控制a参数为占空比。由于它具有快速响

28、应和线性动态特性，因此采用斩波器作为控制执行器。实验室里的执行器装置是这样设计的，它由电压信号ue0,5V所控制。由于与直流电机时间连续性相关的执行器具有快速动态性能，其控制信号u的饱和度并不限制系统的性能。控制执行器(直流斩波器)被模拟为一阶系统：(34)v(s)au(s)式中，模型参数(k，a，b)是运用代数确定理论通过实验获得的29,30。通a过6次不同条件下的实验，所获得的参数k,a和b的平均值列于表格II中。在所有的a数学模型中，一些参数的描述都存在某种不确定性，包括电机和执行器参数。因此，对TOC o 1-5 h z于参数R,l，J,K，a及b，通过参数不确定性描述可以把它们联系起

29、来:aaaR=R(1+0.78)aaRL=L(1+0.28)aaL(35)J=J(1+0.18)JAK=K(1+0.0158)aaKAa=a(1+0.098)ab=b(1+0.238)b式中，“A”表示变量的实际值，且一1W8W1。因此，结构化的不确定性的描述，可i用于开环系统。这种不确定性的描述将被用来设计故障检测滤波器H(s)。容错方案的设计注意到，已知标称系统(32)和执行器(34)的参数，其开环系统是稳定的。其次，标称控制器K(s)是设计用来保证良好的逐步跟踪能力。为此，LQG控制器6被综合形成，其中综合作用追加到控制器以改善闭环系统跟踪和抑制干扰性能。对于采用结构化不确定性描述的系统

30、，公式(20)中所描述的最优化问题是被用于设计H(s)的。因此，根据图4所示框图，LFT被构造是用来描述采用u综合的鲁棒性能滤波器问题。DK迭代算法的运行所导致的21阶的滤波器通过平衡可减少到9阶。最后,由于标称系统是稳定的，那么就可以选用补偿控制器Q(s)=-U(s)M-1(s)了。实验的应用其次，图3中所示的集成FTC结构首先被MATLAB/Simulink应用于模拟系统中，及在dSPACE系统中得到验证。式(33)中的干扰估计T被用于把这个信息回馈到现行FTC方案中。这两种突发故障均作为传感器故障。案例1：角速度传感器在给定的时间完全断开系统。案例2：存在一个电枢电流i传感器故障。a失败

31、的案例由系统中的软件模拟，而不是直接在实验中进行。在这两种情形下，容错系统能够适当地补偿有缺陷的控制信号。关于脉冲发生器故障的实验结果如图7所示。注意到,当角速度偏离正常的情况时，无补偿的闭环系统变得不稳定。因此，产生故障后，控制器在测量中检测到角速度突然下降，并且由于其整体的效应，标称控制信号开始增长并寻找增加电枢电压，以补偿角速度。所以，如果没有补偿，由于速度传感器错误的信息，控制信号将保持持续增长。当标称控制器包含整体效应时，此种行为就会出现，正如在PI和PID调节器中，这是工业生产过程的共同选择。因此，为了避免在这些情况下，损坏电机或加工中出现事故，控制补偿器是必须的。用于这两种故障情

32、况下的参考角速度设定为1500RPM。(wdslQO一雷豈盏焉faulttriggering(36)onuo-rasuadEgenpsal图7.关于角速度误差的实验响应.这种情况说明补偿器能够重新配置控制装置以保持闭环系统的一些性能。不过，值得注意的是，参考值是不能采用的，这是由于负载转矩T（干扰）的估计值是实际值的近似值。因此，负载转矩的估计误差会影响整个系统的跟踪能力。所以，如果该信号可以直接测量获得，那么补偿将更加准确。这种情形可以在仿真中看到。现在，如图8所示，说明了一种故障情形（例1）产生之后的实验测试参考值的改变。该图表明，系统仍能够跟踪产生故障后的参考信号，但带有一定的误差。为了

33、进一步研究FTC方案的性能，实验中通过测试一种典型的故障来获得。因此，角速度误差在传感器增益中被模拟为一种典型的下降误差，具有以下特点,tt=on10.5(1ei5(sn),tt1&0J14001300120011001000.角速度误差和参考值变化的实验响应.sdMMoQajA竺guEresidue八图9.典型角速度误差的实验响应.式中，t是故障的作用时间，表示由传感器测得的角速度，表示实际值。系统响应on如图9所示。因此，虽然无补偿系统是不稳定的，带补偿系统仍能够恢复稳定，但参考跟踪性能却被恶化了。注4：与式(36)相比，一个较慢的初始故障类型也是在模拟中进行测试。因此，触发时间结束后，传

34、感器测量才开始慢慢衰减。对于这种类型的故障，其主要问题是故障检测，因为根据测量的衰减率，残差信号将花费或多或少地时间来克服检测阈值。然而虽然FTC算法也能补偿这种故障，但在检测过程中由于时间的延迟会存在一些性能的下降。对这种故障的应用只在模拟仿真系统中进行，因为在实际的实验床装置中会存在损害直流电机的风险。因此，其他决策算法，必须适用于有效提高检测故障集Y的大小，例如基于小波分析和模糊逻辑。V.结论本文介绍了一种综合的现行FTC方案。该方案依赖于进程的信息和潜在的不确定性。其GIMC控制结构作为该容错方案的反馈装置。综合程序利用鲁棒控制理论实施获得。由于进入系统的干扰影响补偿控制系统的性能，因

