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．     

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。     

关于“基于RBF神经网络观测器的非线性系统鲁棒故障检测方法”一文的疑问

指出了文献[1]中存在的问题,给出了改正结果。     

一类基于非线性状态观测器的鲁棒故障检测

本文提出了一种新的基于非线性状态 观测器的鲁棒故障诊断策略．该方法在传统故障检测滤波器（FDF）的基础上,针对一类满 足Lipshitz条件的仿射非线性系统,构造了非线性故障检测滤波器,给出了故障检测增益阵 的设计算法及其闭环观测误差系统稳定性的证明,解决了非线性系统的故障可检测性问题． 在残差决策阶段,采用模糊自适应门限的判决方法,提高了故障检测的鲁棒性．最后,针对 歼击机结构故障的仿真,验证了本文方法的有效性．     

基于观测器的l~1鲁棒故障检测方法

基于参数化的控制系统输出观测器 ,将鲁棒控制理论中的l1最优化方法用于故障检测技术 ,提出一种新的控制系统鲁棒故障检测方法 .通过求解一个混合 0 1型整数线性规划问题 ,可得出l1优化残差函数 .仿真结果验证了所提方法的有效性     

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．     

基于自适应模糊状态观测器的非线性系统鲁棒故障检测

针对仿射非线性系统,采用自适应模糊系统进行非线性补偿,提出了一种基于自适应模糊状态观测器的鲁棒故障检测方法.为确保观测器对嗓声干扰和系统参数不确定误差的鲁棒性,给出了闭环系统在有界嗓声干扰和系统参数不确定误差下的稳定性定理,并进行了详尽的证明.仿真结果表明该方法的有效性及对嗓声干扰和系统参数不确定误差的鲁棒性.     

基于最优解耦的鲁棒故障检测方法研究

系统地研究了线性系统在模型参数变动和存在外部扰动下的控制系统故障的鲁棒故障检测方法。分析了在与干扰信号不能完全解耦的情况下,如何设计残差信号使其对模型参数变化及噪声不敏感,而对故障敏感,由此得出了对未知输入具有鲁棒性的条件方程式,并基于最优解耦理论,通过矩阵的奇异值分解实现了最优解耦。在给出的仿真实例中,验证了该文提出方法的有效性。     

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。     

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.     

一种基于UIO观测器的故障检测方法

本文基于未知输入观测器，针对含有未知输入干扰的不确定动态系统，提出了一种故障检测的新方法。本文提出的方法与其它方法如特征向量配置法相比，具有条件要求较低，设计简单的优点。     

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。     

基于等分采样的网络控制系统鲁棒故障检测

考虑一类具有未知干扰的时延网络控制系统,对其进行故障检测。通过提高控制器端的采样频率,等分传感器采样周期,将网络时延近似看成控制器端采样周期的整数倍。建立基于离散切换系统的鲁棒H∞故障观测器,将观测器稳定条件归结为一个线性矩阵不等式。通过求解具有线性矩阵不等式约束的最小化问题,对故障检测阈值进行选取,从而增强检测的鲁棒性和灵敏度。仿真示例验证了该方法的有效性。     

一种鲁棒故障检测与反馈控制的最优集成设计方法

研究线性不确定系统的反馈控制器与鲁棒故障检测滤波器集成设计问题.基于新提出的性能指标函数,将鲁棒故障检测滤波器设计问题归结为最优化问题,通过求解Riccati方程可得到鲁棒故障检测滤波器设计问题的最优解.在共用同一状态观测器的情况下,将反馈控制器和鲁棒故障检测滤波器的集成设计问题归结为两目标优化问题,解决了同时满足闭环控制系统设计要求和故障诊断系统鲁棒性能的最优集成设计问题.简例验证了提出算法的有效性.     

基于改进BP神经网络的传感器集成故障诊断

针对传感器故障，提出了一种基于改进的BP神经网络的集成故障诊断方法。在测量回路中引入“等价偏差”向量，用改进的BP网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合．进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

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。     

基于神经网络的计算机网络故障检测方法

人工神经网络的出现为网络故障诊断提供了智能化的手段。介绍了将BP人工神经网络运用于网络故障诊断的实现途径,并在分析标准算法的基础上提出了改进BP算法的一种方法。仿真表明,改进后的算法在收敛速度和准确性上有明显的提高。