改进神经网络辅助的GPS/INS组合导航算法

针对全球定位系统(GPS)和惯性导航系统(INS)组合系统中GPS中断时,导航性能会急剧降低的情况,提出了一种改进径向基神经网络结合自适应滤波辅助的组合系统导航算法.该算法探讨了遗传算法参数寻优和最近邻聚类学习算法,解决了径向基神经网络训练中参数合理选取的问题,构建了INS加速度增量、姿态增量与GPS位移增量之间的非线性映射模型.当GPS出现故障时,利用该映射模型和改进的自适应滤波实时预测出GPS伪位置与其对应的协方差,进而计算出预测位置辅助的导航解,利用实测数据对算法进行验证.结果表明:GPS发生故障情况下,改进径向基神经网络算法能够辅助组合系统解算出稳定的次优导航解,其精度明显优于纯INS导航.     

故障预测中基于模糊神经网络的规则发现方法

为分析和发现故障预测中表征网络运行状态的多指标和故障间的关联关系,提出了一种基于模糊神经网络的规则发现方法. 该方法利用模糊神经网络具有的学习能力和模糊推理能力,分析和发现网管系统中多指标和故障的关联关系,实现基于多指标的在线故障预测. 仿真实验结果表明,有效的参数初始化确定了算法收敛方向,从而加速了收敛速度;新方法能够准确预测故障的发生,并且优化了预测准确度、真正率、误判率等性能指标.     

在线时间序列预测方法及其应用

为解决非线性复杂时间序列在线预测问题,提出了一种基于过程神经网络模型的在线预测方法.首先,在历史数据的基础上建立双并联离散过程神经网络模型;然后,根据在线更新的数据样本,采用递推极限学习算法对过程神经网络隐层到输出层的权值进行相应的更新;最后,应用权值更新后的过程神经网络模型对时间序列进行预测.文中给出了具体的过程神经网络学习算法与权值更新机制,并以混沌时间序列与液体火箭发动机的状态预测为例对方法进行了验证.研究结果表明:该方法在预测精度和适应能力上较单一的离线模型有显著提高,可以为非线性复杂时间序列在线预测问题提供一种有效的解决方法.     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数作为基函数网络中的基函数,得到小波神经网络。通过小波的去噪和神经网络的自学习功能,获取系统输入输出的非线性运力学特性,进而实时计算出残差并进行逻辑判决,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,结果表明了该方法的有效性。     

基于自适应组合滤波的惯性导航系统初始对准方法

针对系统噪声不确定情况下的惯性导航系统非线性初始对准问题,提出了一种基于自适应组合滤波的初始对准方法.首先给出了一种基于Kalman/UKF组合滤波的神经网络实时训练算法;进而提出了基于Kalman/UKF组合滤波的非线性系统状态估计方法,该算法利用神经网络在线估计系统噪声,并利用Kalman/UKF组合滤波在线同时估计初始对准的状态量和神经网络的权值;最后将该算法应用于惯性导航系统非线性初始对准问题中,并进行了仿真研究.仿真结果表明:自适应组合滤波算法不仅保证了初始对准的精度,而且具有更好的实时性,是解决惯性导航非线性初始对准问题的一种有效且实用的方法.     

舵面损伤在线故障模式预测及故障检测

舵面损伤的传统模型匹配检测方法只适用于线性气动模型，并互故障检测和定位能力受操纵和机动状态影响很大。产生这些问题的原因是在故障模式预测和故障检测中忽略了一些实时飞行状态和参数变化。中将传统的离线故障模式预测改为在线计算，在计算中引入实时飞行状态及参数，并且在使用解析余度估算正常飞机运动时，考虑了实时飞行状态、舵面偏转、质量、惯量等参数变化，由实时估算值与实测值比较获得残差。此外，采用了故障模式空间最优方向匹配法进行故障隔离以减小残差决策的计算量。对所建立的新算法可以不使用任何简化、假定。使用某机舵面损伤非线性数据进行了分析和仿真，结果表明该方法可以适用于多种故障气动模型，而互不受机动状态、舵面操纵的影响。     

一类含有滞回故障非线性系统Backstepping变结构控制

为解决执行器发生未知故障情况下不确定非线性系统的控制问题,采用一种自适应Backstepping变结构控制方法,建立了包括滞回非线性和失效、卡死等故障类型的非线性执行器模型.通过径向基函数(radial basis function,RBF)神经网络逼近系统中的未知非线性函数项,神经网络参数根据自适应律实时调整,保证了逼近效果.结合动态面控制,避免了Backstepping控制中的计算复杂性问题.引入的自适应补偿项消除了系统建模误差和不确定干扰的影响,理论分析证明了闭环系统半全局一致最终有界,仿真结果验证了该方法的有效性.     

