2021中国自动化大会Workshop“基于动态学习的非线性振动系统故障诊断及容错控制”成功召开

日期:2021-10-20 18:04

20211020日,为庆祝成立六十周年,中国自动化大会Workshop“基于动态学习的非线性振动系统故障诊断及容错控制” 采用线上腾讯会议的方式成功召开。

 

本次Workshop由主办,山东大学协办。本论坛主要面向基于动态学习的非线性振动系统故障诊断及容错控制的若干关键问题,结合大数据时代下工程领域发展的重大需求,分享动态学习技术在非线性振动系统故障诊断及容错控制等领域的最新研究成果,并集思广益,博采众长,更好地推动该领域科研的开展。

 

会议主席由山东大学教授王聪担任会议邀请了广东工业大学李鸿一教授、南京航空航天大学张柯教授、山东大学陈填锐研究员、东北大学李霄剑教授、哈尔滨工业大学罗浩教授、中南大学陈志文教授、山东大学张付凯、吴伟明博士后等几位专家学者,分享他们在多智能体、旋转机械、化工过程等故障诊断领域的最新研究成果。

 

广东工业大学李鸿一教授作题为 “具有执行器故障的多智能体系统人在回路控制”的报告。报告回顾了多智能体系统一致性、群集、编队等几个基本控制问题的研究进展,研究了复杂工况下基于人在回路的多智能体系统自适应容错控制问题,同时探讨了实际环境下多智能体系统领域面临的挑战性问题。



南京航空航天大学张柯教授作题为“多智能体系统的故障诊断和容错控制”的报告。报告指出了,多智能体系统是一类复杂的控制系统,每个智能体出现的故障不仅影响自身的控制性能,而且也会在整个系统中进行传播,致使控制性能下降乃至不稳定。因此,有必要针对多智能体系统开展故障诊断和容错控制研究,以提升其可靠性和安全性。报告首先介绍了多智能体分布式故障诊断,利用多智能体之间的交互信息提出了分布式故障诊断设计,检测并估计每个智能体中出现的故障,同时考虑了在切换通信拓扑下的故障诊断。进而分别给出了协同的主动容错控制和被动容错控制,实现了多智能体系统在故障下仍然能够保持期望的编队队形。



山东大学陈填锐研究员做微小故障诊断及其在轴流压气机旋转失速诊断中的应用”的报告。报告首先回顾微小故障诊断的研究现状,接着介绍基于学习的方法在微小故障建模及诊断过程中所面临的问题,然后介绍基于确定学习的微小故障诊断方法的特点,最后介绍该方法在轴流压气机旋转失速早期预警中的应用。



东北大学李霄剑教授作题为数据驱动的动态系统故障诊断与控制”的报告。报告针对系统参数完全未知的离散系统,探讨数据驱动的故障诊断与控制器设计问题。报告介绍两种方法。第一种方法基于Q-Learning技术提出,对比现有结果,所形成的两步优化算法可以同时提升系统诊断性能和控制性能。此外,报告第二部分介绍了控制器设计的参数化方法,该方法在数据驱动框架内建立了求解单目标H∞控制问题的充分必要条件,在降低计算负担的同时进一步提高了系统性能。



哈尔滨工业大学罗浩教授作题“基于信号空间投影的闭环自动控制系统鲁棒故障监测方法”的报告。报告针对含有未知周期扰动的工业自动控制系统提出了一种鲁棒的子空间故障监测方法。该方法的新颖性依赖于对自动控制系统稳定核描述的闭环数据驱动实现。为了确保准确和鲁棒的闭环辨识,该方法首先对闭环测量数据和未知扰动之间的映射进行了分析,并确定了与未知扰动分离的自动控制系统核空间,然后提出了一种鲁棒的数据驱动故障监测方法,该方法依据对与扰动解耦的残差信号的评估进而实现精确的故障监测。



中南大学陈志文教授作题“Canonical correlation analysis-based fault diagnosis methods for dynamic processes”的报告。报告提出了两种基于CCA的改进方法,即动态CCA方法和基于门控循环单元(GRU)的CCA方法,以解决动态过程的故障诊断问题。在两个工业基准数据集上的实验结果表明,这两种方法具有更好的故障诊断性能。




山东大学张付凯博士后作题基于模式的非线性系统容错控制”的报告。报告结合动态环境机器学习新方法-确定学习或者动态学习,将系统的故障动态视为不同的模式,对不同模式进行准确建模,并利用建模知识实现对系统故障的快速识别和高性能控制。



山东大学吴伟明博士后作题“基于采样数据的动态学习及模式识别研究”的报告。报告介绍了动态环境机器学习等当代人工智能的前沿问题,并从系统与控制角度,介绍从时间序列(采样数据序列)中准确学习动态物理过程的内在动力学的关键技术,然后把动力学知识用于动态模式识别、智能控制等任务中。



最后,论坛主席王聪教授对本次论坛进行了总结,并对参与本次论坛的讲座嘉宾和同学的大力支持表示感谢。会议的成功召开为进一步非线性系统振动故障诊断技术的发展指明了若干重要方向,具有积极的指导意义。



Baidu
map