調 整，同時又能避免引入的A(k+1)對P(k+l|k+l)正定性的破壞，導致算法不穩定的問題，本發 明提出一種改進的強跟蹤濾波方法。設+ 沿：_+_1|幻v(/c_fi) = A，p(k+i|k+ 1)可以寫為：
[0073]
[0074] 為了保留原有強跟蹤濾波算法對協方差矩陣P(k+l|k+l)和增益矩陣K(k+1)的實 時調整，同時A(k+1)又不影響P(k+l|k+l)的對稱性，首先，利用方根濾波的思想，矩陣Δ可 分解為：
[0075]
[0076] .
[0077] 而后，為了保證在每一步的迭代過程中誤差協方差矩陣P(k+1 |k+l)都能是正定對 稱的，修改更新誤差協方差矩陣為：
[0078]
[0079] 這樣，改進的強跟蹤濾波算法在每一步的迭代過程中，時變次優漸消因子A(k+1) 通過適當的作用方式修正誤差協方差矩陣P(k+1 | k+1)，當系統突變時，通過時變次優漸消 因子A(k+1)增大當前觀測值在強跟蹤濾波算法迭代過程的作用，同時使更新的誤差協方差 矩陣P(k+Ι | k+1)始終能保持對稱正定性，增強了算法穩定性。
【具體實施方式】 [0080] 八:下面結合圖1說明本實施方式，本實施方式給出一個具體的實施 例：
[0081] 執行步驟一:設計串并聯機床動力學模型模塊。
[0082] x(k+l) =A(k,x(k)) · x(k)+Bu(k) (1)
[0083] 其中，狀態向量x(k)、輸入向量u(k)、輸出向量y(k)和系數矩陣為：
[0084] x(k) = [Id(k) Iq(k) ω (k) 9(k) TL(k) u(k)]T，
[0085] u(k) = [Ud(k) Uq(k)]，y(k) = [Id(k) Iq(k)]，
[0086]
[0087]
[0088]
[0089]
[0090] 觀測方程可以寫成：
[0091] y(k+l)=Cx(k+l) (2) ? ο ο 0 ο ο"
[0092] 其中，C = Ο 1 Ο Ο Ο Ο
[0093] 本具體實施例中模型參數取值為繞組電阻Ι? = 2.8750 Ω，定子電感Ls = 8.5mH，轉 子永磁磁鏈Φ = 〇. 175Wb，轉子轉動慣量J = 0.8X 10-3kg · m2,極對數p = 4,摩擦轉矩系數μ = 0.0009 ο
[0094] 執行步驟二:設計殘差觀測器模塊。殘差觀測器模塊的設計過程為：
[0095] 考慮一類帶有未知干擾項的非線性方程：
[0096]
(3)
[0097]其中，d(k)為未知干擾項。[0098] 殘差為：
[0100] 為了消除殘差方程y(k+l)中的干擾項d(k)，由方程(1)可知：[0101]
[0099] (4)
(5)
[0102] ：
(6)
[0103]
[0104] = (I-C) A，F2 = (I-C)B，這樣殘差觀測器方程為：
[0105]
(7)
[0106] 本具體實施例中的參數取值與步驟二相同。
[0107] 執行步驟三:設計改進的強跟蹤濾波模塊。設計過程為：
[0108] 1)求出狀態變量的一步預報值:
[0109]
[0110] 2)求出增益矩陣：
[0111]
[0112] 3)求出預報誤差協方差矩陣：
[0113]
[0114] 4)更新誤差協方差矩陣：
[0117] 5)計算時變漸消因子A(k+1)
[0115]
[0116]
[0118]
[0119] I由_r」為頇生確定的常數，λ〇由下式得到：
[0120]
[0121]
[0122]式中，1為一個給定的弱化因子·
[0123]
[0124]
[0125] 式中，0<ρ<1為遺忘因子·
[0126] 6)求出狀態變量的估計值：
[0127]
[0128] 本具體實施例中測量噪聲協方差初值為R〇=l(T4I(6);誤差協方差初值為
[0129] ?(〇|〇) = 1〇_61(6).且系統狀態服從以〇，1)分布，取遺忘因子0 = 〇.95，弱化因子0 =4.5。執行步驟四：設計故障預測模塊。邏輯規則為：
[0130]
[0131] 其中，Γ 2為系統無故障時的殘差協方差。
[0132] 按照如下的邏輯規則預測故障： J⑷…故障
[0133] J ， …正常
[0134] 其中，Afault為滿足一定概率分布的閥值，本具體實施例中取Afault=11.598。
[0135] 利用本具體實施實例進行故障預測。殘差故障預測結果如圖2所示，使用本預測方 法中改進的強跟蹤濾波預測的殘差和普通沒有用改進的強跟蹤濾波的殘差對比結果如圖3 所示。
[0136] 以上仿真結果說明了基于殘差觀測器與改進的強跟蹤濾波的故障預測診斷方法 的有效性(更多的仿真結果不一一列出）。對于3PTT-2R串并聯機床伺服控制系統，該方法能 夠準確估計殘差，快速地進行故障預測，顯著提高預測精度。
【主權項】
