一类非线性系统的渐变故障诊断

研究非线性观测器故障诊断优化问题,针对一类状态不能测量的非线性不确定动态系统,提出了一种用RBF神经网络逼近渐变故障的诊断方法。设计非线性观测器来估计系统的状态,利用Lyapunov稳定性定理给出了RBF神经网络的权值、中心、宽度的更新调节律,通过在线调整RBF神经网络的权值、中心、宽度监测和估计系统中发生的非线性故障,实现了状态不能测量的非线性系统渐变故障诊断。最后,仿真例子证明了方法的有效性。     

一类基于神经网络非线性观测器的鲁棒故障检测

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．     

基于神经网络观测器的飞控传感器在线故障诊断

为提高无人机飞行安全可靠性,针对飞行控制系统中常出现的传感器故障以及非线性气动力模型参数难以确定的问题,提出了基于BP神经网络观测器估计的故障诊断方法;引用LM改进算法对网络参数进行调整,构造了神经网络观测器模型逼近非线性系统,并运用于飞行控制系统进行在线数字仿真,对垂直陀螺输出卡死故障、恒偏差故障和恒增益故障分别进行仿真分析;仿真结果表明,所设计神经网络观测器可以有效估计系统输出,在线诊断传感器故障。     

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。     

基于神经网络的非线性观测器及在线故障检测

提出一种基于径向基函数神经网络的非线性观测器的设计方法，并将其应用于复杂非线性系统的故障检测与隔离。该方法将神经网络离线学习与在线学习相结合，获取系统输入输出的非线性动力学特性，进而实时计算出残差并进行逻辑判决，可显著提高故障检测的快速性、鲁棒性及准确率。最后，针对非线性同步交流电机的结构损伤故障进行了仿真，结果表明本文所提方法的有效性。     

一种基于滑模—神经网络观测器的故障检测和诊断方法

本文针对一类非线性系统，提出了一种用于故障检测和诊断的滑模观测器方法．其 中，观测器中的滑模项保证了该系统在无故障情况时的鲁棒性，并且系统运行的滑动区域提供了故障检测的条件．当检测出故障之后，观测器中的故障估计部分被启动，利用RBF神经网络估计故障，从而能在线辨识故障的形态．仿真结果验证了该方法的有效性．     

一类非线性系统的神经网络自适应区间观测器设计

本文研究了一类单输入单输出非线性系统的神经网络自适应区间观测器设计问题. 针对由状态和输入所描述的未知非线性函数的界不可测, 现有的区间观测器方法并未有效地处理系统含有参数不确定性的未知非线性函数. 首先, 本文构造两个径向基函数神经网络来逼近未知非线性部分, 进而分别估计系统状态的上下界; 然后, 选择合适的Lyapunov函数, 采用网络权值校正和网络误差选择机制确保所设计的误差动态系统有界和非负性, 并证明了神经网络自适应区间观测器的稳定性; 最后, 通过仿真实例验证了所提出的神经网络自适应区间观测器的有效性.     

非线性切换系统基于观测器的容错控制器设计

针对一类具有执行器故障的非线性切换系统,研究基于系统状态估计和故障重构的容错控制问题.首先,在具有平均驻留时间(ADT)的切换信号下,设计一种切换PI观测器作为状态-故障估计器,以达到对系统状态和故障同时渐近估计的目的;其次,基于线性矩阵不等式,给出非线性切换系统观测器存在的充分条件;再次,基于PI观测器给出的状态和故障估计,提出一种非线性切换系统的容错控制器设计方法;最后,以一个电子电路为仿真实例进行分析,验证了所提出方法的可行性和适用性.     

基于模糊神经网络的非线性系统故障诊断

研究故障观测器优化设计,针对一类非线性动态系统,在考虑系统的输入输出包含外部扰动及建模误差等不确定性项[1]的情况下,为了提高所设计观测器对系统数学模型的在线跟踪能力从而进一步提高故障诊断的鲁棒性减少系统的误报警率,提出了基于模糊神经网络的诊断方法。利用神经网络以及模糊系统对非线性函数的无限逼近能力,设计了基于T-S模糊模型[2]的神经网络自适应观测器来拟合系统的非线性模型和系统的非线性故障特性。由Lyapunov稳定性方法获得调整观测器权重的规律。对所用改进方法的收敛性进行了证明,并通过仿真实例说明了诊断方法的有效性和使用性。     

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Ly...     

