基于神经网络的飞控系统传感器故障诊断的研究

在标准逆传播神经网络的基础上，提出了一种改进的逆传播神经网络，用来消除标准逆传播神经网络的缺陷，并且设计了一个主神经网络和三个分布神经网络的结构，通过神经网络的在线学习，得到需要的参数估计。用它与传感器实际测得的实际值比较，可判断出阶跃故障，并且给出了仿真实例。     

飞控系统传感器故障诊断的在线方法研究

传感器是飞行控制系统当中的一个重要组成部分,在系统中往往利用传感器的各个输出来建立飞机的动态状态;因此,实时准确的对传感器进行故障检测和识别可有效地提高系统的安全可靠性;提出一种带有可变遗忘因子的BP神经网络在线递推学习算法,应用改进的算法对飞行控制系统的传感器故障进行实时在线的检测和识别,且利用神经网络的输出对系统进行重构;仿真结果表明提出的方法可准确的对传感器的故障进行故障诊断和容错控制.     

基于RBF神经网络观测器飞控系统故障诊断

为了解决非线性系统采用解析方法进行故障诊断困难的问题,利用神经网络可逼近任意连续有界非线性函数的能力,提出了一种基于RBF神经网络观测器的故障检测与诊断方法,并详细论述了该故障诊断方法的构造原理。以含有非线性项的飞行控制系统的作动器模型为例,仅作动器的输入输出可测量,通过构造RBF神经网络观测器来拟合作动器系统模型,逼近其在正常情况下的输出。最后在飞控系统的闭环控制环境下,对作动器的三种典型故障进行了计算机仿真诊断,结果表明故障诊断方法是有效的。     

基于两级神经网络的传感器在线故障诊断技术研究

针对水下航行器控制系统的故障状态,采用BP神经网络设计了一种由主网络和局部网络构成的两级神经网络故障诊断算法,其中主网络用于水下航行器控制系统的故障检测,一旦发现有故障发生,则局部网络完成对故障的识别。通过仿真研究表明该方法可及时完成传感器故障的分离与定位。     

基于神经网络改进算法的飞控系统故障诊断

应用神经网络技术对复杂的飞行控制系统进行故障诊断对提高飞机的可靠性和容错能力具有重要意义。为了提高网络的学习效率和稳定性,该文提出一种改进的径向基神经网络学习算法,使用混合共轭梯度优化算法对网络参数进行调整。利用神经网络对某型飞机的飞行控制系统进行故障诊断,仿真结果表明该神经网络具有较强的故障识别能力。     

BP神经网络在飞控系统传感器故障诊断中的应用

故障检测和诊断技术对提高系统可靠性具有重要意义,针对飞控系统中常见的传感器故障,提出了基于神经网络观测器的故障诊断方法;通过构造神经网络模型代替解析系统建模,利用神经网络的学习能力在线检测传感器故障,最后,应用BP神经网络算法对故障进行仿真;仿真结果表明,神经网络观测器方法对单一传感器故障及多个传感器故障均能够准确识别,并对故障的定位也有不错的效果。     

飞控系统传感器故障诊断研究

研究故障检测和诊断技术对提高系统可靠性具有重要意义,针对飞控系统中常见的传感器故障,提出了基于神经网络预测器的故障诊断方法。利用传感器输出时间序列构造神经网络预测器模型,网络结构使用多层感知器结构,根据网络输出和实际输出之差与某·阈值的大小比较关系判断故障。最后针对某型飞机建立仿真模型,并对单一及多个传感器故障诊断进行研究,给出了仿真实现结果,并加以分析。仿真结果表明,所提出的基于神经网络预测器的故障诊断方法是行之有效的,能够及时准确地确定故障的发生。     

基于神经网络观测器组的传感故障诊断仿真

介绍了神经网络观测器原理,给出神经网络观测器输入、输出向量之间的非线性映射关系,以及采用神经网络观测器组实现传感器故障诊断的方法。在MATLAB环境下对该方法进行仿真检验,验证了神经网络观测器组方法对传感器故障诊断的有效性。     

