基于神经网络的模型跟随鲁棒自适应控制

针对一类复杂非线性动力学系统,提出一种基于神经网络动态补偿的模型跟随非线性鲁棒自适应控制策略.采用神经网络在线补偿控制器以克服系统的未建模动力学和非线性耦合因素的影响,从而提高了模型跟随控制的动态性能和稳态精度;当系统存在模型不确定性和外部扰动时,其输出仍能精确地跟踪期望参考模型的输出.同时给出了闭环误差系统鲁棒稳定性的证明.应用示例表明,所提方法可保证闭环系统具有良好的跟踪性能和鲁棒性,且算法简单,易于在线控制.     

在线故障检测技术在电磁调速系统中的应用

针对电磁调速系统的实际特点,提出了一种具有建模不确定性的非线性系统在线故障检测方法.假定该系统仅是输入、输出可测量的,并把故障建模为状态变量和输入变量的函数.文中用一种基于RBF神经网络的在线非线性估计器来跟踪调速系统中出现的故障,从理论上证明了该方法对有建模不确定性的非线性系统的故障检测具备良好的鲁棒性.仿真实例说明了该故障检测方法的有效性.     

神经网络在线投影算法及非线性建模应用

针对神经网络难以在线学习的缺点,把神经网络当作结构已知的非线性系统,权系数的学习看成非线性系统的参数估计,基于新估计准则的非线性系统在线参数估计投影算法,给出前馈神经网络的一种在线运行投影学习算法.理论上证明该算法的全局收敛性,讨论算法参数的物理意义和取值范围.通过2个非线性时变系统的神经网络建模应用的仿真,验证算法的全局收敛性和在线运行能力.     

一种小波神经网络的在线建模和校正算法

提出应用小波神经网络实现非线性系统模型的在线建立及自校正方法.首先提出了小波网络节点库的构成方法和一种小波网络模型结构确定和权值估计方法.在此基础上运用限定记忆最小二乘法,设计小波网络自学习建模和在线校正的算法.该算法能根据系统输入输出数据自动地建立小波网络模型,并使得在线校正得到的小波神经网络在某种准则下是最优的.     

不确定非线性系统的神经网络智能重构控制

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动态补偿的鲁棒模型跟随重构控制策略.该方法吸取了线性模型跟随方法的基本思想,通过引入神经网络在线补偿控制器,以克服系统由故障引起的未建模非线性动态的影响,从而提高模型跟随重构控制的动态性能和稳态精度;并且当系统存在模型不确定性时,其输出仍能精确地跟踪理想模型的输出.文中还给出了特定假设条件下闭环重构控制系统稳定性的严格证明.理论分析和仿真研究表明,所提的方法是有效的并可保证闭环系统具有良好的重构性能.     

多温区电加热炉自适应PID控制方法

多温区电加热炉是一种典型的多输入多输出系统(MIMO),存在着耦合性、不确定性和非线性的控制难点.针对此问题,提出了一种自适应PID控制方法.该方法先以解耦减小系统耦合性,再利用小脑模型关节控制器(CMAC)在线学习系统的未知不确定性及外部扰动,证明了CMAC神经网络在线逼近的收敛性和自适应控制方案的稳定性.实验结果表明,该控制方法有效地控制了各个温区的温度,提高了控制性能,具有实际应用意义.     

一类非线性系统的自适应控制

针对一类未知的MIMO非线性系统的控制问题,提出了一种基于混合遗传算法的自适应RBF神经网络控制器(HGA-RBFNNC),使系统能跟踪期望输出.采用混合遗传算法,在线确定RBF神经网络的结构和参数,当误差满足一定要求时,该控制器转入按照基于Lyapunov稳定性理论的自适应律进行网络权值的进一步调整,这样既在线建立神经网络又保证了整个系统的全局稳定性和收敛性.仿真实验结果表明,该控制器能够快速跟踪期望输出,而且具有很好的稳定性和收敛性.     

电液负载模拟器的自适应滑模控制方法

针对电液负载模拟器存在的系统非线性、不确定性和强干扰的控制难点,设计了自适应滑模控制方法.设计积分滑模以降低控制器对期望跟踪轨迹高阶导数的要求;设计动态滑模算法抑制抖振;采用小脑模型关节控制器(CMAC)在线学习系统不确定性以降低控制器参数设计的保守性.设计了自适应滑模控制律,给出了CMAC神经网络权值调整算法,证明了控制器的稳定性,以确保系统稳定且输出跟踪误差渐近收敛于零.仿真结果证明了控制策略的有效性.     

基于自组织模糊CMAC网络的非线性系统鲁棒自适应跟踪控制

基于自组织模糊CMAC(SOFCMAC)神经网络,提出了一种非线性模型参考神经网络增广逆系统鲁棒自适应跟踪控制方法.该方法的特点是通过S0FCMAC神经网络在线修正由于建模误差、不确定因素等引起的非线性系统逆误差,使得系统输出准确跟踪参考模型输出.SOFCMAC的权值调整规律由Lyapunov稳定性理论导出.文中证明了非线性闭环系统的稳定性.仿真例子表明了本文方法的有效性.     

