项目名称: 传感器故障下的数据驱动容错控制技术及其应用

项目编号: No.61503156

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 许德智

作者单位: 江南大学

项目金额: 21万元

中文摘要: 基于数据驱动的控制是一种无需对象机理解析数学模型的控制技术,在工业领域具有广阔的应用前景。而容错控制作为保障系统运行安全的重要一环,在数据驱动控制系统设计过程中必须加以考虑。本项目针对难以获得机理数学模型的复杂非线性不确定系统,研究针对传感器故障情况下的数据驱动控制设计方法。本研究的显著特点是:1)在申请人前期研究的基础上,进一步改进和完善基于观测器技术的数据驱动控制技术,确保复杂非线性系统故障下的闭环系统稳定。2)利用离线和在线数据,建立基于数据驱动的快速故障诊断算法理论。3)建立基于混合模型(数据驱动模型和解析模型)的故障诊断理论,解决复杂数据驱动控制系统安全可靠运行的问题。研究成果将直接用于工业过程控制系统,为数据驱动容错控制过程的运行提供必需的基础理论依据和关键技术保证。

中文关键词: 鲁棒容错控制;故障调节;数据驱动控制;传感器故障

英文摘要: Data-driven control technology has broad application prospects in the industrial field, which without needing mechanism parse mathematical model of plants. Fault tolerance control is an important part as a guarantee the safe operation of the system, which must be taken into account in the design process of control system. In the project, new data-driven control design methods are proposed under sensor failures for complex uncertain nonlinear systems which are difficult to obtain mathematical models. Notable features of this study are: 1) On the basis of preliminary studies of the applicant, To further improve and perfect the observer-based data driven control technology, and ensure the stability of the closed-loop system with faults for the complex nonlinear system. 2) Using offline and online data, a data driven fast fault diagnosis algorithm is proposed . 3) Proposed based on the hybrid model (data driven model and the analytical model) fault diagnosis theory, solved safe and reliable operation problems of the complex data driven control system.The research results will be directly used for complex industrial control processes, and the proposed methods will provide the necessary theoretical basis and key technical assurance to run complex control process.

英文关键词: Robust fault-tolerant control;Fault accommodation;Data-driven control;Sensor failure

成为VIP会员查看完整内容
3

相关内容

数字孪生模型构建理论及应用
专知会员服务
222+阅读 · 2022年4月19日
数据中心传感器技术应用 白皮书
专知会员服务
41+阅读 · 2021年11月13日
专知会员服务
32+阅读 · 2021年9月14日
数字化转型白皮书:数智技术驱动智能制造,42页pdf
专知会员服务
174+阅读 · 2021年7月8日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
34+阅读 · 2020年11月26日
工业人工智能的关键技术及其在预测性维护中的应用现状
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
一纵一横,搭建完整数据分析体系
人人都是产品经理
0+阅读 · 2022年1月30日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
62+阅读 · 2020年7月12日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
43+阅读 · 2018年9月28日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Table Enrichment System for Machine Learning
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月16日
Arxiv
46+阅读 · 2021年10月4日
Arxiv
31+阅读 · 2020年9月21日
Advances and Open Problems in Federated Learning
Arxiv
18+阅读 · 2019年12月10日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关VIP内容
数字孪生模型构建理论及应用
专知会员服务
222+阅读 · 2022年4月19日
数据中心传感器技术应用 白皮书
专知会员服务
41+阅读 · 2021年11月13日
专知会员服务
32+阅读 · 2021年9月14日
数字化转型白皮书:数智技术驱动智能制造,42页pdf
专知会员服务
174+阅读 · 2021年7月8日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
34+阅读 · 2020年11月26日
工业人工智能的关键技术及其在预测性维护中的应用现状
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
一纵一横,搭建完整数据分析体系
人人都是产品经理
0+阅读 · 2022年1月30日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
62+阅读 · 2020年7月12日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
43+阅读 · 2018年9月28日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Table Enrichment System for Machine Learning
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月16日
Arxiv
46+阅读 · 2021年10月4日
Arxiv
31+阅读 · 2020年9月21日
Advances and Open Problems in Federated Learning
Arxiv
18+阅读 · 2019年12月10日
Arxiv
10+阅读 · 2018年2月17日
微信扫码咨询专知VIP会员