35、此，估计这一信息，并反馈到FTC装置以消除影响。直流电动机的调速系统被选定作为个案研究，并且在故障情形测试中，故障的检测及补偿实验结果都展示出了成功。不过，故障检测及决策方案限制了FTC机制的整体性能，在未来的工作中还需探索更先进的技术。总之，从本文所获得的结果，可观察到FTC领域在以下理论问题方面还具有挑战性：鲁棒干扰解偶；早期故障检测；延迟故障检测和补偿；具有特殊性能的故障补偿；而这些必须由先进的实践应用来解释。致谢作者在此感谢所有帮助过提高论文质量的匿名审稿人。参考资料：A.J.Alos,Stabilizationofaclassofplantswithpossiblelossofout

36、putsoractuatorfailures,IEEETrans.Automat.Contr.,vol.AC-28,pp.231233,1983.D.KimandY.Kim,Robustvariablestructurecontrollerdesignforfaulttolerantflightcontrol,J.Guid.ControlDyn,vol.23,no.3,pp.430-437,2000.J.StoustrupandV.D.Blondel,Faulttolerantcontrol:Asimultaneousstabilizationresults,IEEETrans.Autom.C

37、ontr.,vol.49,no.2,pp.305-310,Feb.2004.J.ChenandR.J.Patton,RobustModel-BasedFaultDiagnosisforDynamicSystems.Norwell,MA:Kluwer,1999.S.H.Huang,J.Lam,G.Yang,andS.Zhang,FaulttolerantdecentralizedHcontrolforsymmetriccompositesystems,IEEETrans.Autom.Contr.,vol.44,no.11,pp.2108-2114,Nov.1999.K.Zhou,J.C.Doyl

38、e,andK.Glover,RobustandOptimalControl.UpperSaddleRiver,NJ:Prentice-Hall,1996.M.Blanke,M.Kinnaert,J.Lunze,andM.Staroswiecki,DiagnosisandFault-TolerantControl.NewYork:Springer-Verlag,2003.H.Noura,D.Sauter,F.Hamelin,andD.Theilliol,Fault-tolerantcontrolindynamicsystems:Applicationtoawindingmachine,IEEEC

39、ontr.Syst.Mag.,vol.20,no.1,pp.33-49,Jan.2000.P.Zhang,S.X.Ding,G.Z.Wang,T.Jeinsch,andD.H.Zhou,Applicationofrobustobserver-basedFDIsystemstofaulttolerantcontrol,in15thTrinennialWorldCongressofIFAC,Barcelona,Spain,Jun.2002.L.H.Chiang,E.L.Russell,andR.D.Braatz,FaultDetectionandDiagnosisinIndustrialSyste

40、ms.NewYork:Springer-Verlag,2001.R.Isermann,Supervision,fault-detectionandfault-diagnosismethodsAnintroduction,Contr.Eng.Practice,vol.5,no.5,pp.639-652,1997.L.C.Shen,S.K.Chang,andP.Hsu,Robustfaultdetectionandisolationwithunstructureduncertaintyusingeigenstructureassignment,J.Guid.,Contr.,Dyn.,vol.21,

41、no.1,pp.50-57,1998.E.G.CollinsandT.Song,RobustHestimationandfaultdetectionofuncertaindynamicsystems,J.Guid.Contr.Dyn.,vol.23,no.5,pp.857-864,2000.ZQiuandJ.Gertler,RobustFDIsystemsandHwoptimization,inProc.IEEEConf.DecisionControl,SanAntonio,TX,Dec.1993,pp.1710-1715.D.SauterandF.Hamelin,Frequency-doma

42、inoptimizationforrobustfaultdetectionandisolationindynamicsystems,IEEETrans.Autom.Contr.,vol.44,no.4,pp.878-882,Apr.1999.X.Ding,L.Guo,andT.Jeinsch,Acharacterizationofparityspaceanditsapplicationtorobustfaultdetection,IEEETrans.Autom.Contr.,vol.44,no.2,pp.337-343,Feb.1999.S.X.Ding,P.M.Frank,andE.L.Di

43、ng,Observer-basedfaultdetectionschemesforlinearuncertainsystems,in15thTrinennialWorldCongressofIFAC,Barcelona,Spain,Jun.2002.C.D.PersisandA.Isidori,Ageometricapproachtononlinearfaultdetectionandisolation,IEEETrans.Autom.Contr.,vol.46,no.6,pp.853-865,Jun.2001.H.Hammouri,M.Kinnaert,andE.H.E.Yaagoubi,Observer-basedapproachtofaultdetectionandisolationfornonlinearsystems,IEEETrans.Autom.Contr.,vol.44,no.10,pp.1879-1884,Oct.1999.S.Altug,M.Y.Chow,andH.J.Trussell,Fuzzyinferencesystemsimplementedonneuralarchitecturesformotorfaultdetectionanddiagnosis,IEEETrans.Ind.Elect