基于滑模观测器和神经网络的传感器故障诊断方法比较研究

针对航空发动机传感器故障诊断中各种方法的优势和劣势,选择滑模观测器和神经网络这两种故障诊断方法分别对航空发动机转速传感器进行故障诊断研究,采用实验室搭建的发动机实验台DGEN380的实验数据,选择对航空发动机控制系统影响较大的偏置故障、漂移故障、脉冲故障、周期性干扰故障这四类传感器故障进行诊断。研究结果表明,滑模观测器和IPSO-BP神经网络都能实现航空发动机传感器的故障诊断;滑模观测器方法可以诊断出偏置故障、脉冲故障和周期性干扰故障,但不能诊断出传感器发生的漂移故障; IPSO-BP神经网络方法可以诊断出偏置故障、漂移故障、脉冲故障和周期性干扰故障。因此,滑模观测器在故障诊断中可能会出现漏诊的现象,IPSO-BP神经网络相对滑模观测器而言不会出现漏诊的现象。     

基于神经网络的控制系统在线故障诊断技术研究

对于远程自主式水下航行器,控制系统中传感器的实时故障诊断和容错控制是一项关键技术;采用BP神经网络设计了一种由主网络和局部网络构成的两级神经网络故障诊断算法,其中主网络用于水下航行器控制系统中传感器的故障检测,一旦发现有故障发生,则通过局部网络完成对故障的识别,因此可以减少运算量,提高故障诊断的实时性;通过仿真研究验证了该方法的有效性,为水下航行器控制系统的故障诊断及容错研究提出了一条新的途径。     

飞控系统传感器故障诊断的神经网络方法研究

BP神经网络对于飞行控制系统传感器故障诊断是一种有效的故障模式识别方法;在标准BP神经网络的基础上,提出了一种新的BP改进算法——自适应FMBP算法(SAFMBP),用以消除标准BP网络收敛速度慢及易陷入局部极小等缺点,并且建立了飞行控制系统仿真模型和传感器常见故障模型,采用基于神经网络模式分类的故障诊断方法,应用改进的BP神经网络(SAFMBP)进行飞控系统传感器的故障诊断,最后给出了仿真诊断实例。     

基于神经网络的飞控系统故障诊断

飞控系统的故障诊断与维护,可提高其可靠性和可维护性,降低寿命周期费用,有效地降低成本,提高飞机的生存性,减轻驾驶员的负担。首先采用VC与Matlab混合编程技术建立了飞行作动器故障仿真软件,然后通过两种不同的神经网络辨识方法(基于小波包分解的BP网络验证、基于径向基函数的概率神经网络),对卡死和损伤故障的辨识效果进行对比分析,仿真结果显示概率神经网络更适合于大步长采样下的网络辨识,且有较好的泛化能力。所得检测结果符合预期要求,并在所设计软件中得以清晰表达。     

基于样条权函数神经网络的传感器故障诊断

在技术高速发展的今天,传感器用于各行各业,加之这些年来,家用电器、汽车、信息产业三方面的飞速发展,传感器需求量增大,传感器故障诊断技术变得尤为重要,并且对提高系统的可靠性具有重要意义。利用神经网络对传感器故障进行诊断的方法克服了分析冗余方法需要的系统精确数学模型的问题,并且可以处理非线性数据。文中详细阐述了样条权函数神经网络的结构、原理,在分析传感器主要故障的基础上,提出了样条权函数神经网络的传感器故障诊断方案。Matlab仿真和模拟实验结果表明,样条权函数神经网络可以解决传感器故障检测问题。     

基于神经网络观测器的飞行器传感器故障检测

为了避免传感器故障对飞控系统的影响,实现传感器故障的快速检测与隔离,提出了一种基于神经网络观测器(NNOB)的传感器故障检测方法。在建立四旋翼飞行器姿态故障模型的基础上,利用非线性观测器得到的期望输出和传感器测量值设计基于神经网络(NN)的传感器故障观测器,利用扩展卡尔曼滤波器(EKF)更新神经网络的权值参数,通过Lyapunov理论证明权值参数更新的收敛性,最终构建出一种基于神经网络观测器的传感器故障检测系统。数值仿真实验结果表明,与现有神经网络故障检测方法相比,所提方法具有更高的故障检出率与更好的跟踪性能。     

一种神经网络预测器在传感器故障诊断中的应用

讨论基于神经网络预测器的传感器故障诊断问题.介绍了传感器故障诊断技术的发展,提出了一种基于神经网络在线学习的传感器故障实时诊断的模型.通过比较三种前馈神经网络的预测残差确定网络类型.介绍了网络的学习规则,说明了在线学习的能力.最后,通过电厂高加热器的几个温度传感器的实际数据为例说明了此方法的实效性.