1. 一種基于殘差觀測器的3PTT-2R串并聯數控機床伺服系統故障預測裝置，其特征在 于，針對3PTT-2R串并聯數控機床伺服系統進行故障預測的裝置包括3PTT-2R串并聯數控機 床動力學模型模塊（1)、殘差觀測器模塊(2)、改進的強跟蹤濾波模塊(3)和故障預測模塊 (4); 3PTT-2R串并聯數控機床動力學模模塊（1)根據控制器輸出的轉速等狀態信號構建串 并聯數控機床動力學模型，并根據動力學模型將速度、位移等信號進行工作輸出，殘差觀測 器模塊(2)同時接收串并聯機床動力學模型輸出的實際轉速等狀態信號和控制器輸出的轉 速等狀態信號，殘差觀測器模塊(2)輸出串并聯機床轉速等狀態變量的殘差給改進的強跟 蹤濾波模塊(3)，經改進的強跟蹤濾波模塊(3)濾波處理后的殘差信號輸出給故障預測模塊 (4)，殘差經過故障預測模塊(4)處理后輸出故障結果。2. 根據權利要求1所述的一種基于殘差觀測器的3PTT-2R串并聯數控機床伺服系統故 障診斷裝置，其特征在于，串并聯數控機床動力學模型模塊（1)構建的3PTT-2R串并聯數控 機床動力學模型為： x(k+l)=A(k，x(k)) -XAHBuA) 其中，狀態向量X化)、輸入向量U化)、輸出向量y化)和系數矩陣為：觀測方程可W寫成： y(k+l)二Cx(k+1) 「1 0 0 0 0 0- 其中，C- 0 1 O 0 0 ()_。3. 根據權利要求2所述的一種基于殘差觀測器的3PTT-2R串并聯數控機床伺服系統故 障診斷裝置，其特征在于，殘差觀測器模塊(2)建立的殘差觀測器方為：其中，Z(/f) = x(A + l|句-_F(句為殘差矩陣，且Fi= Q-CMiF2=Q-OBd4. 根據權利要求2所述的一種基于殘差觀測器的3PTT-2R串并聯數控機床伺服系統故 障診斷裝置，其特征在于，改進的強跟蹤濾波模塊(3)包括： 1) 求出狀態變量的一步預報值4& + 1|克）； 言(點 + 11皮)二 /('M (足)，"(足)，.1'批)') 2) 求出增益矩陣： if (克'+1) = P(足' + 1 |A-j //' (A' +1，f-叫A')) x(//(足 + l，i(占'+ 半)/>〇 + 半-)/-/?'巧 + l，i(占'+11足)+ /?(哀)）1 3) 求出預報誤差協方差矩陣： PQc f 11^( = )\k + \)F{k,u{k),i{k\k))P{k\k)F' {k,it{k),z{k\k)) + Q{k) 4) 更新誤差協方差矩陣： P (A; + i |足 + ^ = A ? "(A )，i(A |A')) P(A; /'斯!'(A )，i(A |足 W. A 其中，林-足(& + ：[)巧妒+ l，i(是'+11巧林快+1) = A， K二很，拓，…，瓜 5) 計算時變漸消因子A化+1)其中，Cl為預先確定的常數，Ao由下式得到：十 I) = 4 1)- //(/(4-Kf(/(4-中0)巧A')Z/' (/'. 4 1，SU' 十 11/〇)-p/?a'） 式中，e含1為一個給定的弱化因子.式中，0<P< 1為遺忘因子. 6) 求出狀態變量的估計值： 基(t +11走 +1)二 f (/t + Iji) + 度(走 + 巧y (喪 +1)。5. 根據權利要求2所述的一種基于殘差觀測器的3PTT-2R串并聯數控機床伺服系統故 障診斷裝置，其特征在于，故障預測模塊(4)的預測模型為：其中，T2為系統無故障時的殘差協方差。6. 根據權利要求1所述的一種基于殘差觀測器的3PTT-2R串并聯數控機床伺服系統故 障預測裝置的故障預測方法，其特征在于，該方法包括W下步驟： 步驟一，根據控制器的輸出的狀態信號，3PTT-2R串并聯數控機床動力學模型模塊（1) 將機床的速度、位移等信號輸出； 步驟二，根據殘差觀測器模塊(2)構造串并聯機床轉速等狀態變量的殘差信號； 步驟=，根據改進的強跟蹤濾波模塊(3)將殘差信號濾波； 步驟四，根據濾波后的殘差信號，由故障預測模塊(4)預測故障并預報。7. 根據權利要求6所述的一種基于殘差觀測器的3PTT-2R串并聯數控機床伺服系統故 障預測方法，其特征在于，步驟=殘差信號濾波過程中的更新誤差協方差矩陣為： 其中8. 根據權利要求6所述的一種基于殘差觀測器的3PTT-2R串并聯數控機床伺服系統故 障預測方法，其特征在于，步驟四中的故障預測模塊(4)按照如下邏輯預測： …故障 >W<A柳,…正常 其中，A fault為滿足一定概率分布的閥值。
【專利摘要】本發明提供一種基于殘差觀測器的PTT-2R串并聯數控機床伺服系統故障預測裝置及方法，屬于機床故障信號檢測領域。本發明不再單純利用預測狀態進行故障預測，而是將觀測器的輸出值與系統輸出值對比,？產生殘差信號,？通過分析殘差信號來反映系統期望行為與運行模式之間的不一致，實現隱含故障的預測，取得了較為滿意的效果。
【IPC分類】G05B19/4063
【公開號】CN105652795
【申請號】
【發明人】姚禹, 張邦成, 柳虹亮, 姜大偉, 朱雁鵬, 費樹明, 高智, 蔡赟, 陳立巖, 武雪, 閆子奇
【申請人】長春工業大學
【公開日】2016年6月8日
【申請日】2016年1月22日