基于RBF神经网络的非线性系统故障诊断

针对一类含模型不确定性的非线性系统，提出了具有强鲁棒性和高灵敏度的在线故障检测与诊断方法．其中，系统只有输入、输出可检测，故障是关于输入和状态的非线性函数．非线性在线估计器用于估计系统不确定部分，同时监视系统是否发生故障，估计故障的大小．仿真结果表明，故障诊断算法稳定．     

一类非线性系统的神经网络控制器设计

针对具有Brunovsky标准型的非线性系统提出一种权系数可在线调节的神经网络自适应控制算法,采用RBF神经网络对系统未知函数进行逼近,并考虑了网络重构误差和外部干扰。利用Lyapunov理论证明了算法能够保证系统的稳定性,仿真结果证明了该方法的有效性。     

基于LAR和在线LS-SVR的非线性时间序列故障预报

针对非线性系统的故障预报,设计了一种在线最小二乘支持向量回归机(LS-SVR)算法,提出了一种基于在线LS-SVR和线性AR(LAR)混合预测的故障预报新方法.用LAR对非线性系统进行局部线性建模,用LS-SVR在线补偿局部线性模型的建模误差,实现了非线性时间序列的一步预测,并推广到N步预测.基于已知的正常时间序列数据,直接对当前N步预测值进行异常估计,实现故障预报,提高了实时性.同时方法的误检率和漏检率还可人为调整,对不同对象具有普遍性.仿真实验证明了方法的有效性.     

基于粒子群优化的神经网络容错控制算法

针对一类非线性系统的传感器故障,将故障诊断与容错控制方法相结合,提出了一种容错控制方法。用BP网络建立传感器故障模型,并用粒子群算法来训练BP网络的参数,在线估计系统的状态和故障参数。然后将故障参数与修正的Bayes分类算法相结合,对传感器故障在线检测、分离和估计,通过补偿算法,实现容错控制。对连续搅拌釜式反应器（CSTR）的仿真结果表明,该方法收敛性好,对传感器故障具有很强的容错能力。     

一种基于BP神经网络的传感器故障诊断方案

针对传感器故障,提出了一种BP网络和修正的Bayes分类算法(MB)的集成故障诊断方法.用BP神经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,再用修正的Bayes算法进行传感器故障的在线检测、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.     

非线性系统传感器故障诊断方法

传感器故障诊断的实施能够保证诊断系统获取实时准确信息,避免因错误的或可疑的信息千造成的负效应,保证数据的正确性,提高数据的可信度。因此,传感器的故障诊断是提高整个故障诊断系统可靠性的重要手段。基于强跟踪滤波器提出了非线性系统传感器故障诊断的一类算法,由于强跟踪滤波器方法是基于参数估计为主的一种方法,将系统的各种邦联都归结为一种参数偏差型邦联进行处理,所以,只要非线性系统的状态及参数是可以辨识的,那     

皮纳卫星姿控系统分层式故障检测

为了实现皮纳卫星的多故障在线检测,提出针对姿控系统的分层故障检测方案. 该方案将系统划分为系统层和器件层,系统层基于卫星动力学与运动学模型设计非线性观测器,实现姿控分系统故障的全局监测;器件层利用动力学模型设计数字动力学陀螺,结合卡尔曼算法新息以及小波分析,实现故障的定位. 通过分层检测,可以支持多器件故障的实时检测,能够检测常见的在轨姿态控制系统故障. 仿真结果表明,该方案能够实现多器件同时故障的检测,适应突变、偏差、恒增益、输出卡死等故障类型,检测准确率达到92%,误检率低于2%;由于采用假设检验取代阈值判断,相对于常规小波阈值检测方法,故障检测结果的可靠性更高,适应更多的故障类型,避免了阈值的选取问题,且节省计算资源,无需大量的历史信息,能够满足在线实时检测要求.     

