-
公开(公告)号：CN108398637B
公开(公告)日：2020-04-21
申请号：CN201810083967.9
申请日：2018-01-29
Applicant: 合肥工业大学
IPC: G01R31/34
Abstract: 本发明涉及一种非线性机电系统的故障诊断方法，特别涉及一种非线性机电系统的故障诊断方法。本发明首先对非线性机电系统建模，得到非线性机电系统的键合图模型，再依次得到解析冗余关系、故障特征矩阵，分析非线性机电系统故障的可检测性和可隔离性，得出非线性机电系统可能发生故障的集合，最后通过粒子滤波方法对非线性机电系统可能发生故障的集合和非线性机电系统的状态变量进行联合参数估计，然后将粒子分布的样本均值作为参数估计值和模型的标称值对比，确定非线性机电系统的故障。本发明能够通过故障辨识将故障参数精确到小范围区间内，能够及时、准确地诊断并隔离出故障源。
-
公开(公告)号：CN108398637A
公开(公告)日：2018-08-14
申请号：CN201810083967.9
申请日：2018-01-29
Applicant: 合肥工业大学
IPC: G01R31/34
Abstract: 本发明涉及一种非线性机电系统的故障诊断方法，特别涉及一种非线性机电系统的故障诊断方法。本发明首先对非线性机电系统建模，得到非线性机电系统的键合图模型，再依次得到解析冗余关系、故障特征矩阵，分析非线性机电系统故障的可检测性和可隔离性，得出非线性机电系统可能发生故障的集合，最后通过粒子滤波方法对非线性机电系统可能发生故障的集合和非线性机电系统的状态变量进行联合参数估计，然后将粒子分布的样本均值作为参数估计值和模型的标称值对比，确定非线性机电系统的故障。本发明能够通过故障辨识将故障参数精确到小范围区间内，能够及时、准确地诊断并隔离出故障源。
-
公开(公告)号：CN108437798B
公开(公告)日：2020-04-21
申请号：CN201810083969.8
申请日：2018-01-29
Applicant: 合肥工业大学
Abstract: 本发明涉及一种电动代步车故障诊断方法，特别涉及一种基于键合图模型的电动代步车故障诊断和估计方法。本发明首先对电动代步车建模，得到电动代步车的键合图模型，根据电动代步车的键合图模型解析出冗余关系，根据解析冗余关系生成残差，得到故障特征矩阵，改变电动代步车的键合图模型的参数值的大小，判断残差的大小是否超出了设定阈值，如果超出设定阈值，则电动代步车系统发生故障，将相干向量和故障特征矩阵对比得到可能的故障集合，利用无迹卡尔曼滤波方法对故障集合中的元素与系统原状态变量进行联合估计，得出电动代步车系统的实际故障。本发明能够通过故障辨识将故障参数精确到具体的数值，能够及时、准确地诊断并隔离出故障源。
-
公开(公告)号：CN108437798A
公开(公告)日：2018-08-24
申请号：CN201810083969.8
申请日：2018-01-29
Applicant: 合肥工业大学
Abstract: 本发明涉及一种电动代步车故障诊断方法，特别涉及一种基于键合图模型的电动代步车故障诊断和估计方法。本发明首先对电动代步车建模，得到电动代步车的键合图模型，根据电动代步车的键合图模型解析出冗余关系，根据解析冗余关系生成残差，得到故障特征矩阵，改变电动代步车的键合图模型的参数值的大小，判断残差的大小是否超出了设定阈值，如果超出设定阈值，则电动代步车系统发生故障，将相干向量和故障特征矩阵对比得到可能的故障集合，利用无迹卡尔曼滤波方法对故障集合中的元素与系统原状态变量进行联合估计，得出电动代步车系统的实际故障。本发明能够通过故障辨识将故障参数精确到具体的数值，能够及时、准确地诊断并隔离出故障源。
-
-
-
Search Results
4
records
(took 0.022 seconds)
