文献类型：期刊文章

作　　者：陈政权[1] 韩路[2] 侯彦东[1,3]

CHEN Zheng-quan;HAN Lu;HOU Yan-dong(School of Computer and Information Engineering,Henan University,Kaifeng Henan 475004,China;Miami College of Henan University,Kaifeng Henan 475004,China;Henan Key Laboratory of Big Data Analysis and Processing,Henan University,Kaifeng Henan 475004,China)

机构地区：[1]河南大学计算机与信息工程学院,河南开封475004 [2]河南大学迈阿密学院,河南开封475004 [3]河南大学河南省大数据分析与处理重点实验室,河南开封475004

出　　处：《控制理论与应用》

基　　金：国家自然科学基金项目(61374134);河南省自然科学基金项目(162300410030)资助。

年　　份：2020

卷　　号：37

期　　号：4

起止页码：837-846

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、MR、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对迭代学习算法在非线性系统故障检测与估计过程中存在估计误差较大和收敛速度较慢等不足的问题,提出了一种基于龙格–库塔故障估计观测器模型的自适应迭代学习算法,有效降低了故障估计误差;并引入H∞性能指标,提高了故障估计观测器的收敛速度.该算法首先设计故障检测观测器对故障进行检测,然后设计故障估计观测器,并将自适应算法与迭代学习策略相结合,使得估计故障逐渐逼近真实故障,从而实现对非线性系统中多种常见故障的精确检测与估计.最后,通过机械臂旋转关节驱动电机的执行器故障仿真验证了所提算法的有效性.

关 键 词：迭代学习 故障估计 故障检测 自适应 龙格-库塔  

分 类 号：TP241]