基于分布式多设备不确定网络系统的故障检测与隔离的空间几何方法

Distributed multi-vehicles uncertainty network system is composed of multi-vehicles by wireless sensor network connecting, and can accomplish complex tasks automatically by cooperative control, which is far beyond the ability of individual vehicle. Due to the system works under high load in hostile environment for a long time, system faults should be often induced by some components failure. In addition, timely and effective fault detection and isolation of the system using existing methods is very difficult because of existing some uncertainty. Therefore, distributed multi-vehicles uncertain network is taken as the object in this project. Taking unobservability subspace of space geometric theory as the main part, combining with other related theories, a new method of fault detection and isolation is established, hoping to improve the speed and accuracy of system fault detection and isolation, enhance the stability and reliability of the system, reduce the occurrence of the system accident greatly. Such as the design method of residual classifier with correlated noise or the network transmission under the uncertainty, model parameters uncertainty and the decoupling of fault features, the effective extraction and sorting technique of the hybrid jump existing in system state; acquiring some creative achievements; laying a solid foundation in reality for the promotion and application of this method, making preparations for key techniques and experimental verification.

多设备通过无线传感器网络连接构成分布式多设备不确定网路系统，通过自主协同控制自动完成个体设备无法企及的复杂任务。由于系统长期高负荷运行于环境恶劣，使得常因部分元件失效而引发系统故障；加之，运行中存在若干不确定性，使得利用现有方法对这类系统的故障进行及时有效检测与隔离就变得十分困难。为此，本项目拟以分布式多设备不确定网路系统为对象；以空间几何理论的不可观测子空间为主，并结合其它相关理论，拟建立一套故障检测与隔离的新方法，以期提高系统故障检测与隔离的速度与精度，增强系统的稳定性和可靠性，大大减少系统灾难性事故的发生；并重点解决所遇到若干关键科学问题，如：噪声相关或网络传输存在多种不确定情况下的残差分类器设计、模型参数不确定与故障特征之间的解耦和系统状态呈现混杂跳变时故障特征的有效提取及分类方法等问题；取得一些创新性成果；为该方法在实际中的推广应用打下坚实的基础和关键技术的准备与实验验证工作。

项目针对分布式多设备不确定网络系统中传感器存在测量误差或系统模型存在建模误差、网络传输存在不确定性、模型中存在参数不确定、系统状态呈现混杂跳变等情况，开展故障检测与隔离问题的研究，取得如下重要结果：1、量测干扰下过驱动系统的故障检测与隔离的空间几何方法，不仅实现了对伴有量测干扰的单故障的检测和隔离，并对伴有量测干扰的多故障实现了检测和隔离；2、欠量测系统传感器故障诊断新方法，解决了系统输出矩阵非满秩，不能直接将传感器故障转换到系统方程中进行处理的难题；3、小样本下基于特征子空间估计的故障诊断算法，解决PCA因样本数目少而无法得到稳健协方差矩阵的难题；4、时滞系统中传感器故障检测和隔离的新方法，解决了具有不确定干扰的时滞系统中的传感器故障问题；5、马尔可夫跳变系统传感器故障检测与隔离的新方法，解决了具有不确定干扰的马尔可夫跳跃系统传感器故障诊断问题；6、伴有干扰和噪声情况下的执行器故障检测和隔离新方法，解决了干扰和噪声同时存在的情况下的故障诊断问题；7、一种新的智能车系统故障检测与隔离方法，解决了分布式网络系统中模型存在参数不确定情况下的故障检测与隔离问题；8、车队传感器故障检测与隔离新方法，解决了分布式网络系统中网络传输存在不确定性情况下的故障检测与隔离问题；9、分布式网络环境下系统跳变执行器故障诊断新方法，解决了系统状态呈现混杂跳变时的故障检测与隔离问题；10、联合系统中执行器故障检测与隔离的新方法，初步探讨了多个系统组成的联合系统故障检测与隔离问题；11、基于智能协同策略的TLB-VTL算法，提出基于虚拟交通灯的三级缓冲策略，和传统的交通灯算法比较，该算法可以提高公平达331%，减少延时达88%，提高解决路口交通拥堵能力达12%。上述重要研究结果，为分布式多设备不确定网络系统故障检测与隔离问题提供了理论支撑，并解决了系统实际存在的部分难题，具有一定的科学意义和应用前景。