1.一种基于遗忘因子的任意初态下的迭代学习故障估计方法,其特征在于,所述基于遗忘因子的任意初态下的迭代学习故障估计方法包括:第一步,对重复系统进行建模,并对初值状态的变化进行分析,进而得出完整的系统描述方程;
第二步,建立状态观测器,对系统的运行状态进行重构;
第三步,采用滑动窗口和遗忘因子,考虑初值状态的随机变化,设计出故障估计律;
第四步,收敛性求解,采用稳定性理论和凸优化分析相结合,建立优化方程,并通过范数优化和算子理论进行求解。
2.如权利要求1所述的基于遗忘因子的任意初态下的迭代学习故障估计方法,其特征在于,所述基于遗忘因子的任意初态下的迭代学习故障估计方法的系统,系统在有限的时间釆样区间[0,1,2,…,N]上重复运行,可重复的动态系统为:其中,k=0,1,2,…,N为重复运行次数;xk(t)、uk(t)和yk(t)分别为第k次重复操作或迭代时系统的状态向量、输入向量和输出向量;g1(·)和g2(·)为重复过程的动态描述。
3.如权利要求2所述的基于遗忘因子的任意初态下的迭代学习故障估计方法,其特征在于,系统动态方程初值的任意性,自t=0时刻起,系统开始从某一初始点来进行重复运行;此初始点可以看作系统的初始状态xk(0);
而在实际运行过程中,系统的迭代初态是不固定的,并带有随机性;系统初态为满足:||xk(0)-xd(0)||≤Ω,xk(0)是随机的,xd(0)是理想的系统运行初值。
4.如权利要求1所述的基于遗忘因子的任意初态下的迭代学习故障估计方法,其特征在于,所述基于遗忘因子的任意初态下的迭代学习故障估计方法的采用基于遗忘因子的故障估计方法,对系统初值变化信息进行准确跟踪的同时实现故障信号的重构;
(1)根据系统故障模型,建立状态观测器如下:
其中 和 分别为第k次重复操作或迭代时系统的状态估计向量、输出估计向量和故障估计值,yd(t)为理想的输出值,L为观测器增益矩阵;
定义系统状态误差ek(t)和故障跟踪误差rk(t):
(2)建立基于遗忘因子的迭代学习故障估计滑动窗口模型:其中,α,β分别为时间轴和迭代轴上的遗忘因子,γ(t,k)为滑动窗口函数;
状态初值同时进行迭代学习,其迭代学习律为:
(3)对系统状态估计和故障估计目标,利用凸分析理论中的凸组合概念,建立如下的性能指标函数:J=∫||rk(t)||2+||ek(t)||2dt;
通过算子理论和范数优化理论,求解出故障估计方法的谱半径形式收敛条件。
5.一种应用权利要求1~4任意一项所述基于遗忘因子的任意初态下的迭代学习故障估计方法的故障诊断系统。
6.一种应用权利要求1~4任意一项所述基于遗忘因子的任意初态下的迭代学习故障估计方法的故障估计系统。
7.一种应用权利要求1~4任意一项所述基于遗忘因子的任意初态下的迭代学习故障估计方法的信息数据处理终端。