Optimal State Estimation and Fault Diagnosis for a Class of Nonlinear Systems

This study proposes a scheme for state estimation and,consequently,fault diagnosis in nonlinear systems.Initially,an optimal nonlinear observer is designed for nonlinear systems subject to an actuator or plant fault.By utilizing Lyapunov's direct method,the observer is proved to be optimal with respect to a performance function,including the magnitude of the observer gain and the convergence time.The observer gain is obtained by using approximation of Hamilton-Jacobi-Bellman(HJB)equation.The approximation is determined via an online trained neural network(NN).Next a class of affine nonlinear systems is considered which is subject to unknown disturbances in addition to fault signals.In this case,for each fault the original system is transformed to a new form in which the proposed optimal observer can be applied for state estimation and fault detection and isolation(FDI).Simulation results of a singlelink flexible joint robot(SLFJR)electric drive system show the effectiveness of the proposed methodology.     

非线性系统的鲁棒故障检测与诊断

研究了一类具有未建模动态或扰动的非线性系统的鲁棒故障检测与诊断问题,利用神 经网络、模糊系统或小波网络等对非线性故障模式进行在线逼近的方法进行故障诊断.第一步， 对用于鲁棒故障检测的观测器,建立了保证观测器稳定的增益阵的选择条件;第二步,若检测出 发生故障,则用神经网络、模糊系统或小波网络进行故障的在线估计,建立了估计误差界,结果 显示输出估计误差将收敛到由扰动上界或建模误差上界线性确定的范围内.     

复杂网络的事件驱动故障估计

针对一类非线性耦合的复杂网络系统，提出了一种基于复杂网络估计器的近似最优故障估计方法.首先将复杂网络的状态与故障进行增广，然后对增广后的状态和故障进行了联合状态估计.为了处理多信号传输可能发生的数据冲突，采用了事件驱动的方法使复杂网络的输出传输至远程估计器.通过递推矩阵方程方法给出了估计误差协方差矩阵的上界，并通过设计估计器参数使得该上界在迹的意义下最小.最后，通过仿真例子验证了所提联合估计方案的可行性和有效性.     

一种基于小波神经网络故障检测方法的仿真研究

文中提出了一种基于小波神经网络一性观测器的故障检测方法。它是一种把信号分析和模型相结合的故障检测方法,通过小波对信号的去噪和神经的神经网络的自学习功能,来获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判疡,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真,结果表明了该方法是可行的。     

基于非线性电路频域核估计和神经网络的故障诊断

提出一种基于非线性电路频域核分析和神经网络的故障诊断方法．主要研究非线性系统频谱的获取,非线性系统频谱特征的提取及基于非线性系统频谱特征的故障诊断．利用Volterra频域核估计辨识非线性系统，通过系统广义频率响应函数的估算提取电路特征，将其预处理后作为递归神经网络的输入样本，利用神经网络的分类功能对电路的工作模式作出故障决策、最后。给出故障诊断实例验证了该方法的有效性．     

A fast convergent extended Kalman observer for nonlinear discrete-time systems

A new extended Kalman observer for nonlinear discrete-time systems is derived. As always, stability and convergence rate depend directly on the matrices Q k and R k and the initial state estimation error, the new observer has made improvement on these two aspects. A new criterion for the design of matrices Q k and R k enables the observer to enlarge the convergent domain, an off-line-trained neural network can significantly reduce the initial state estimation error without increasing on-line computation burden. The integration of the techniques results in a stable and fast convergent observer. The observer performance is demonstrated with the estimation of flux and angular speed of an induction motor.     

用神经网络估计模型误差的预测滤波算法

针对时不变非线性系统,提出一种用神经网络进行模型误差估计的预测滤波算法．该算法用寻优的方法离线获得与当前状态和下一步输出测量相对应的模型误差估值,并作为样本训练神经网络;实际滤波中,用训练好的神经网络进行模型误差估计．该方法与原预测滤波算法相比没有动态过程,不会因为滤波器初始误差太大而振荡或发散,且稳态精度与计算步长无关．通过对一个二阶非线性系统的仿真验证了神经一预测滤波器的优越性。     

一种基于神经网络的非线性飞行控制系统设计方案研究

在全状态反馈的前提下，设计了一种基于在线神经网络和反馈线性化的非线性直接自适应控制器。本文首先利用多重尺度摄动与动态逆技术结合，设计了无人驾驶飞机的解析动态逆控制器；然后引入一个单隐层在线神经网络来修正各种因素引起的状态误差，并证明了控制器的稳定性。最后对在线网络的实现做了详细描述。仿真分析表明，该方案具有很强的鲁棒性和对故障状态的适应性。