2011年非高斯随机系统故障诊断新方法：熵优化与容错控制

本文主要探讨了2011年发表的一篇关于熵在随机系统故障诊断和容错控制中的应用的论文。作者王爱平和王宏分别来自安徽大学计算机科学与技术学院和东北大学流程工业自动化国家重点实验室。长期以来，随机动态系统的故障诊断和容错控制是控制理论和工程应用中的核心课题，其目标是设计出高效的故障检测方法，使得残余信号的方差达到最小，这通常适用于残差信号服从高斯分布或具有对称概率密度函数的情况。 然而，对于非高斯型残差，仅仅依赖于残差信号的方差来衡量不确定性是不充分的。论文提出了一种创新的方法，即通过优化故障诊断过程中的残差信号熵以及故障状态下闭环控制系统跟踪误差的熵，来处理这种非高斯情况。熵被引入作为度量不确定性和复杂性的工具，因为它能够更好地反映残差信号的复杂性，从而提供更全面的故障诊断评估。 熵的概念在此被用来增强故障诊断的鲁棒性，使得系统能够识别并适应各种类型的故障，包括那些非线性和非高斯的故障模式。通过最小化熵，该算法不仅提高了故障诊断的准确性，还提高了容错控制的有效性，确保了系统在面对未知或异常条件时仍能保持稳定性能。 这篇论文的关键词包括随机动态系统、故障诊断、容错控制和熵，反映出作者对这些领域的深入理解和研究。整体上，文章对随机系统中熵的应用提供了新的视角和实践策略，对于提高复杂动态系统运行的可靠性和稳定性具有重要的理论价值和实际意义。