一类非线性系统的故障检测与容错控制算法

针对仿射非线性系统提出了一种稳定的故障检测及容错控制算法.该算法利用神经网络对系统故障进行建模,在线估计故障向量,监测系统运行情况;在反馈回路中引用故障辅助反馈控制回路,实现容错控制;并基于Lyapunov方法进行了稳定性分析.控制系统可运行于两种模式:系统正常时,采用常规反馈控制器(CC);有故障发生时,引入补偿控制来削弱故障影响,保障系统的正常运行.最后对一类非线性电机的仿真控制结果表明了此容错控制方法的有效性.     

一类非线性系统的主动容错控制方法

对非线性系统发生多故障时的主动容错控制来说,控制性能的好坏主要取决于故障诊断机构的实时性和精确性;因此利用基于平衡学习的CMAC神经网络非线性辩识算法作为在线故障诊断的手段,在线估计故障函数;并用滑模控制算法进行容错控制律的在线重构,实现容错控制;最后以一三槽水位控制的实际应用为例进行仿真,其结果表明了所提方法的有效性.     

基于降阶卡尔曼滤波器的水下机器人滑模容错控制

针对水下机器人执行器时变、非线性故障,提出一种基于降阶卡尔曼滤波器的故障估计和滑模容错控制方法.用降阶卡尔曼滤波器估计水下机器人故障解耦子系统的状态,受故障的影响,子系统状态可测.由估计的状态和测量的状态可进一步得到水下机器人执行器的故障信息.滑模容错控制器根据所估计的执行器故障调整控制器的输出以实现容错控制.仿真结果验证了所提出的故障辨识与容错控制算法的有效性.     

一类非线性系统的故障重构与容错控制

针对一类满足Lipschitz条件的仿射非线性系统,提出一种执行器故障重构与容错控制方法。通过非奇异变化矩阵对系统进行降阶,设计出滑模故障重构观测器,优化滑模策略,使滑模故障重构观测器渐进估计系统的状态,并给出稳定性分析。运用等价输出控制方法直接获取故障信息,实现执行器故障的检测与重构。设计出主动容错控制器,通过补偿控制,完成执行器故障的容错控制。最后通过数值仿真验证了方法的可行性与有效性。     

线控转向汽车传感器的智能容错设计

在汽车线控转向优化控制的研究中,汽车传感器容错技术模型精确度低和易受扰动影响等问题,造成汽车的安全性能受到影响。针对传统解析关系模型精度低,采用了邻域粗糙集模型对传感器信息进行预处理,用以精确找出与容错对象存在解析关系的相关联传感器信息;为了消除观测器的扰动影响,利用了神经网络组建容错对象的冗余信息,将关联传感器信号作为径向基神经网络的输入,容错对象的信号用作进行监督训练。利用神经网络的估计输出和容错对象的输出差值,即残差是否超出门限来实现故障判别,在残差超过门限后进行输出控制,屏蔽故障传感器输出,可用神经网络的估计输出来完成信号补偿。通过仿真表明,改进设计具有较好的抗噪性和逼近能力,能很好的完成故障检测和信号补偿,达到容错控制的目的。     

一种容错飞行控制的神经网络方法研究

文章提出了一种新的主动容错飞行控制系统设计方法,可同时进行飞控系统执行器的故障诊断和容错控制;首先建立飞机执行器故障模型,接着应用改进的BP神经网络算法,进行飞行控制系统模型辨识,实时进行故障诊断;然后根据故障诊断信息进行自适应容错控制,为了克服故障系统引起的模型误差和非线性因素的影响,设计了自适应神经网络PID参数整定和动态逆控制器,对飞行控制系统执行器故障进行容错控制,以实现系统的良好模型跟踪和动态性能;仿真结果表明,在保证闭环系统稳定的前提下,实现了执行器的在线故障诊断与容错控制,达到了理想的效果.     