基于神经网络模型的故障预报技术研究

探讨了故障预报技术的应用及其数值预测方法,给出了神经网络系统模型在预测过程中的算法,把神经网络、预测技术和诊断上结合建立一一个故障预报系统;以空间推进系统气路部分的故障为例,实现了故障的预测。     

基于回卷恢复的数控系统实时容错调度策略

针对数控系统对时间确定性和可靠性的要求,建立混合关联任务集描述模型,提出了基于回卷恢复机制和最佳优先（BF）算法的容错调度策略.该策略对数控系统关键任务的执行过程进行周期性分段验证,通过保存正确的检查点状态,使得出现瞬时故障时任务可以从检查点开始继续执行,从而以较低的计算损失达到容错的效果.与传统的实时容错调度算法相比,基于回卷恢复机制的容错调度策略能很好地适用于数控系统多类型任务并存和任务间相互约束的特点,同时,通过降低错误恢复所需的时间开销,有效地提高了系统的资源利用率.该算法应用于数控系统的有效性在实例分析和算法模拟研究中得到验证.     

变工作点非线性系统的故障诊断方法

提出了一种关于变工作点非线性系统故障诊断研究的新方法,将此类非线性系统用变参数线性系统表示,其中模型参数为可测量工作点及故障的函数。基于基函数神经网络,运用带“遗忘因子”递推最小二乘法估计系统模型参数。此外引入“参考工作点”这一新概念。预先训练出系统在各工作点健康运行时相对于参考工作点运行时的模型参数变化量,当系统在任意工作点运行且出现故障时,可将系统工作点变动和故障发生这两者造成的影响区分开来,然后根据故障诊断决策规则确定故障种类。最后,在某位置伺服系统故障诊断研究中证实了这种方法的有效性。     

基于改进粒子群神经网络的提升机故障诊断

针对BP神经网络对提升机制动系统进行故障诊断存在着收敛速度慢和可靠性差等缺点,提出了一种基于粒子群神经网络的故障诊断方法.根据制动系统故障征兆与故障类型之间的非线性和耦合性,建立了提升机制动系统的故障诊断模型;采用改进的粒子群算法优化BP神经网络的连接权值和阈值,应用于制动系统的故障诊断,缩短了神经网络的训练时间,提高了故障诊断的精度.仿真结果表明该诊断方法具有故障诊断能力强和诊断效率高等特点.     

模糊神经网络技术在铝电解故障诊断中的应用

目的为了提高生产效率、降低成本、安全生产，通过对铝电解故障进行有效的检测和预报，减少铝电解过程中阳极效应、热槽、冷槽故障的发生．方法通过对铝电解故障发生机理和故障发生时相关特征量变化趋势的分析，基于模糊逻辑理论。建立了多级模糊故障检测模型，采用BP神经网络建立了故障分类模型，实现对铝电解故障的检测和预报．结果降低了模糊系统的维度，减少了规则数量，采用多级模糊与神经网络相结合的故障诊断预报的方法，提前了预报时间，提高了预报准确率．结论铝电解模糊神经网络故障诊断方法，有效地降低铝电解的故障发生率，降低了能耗，提高了铝的产量和质量，具有良好的应用前景．     

基于等价空间的无人机飞行控制系统故障检测

无人机(unmanned aerial vehicle, UAV)飞行控制系统的故障检测,对于保障无人机的飞行安全具有重要意义。等价空间方法具有残差与未知初始状态解耦的优势,但随着等价空间阶次的提高,其在线计算量显著增大。针对上述问题,提出一种基于等价空间的无人机非线性飞行控制系统快速故障检测方法。建立无人机飞行控制系统的非线性故障模型,在针对线性离散时变系统的等价空间故障检测方法研究的基础上,利用Krein空间投影来实现残差评价函数的递推计算以减小故障检测计算量。以无人机空速管及升降舵故障检测为例,对算法进行了仿真试验验证。试验结果表明,提出的方法可以实现无人机飞行控制系统的快速故障检测。