规则可生长与修剪的非线性系统T-S模糊模型辨识

通常离线提取 T-S 模糊模型的规则后, 规则数无法在模型使用中进行调整, 而这成为表达非线性系统复杂性的一个瓶颈. 针对这一问题, 本文引入一种神经网络的生长和修剪方法, 从实时数据中提取 T-S 模型的规则, 并定义其对应局部模型对输出的影响, 以此作为在线调整规则数的依据, 从而更准确地表达了非线性系统的复杂性和运行中的变化. 再加上基于竞争性 EKF(Extended Kalman filter) 的模型参数在线学习, T-S 模型的建模精度也得到了保证. 整个算法完全实现了 T-S 模糊模型的在线辨识, 使模型的结构和参数具有很好的自适应能力. 对 CSTR(Continuously stirred tank reactor) 系统的辨识, 表明了该算法在处理非线性系统辨识问题上的优越性能.     

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．     

逆变电路智能故障诊断系统

针对逆变器由于具有非线性的特征而无法采用精确数学模型进行故障诊断的情况,本文提出一种基于小波分析和神经网络的新型逆变电路故障检测与诊断方法。建立三相SPWM逆变电源的非线性MATLAB仿真模型,以三相输出故障电压作为故障信息,利用小波分析的方法提取低频能量值作为特征向量,通过神经网络实现逆变器故障桥臂定位,最后利利用逆变三相电压同一桥臂故障电压的对称性的特点,用一种简单的判断逻辑实现故障元件的分离。设计了基于DSP的PWM逆变电路在线智能故障诊断系统。测试结果表明,该系统具有良好的故障诊断效果,具有一定的实用价值。     

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。     

基于双通道传感器的航空发动机在线故障诊断系统研究

对基于双通道传感器的航空发动机在线故障诊断和隔离技术进行了研究;在发动机机载非线性模型的基础上,对发动机的双通道传感器分别设计混合卡尔曼滤波器,利用该滤波器在线估计双通道传感器输出,并结合实际双通道传感器测量值以及发动机机载非线性模型的输出值在线实现传感器故障检测和隔离、部件故障及异常检测确认;利用该技术建立了某型涡扇发动机在线故障诊断系统,通过仿真实例验证了该系统的诊断性能,实验结果表明,本文所建立的在线故障诊断系统能够较好的完成故障诊断与隔离、部件故障及异常检测等功能,为此类系统的工程应用提供了理论依据。     

一类非线性系统的H2容错控制器的设计及其在空间飞行器的应用

针对存在执行器故障的不确定系统,本文研究了一种H2鲁棒容错控制的设计.控制器包括三个功能: 1)利用径向基函数(Radial basis function, RBF)神经网络估计得到的近似非线性函数构成闭环控制,抵消系统的非线性特征; 2)能实现H2性能指标的最优控制; 3)利用滑模控制抑制模型估计误差以提高控制精度, 并且控制器具有指定稳定裕度的设计功能.文中提出了用于执行器故障估计的调整规则, 故障估计信息用于控制律的设计.基于Lyapunov函数,推导了满足H2最优性能的充分条件:非线性二次矩阵不等式. 为了降低计算成本,给出了不等式求解的简化算法,避免了在线求解非线性矩阵不等式.通过一个空间飞行器模型的仿真, 验证了本文提出方法的有效性.     

基于多级模糊神经网络的故障诊断在化工生产过程中的应用

化工生产过程一般都非常复杂，如柠檬酸蒸发。由于控制回路与测控参数很多，生产过程的故障检测与诊断问题非常困难，难以做到实时检查，得到其故障信息。所以本文提出一种基于神经网络的多级故障诊断系统。采用三级递阶模糊神经网络，降解整个系统故障诊断问题的复杂性，同时采用所有子神经网络全局并行的推理方式，具有快速处理能力，适合系统实时在线故障诊断。     

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。     

H∞ fault-tolerant control for time-varied actuator fault of nonlinear system

This paper studies H_∞ fault-tolerant control for a class of uncertain nonlinear systems subject to time-varied actuator faults. A radial basis function neural network is utilised to approximate the unknown nonlinear functions; an updating rule is designed to estimate on-line time-varied fault of actuator; and the controller with the states feedback and faults estimation is applied to compensate for the effects of fault and minimise H_∞ performance criteria in order to get a desired H_∞ disturbance rejection constraint. Sufficient conditions are derived, which guarantees that the closed-loop system is robustly stable and satisfies the H_∞ performance in both normal and fault cases. In order to reduce computing cost, a simplified algorithm of matrix Riccati inequality is given. A spacecraft model is presented to demonstrate the effectiveness of the proposed methods.     

基于径向基函数神经网络的转子系统裂纹故障诊断

结合基于模型的转子系统诊断技术和径向基函数(RBF)神经网络在辨识非线性系统动态时的优势,本文提出了一种新的转子系统裂纹故障诊断方法.该方法采用RBF神经网络对裂纹转子系统的未知动态进行辨识,实现部分神经网络权值收敛到最优值以及神经网络对系统未知动态的局部准确逼近;诊断过程中利用已辨识的信息实现转子系统裂纹故障的快速检测与分离.所提方法尤其适用于微小裂纹的在线检测与定量识别.最后,以Jeffcott转子系统裂纹故障诊断为例进行仿真,仿真结果验证了所提方法的有效性.