一类基于状态估计的非线性系统的智能故障诊断

针对一类含有建模误差的非线性系统,研究了基于状态估计的智能故障诊断方法.首先提出一种状态估计器设计方法;然后在进行状态估计的同时用RBF神经网络来逼近系统所发生的故障.故障估计器的输入为系统的状态估计,所估计出的故障既可用作故障容错控制,也可用作报警.根据微分同胚,将含有建模误差的非线性系统变换为易于分析的规范形式,并在此基础上分析了故障诊断系统的稳定性和鲁棒性.仿真例子证明了该方法的有效性.     

一类基于神经网络非线性观测器的鲁棒故障检测和诊断

利用神经网络的非线性建模能力，对一类具有建模不确定项的非线性系统提出一种基于观测器的故障检测和诊断的方法。设计的观测器不仅能实现故障检测，而旦应用神经网络设计的故障估计器能在线估计系统中的故障向量。通过分析验证了该方法对系统中的建模误差和外部扰动具有良好的鲁棒性。仿真结果表明所提出的方法是有效的。     

考虑多传感器故障的可重构机械臂主动取代分散容错控制

针对可重构机械臂系统位置传感器和速度传感器多故障, 提出一种主动取代分散容错控制方法. 基于可重构机械臂的模块化属性, 设计正常工作模式下的分散神经网络控制器. 利用微分同胚原理将子系统结构进行非线性变换, 将传感器故障转化成伪执行器故障, 设计分散滑模观测器以对多传感器故障进行实时检测, 并利用其输出信号取代故障传感器信号, 实现了多传感器故障情形下可重构机械臂的主动容错控制. 仿真结果表明了所设计的容错控制方法的有效性.     

基于STF的非线性系统故障诊断与容错控制

本文介绍了一种基于强跟踪滤波器(strong tracking filter-STF)理论的故障观测器,并将其与基于状态估计值的自适应PID控制和修正的Bayes分类算法(modified Bayes algorithm-MB算法)相结合,实现了一类非线性时变系统状态与参数的无偏估计,从而得到一种闭环非线性系统元部件故障的检测与诊断方法,并实现了系统的容错控制.仿真实例验证了该方法是一种很有效的在线故障检测与诊断方法.     

一种基于神经网络在线逼近器的非线性鲁棒故障诊断方法

针对一类不确定非线性动态系统，提出了一种基于神经网络在线逼近结构的鲁棒故障 检测方法．该方法通过构造神经网络通过在线逼近结构学习非线性故障特性来监测动态系统 的反常行为,当故障发生时，在线估计器可逼近各种可能的未知故障，然后对其进行诊断和 适应．神经网络权重的在线学习律没有持续激励的要求，并采用Lyapunov稳定性理论保证了 闭环误差系统一致最终有界稳定．     

Fault‐Tolerant Control Allocation for Overactuated Nonlinear Systems

This paper addresses the problem of fault‐tolerant control allocation for input affine nonlinear systems. The proposed scheme is divided in three main tasks: fault detection and estimation using a nonlinear observer, fault isolation through a bank of unknown input observers with a resetting policy to reduce the effects of nonlinearities and control reconfiguration based on reduced order allocation. Analytical results regarding the isolability and reconfigurability of actuator faults are derived and a simulation example is used to illustrate the the proposed fault tolerant control methodology.     

Control performance‐based fault detection and fault‐tolerant control schemes for a class of nonlinear systems

The objective of this paper is to develop performance‐based fault detection (FD) and fault‐tolerant control (FTC) schemes for a class of nonlinear systems. To this end, the representation forms of nonlinear systems with faults and the controller parameterization forms are studied first with the aid of the nonlinear factorization technique. Then, based on the stable kernel representation and the stable image representation of the faulty nonlinear system, the stability performance of the closed‐loop system is addressed, respectively. The so‐called fault‐tolerant margin is defined to evaluate the system fault‐tolerant ability. On this basis, two performance‐based FD schemes are developed aiming at detecting the system performance degradation caused by system faults. Furthermore, to recover the system stability performance, two performance‐based FTC strategies are proposed based on the information provided by the FD unit. In the end, a numerical example and a case study on the three‐tank system are given to demonstrate the proposed results.     

一种具有容错能力的自适应神经网络分类器

在国内外容错型神经网络的基础上,提出了一种具有容错能力的自适应神经网络FTART4。该算法针对解决多点断路故障容错性的难点,提出了一种独特的增加网络冗余的方法,通过确定故障敏感点达到了冗余度与容错性的平衡。同时对FTART4神经网络解决多点断路故障问题进行了严谨的形式化分析,给出了FTART4算法的完整描述。采用通用的神经网络测试数据对算法进行了测试,实验结果表明该方法取得了较好的效果。     

Active fault‐tolerant consensus control of Lipschitz nonlinear multiagent systems

This article investigates the active fault‐tolerant consensus problem for Lipschitz nonlinear multiagent systems under detailed balanced directed graph and actuator faults. First, a fault detection filter for each agent is designed, and all agents can be divided into two categories: healthy agents and possibly faulty agents. Second, fully distributed adaptive fault‐tolerant consensus protocols for healthy and possibly faulty agents are proposed to achieve state consensus. Third, based on the fault detection method and fault‐tolerant consensus protocols, active fault‐tolerant consensus algorithms are given. Simulation examples are presented to verify the effectiveness of the proposed active fault‐tolerant algorithms.     

一类基于神经网络非线性观测器的鲁棒故障检测

针对一类仿射非线性动态系统,提出了一种基 于神经网络非线性观测器的鲁棒故障检测与隔离的新方法．该方法采用神经网络逼近观测器 系统中的非线性项,提高了状态估计的精度,并从理论上证明了状态估计误差稳定且渐近收 敛到零;另一方面引入神经网络分类器进行故障的模式识别,通过在神经网络输入端加入噪 声项来进行训练,提高神经网络的泛化逼近能力,从而保证对被监测系统的建模误差和外部 扰动具有良好的鲁棒性．最后,利用本文方法针对某型歼击机结构故障进行仿真验证,仿真 结果表明本文方法是有效的．     

An online fault tolerant actor-critic neuro-control for a class of nonlinear systems using neural network HJB approach

In this paper, we propose an actor-critic neuro-control for a class of continuous-time nonlinear systems under nonlinear abrupt faults, which is combined with an adaptive fault diagnosis observer (AFDO). Together with its estimation laws, an AFDO scheme, which estimates the faults in real time, is designed based on Lyapunov analysis. Then, based on the designed AFDO, a fault tolerant actor- critic control scheme is proposed where the critic neural network (NN) is used to approximate the value function and the actor NN updates the fault tolerant policy based on the approximated value function in the critic NN. The weight update laws for critic NN and actor NN are designed using the gradient descent method. By Lyapunov analysis, we prove the uniform ultimately boundedness (UUB) of all the states, their estimation errors, and NN weights of the fault tolerant system under the unpredictable faults. Finally, we verify the effectiveness of the proposed method through numerical simulations.     

Neuro-fuzzy identification applied to fault detection in nonlinear systems

This article describes a fault detection method, based on the parity equations approach, to be applied to nonlinear systems. The input–output nonlinear model of the plant, used in the method, has been obtained by a neural fuzzy inference architecture and its learning algorithm. The proposed method is able to detect small abrupt faults, even in systems with unknown nonlinearities. This method has been applied to a real industrial pilot plant, and good performance has been obtained for the experimental case of fault detection in the level sensor of a level control process in the said industrial pilot plant.     

一种非线性系统容错控制的混合方法

针对连续搅拌箱式反映器,提出一种闭环非线性系统容错控制的混合方法。即利用“等价偏差”的新概念建立传感器的故障模型,然后基于一种伪偏差分离估计算法,在线得到系统状态和“等价偏差”的估计值。数值仿真结果验证了该方法不仅具有很强的关于传感器故障的容错能力,而且还可检测、分离和估计出相应的故障。     

容错控制理论及其应用

介绍了经典容错控制的主要研究成果及近年来发展起来的鲁棒容错控制和非线性 系统的故障诊断与容错控制,并给出了容错控制的一些典型应用成果.最后,指出了该领域 亟待解决的一些热点与难点问题.