基于平衡学习的CMAC神经网络非线性滑模容错控制

以一改进的信度分配CMAC(cerebellar model articulation controllers)神经网络为在线故障诊断的手段,将变结构滑模摔制技术引入容错控制器设计之中,提出一种动态非线性系统主动容错控制方法.在常规CMAC学习算法中,误差被平均地分配给所有被激活的存储单元,不管各存储单元存储数据(权值)的可信程度.改进的CMAC中,利用激活单元先前学习次数作为可信度,其误差校正值与激活单元先前学习次数的-p次方成比例,从而提高神经网络的在线学习速度和精度;在此基础上利用滑模控制算法进行容错控制律的在线重构,实现动态非线性系统在线故障诊断与容错控制的集成.分析了系统的稳定性,仿真结果表明改进故障学习算法及容错控制的有效性.     

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.     

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.     

改进神经网络的传感器故障诊断与容错处理

为提高神经网络对霍尔传感器发生故障诊断率,设计了一种改进神经网络模型,该模型由反向传播(BP)神经网络并行组成,利用算法对各BP神经网络输出进行加权整合,进而得到误差更小的输出结果,并将改进神经网络模型应用于无刷直流电机霍尔传感器故障诊断系统中,利用无位置传感器系统实现霍尔传感器故障容错处理。仿真结果表明:改进神经网络故障诊断准确率达到96%,高于传统BP神经网络,且容错控制系统能够显著降低霍尔传感器故障对电机转速的影响,使电机能够在霍尔传感器故障时正常稳定运行。     

基于混沌优化的多模型容错控制方法

为了提高主动容错控制中故障诊断和容错控制律重组重构的快速性和可靠性,在建立了非线性受控对象正常或故障状态的神经网络模型的基础上,采用带有混沌动态量的自适应BP改进算法整定出系统各种运行模式下的控制律,由此建立了模型库;进而以一种隐形的故障诊断机制,通过对系统性能容忍度和模型失配度的在线计算判断系统的工作状态,并从动态模型库中调用与之匹配的控制律,从而达到容错效果.仿真结果表明,混沌机制的引入为提高系统发生故障时在线进行控制律重组重构的实时性和可靠性提供了一条有效途径.     

飞控系统传感器故障诊断的在线方法研究

传感器是飞行控制系统当中的一个重要组成部分,在系统中往往利用传感器的各个输出来建立飞机的动态状态;因此,实时准确的对传感器进行故障检测和识别可有效地提高系统的安全可靠性;提出一种带有可变遗忘因子的BP神经网络在线递推学习算法,应用改进的算法对飞行控制系统的传感器故障进行实时在线的检测和识别,且利用神经网络的输出对系统进行重构;仿真结果表明提出的方法可准确的对传感器的故障进行故障诊断和容错控制.     

粒子滤波器在移动机器人故障诊断中的应用

针对移动机器人存在的8种不同模式,引入粒子滤波器算法,用于解决移动机器人系统故障诊断问题。基于粒子滤波器的故障诊断算法,通过一组带权值的粒子估计系统状态,计算故障状态的分布情况和故障发生的概率,从而判断是否发生故障以及所发生的故障类型。对粒子滤波器在移动机器人故障诊断中的应用进行仿真实验,并与CMAC神经网络故障诊断方法比较。实验结果表明,采用该方法能有效诊断移动机器人的故障模式,与CMAC神经网络故障诊断方法相比具有优越性。     

基于神经网络改进算法的飞控系统故障诊断

应用神经网络技术对复杂的飞行控制系统进行故障诊断对提高飞机的可靠性和容错能力具有重要意义。为了提高网络的学习效率和稳定性,该文提出一种改进的径向基神经网络学习算法,使用混合共轭梯度优化算法对网络参数进行调整。利用神经网络对某型飞机的飞行控制系统进行故障诊断,仿真结果表明该神经网络具有较强的故障识别能力。     

基于神经网络的非线性系统故障检测及容错控制方法

利用神经网络的非线性建模能力，提出了一种非线性系统的故障检测及容错控制方法。在本方法中，首先应用神经网络设计故障估计器，在线估计系统故障向量，实现故障检测；在此基础上，引入补偿控制器，消除故障对系统运行的影响，从而实现容错控制。同时基于Ｌｙａｐｕｎｏｖ方法进行了稳定性分析。     

开关磁阻电机功率变换器容错控制方法

功率变换器是开关磁阻电机驱动系统易出现故障机构之一,为提高该驱动系统可靠性与容错性,本文以不对称半桥型功率变换器为研究对象,针对功率管短路与开路故障分别提出不同在线容错控制方法.通过对调故障相两功率管工作状态实现斩波功率管短路故障容错控制,基于细菌觅食算法(bacterial foraging algorithm)优化的PI速度控制器来降低转矩脉动以消除常闭功率管短路故障造成的恶性影响,并通过实时在线调整非故障相的导通角与关断角实现功率管开路故障容错控制.仿真与实验结果表明,所提方法能够根据故障诊断详情及时进行在线容错控制,且容错效果良好,无需增加任何硬件结构,操作简单易行,可避免故障运行造成的恶性影响.     

可重构机械臂反演时延分散容错控制

针对存在模型参数不确定性的可重构机械臂系统执行器故障,提出一种基于反演设计与时延技术相结合的容错控制方法.该方法利用反演设计的基本思想,通过神经网络补偿子系统动力学模型中的参数不确定项和关联项.利用时延控制的逼近能力来补偿执行器的故障,使得故障发生时能及时实现容错控制.该方法具有不需要在线进行故障诊断的特点,仿真结果表明了所提出控制方法的有效性.     

双时滞系统的故障诊断和动态最优容错控制

对含有状态时滞和控制时滞的线性时滞系统, 研究系统发生不可直接测量的传感器故障和执行故障时的故障诊断和最优容错控制问题. 首先基于时滞系统的线性变换, 利用Riccati矩阵方程和Sylvester方程设计了故障情况下的最优容错控制律, 并证明了最优容错控制律的存在唯一性. 然后通过构造一种新的含有故障的增广系统的降维状态观测器, 实现了故障的实时在线诊断和系统状态的观测, 解决了最优容错控制的物理不可实现问题. 最后利用故障诊断的结果给出了物理可实现的动态最优容错控制律. 仿真实例验证了故障诊断方法和动态最优容错控制方法的可行性和有效性.     

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.     

基于BP神经网络的矿井提升机自校正容错PID控制

针对矿井提升机系统故障时动态性能难以用传统的解析方法获得的问题,提出了一种基于BP神经网络的矿井提升机自校正容错PID控制方法。该方法通过BP神经网络在线学习跟踪提升机系统的动态特性来预测系统输出值,并应用自适应控制中的自校正PID构建容错控制器,实现提升机系统故障下的稳定容错控制。仿真结果表明,该方法在提升机系统故障情况下能迅速跟踪系统故障状态,在线调整PID参数,快速恢复系统性能。     

含控制时滞系统的实时故障诊断和最优容错控制

研究含有控制时滞的线性系统的故障诊断方法和最优容错控制问题.给出了最优容错控制律的存在唯一性条件,提出了最优容错控制律的设计算法.通过构造增广的降维状态观测器,设计了在线诊断故障的故障诊断器并同时实现了系统状态的观测,解决了最优容错控制的物理不可实现问题.利用观测器的输出得到物理可实现的动态最优容错控制律.仿真实例验证了故障诊断方法和动态最优容错控制律的有效性.     

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。     

遗传小脑神经网络在液位控制中的应用

针对非线性液位控制问题,提出了一种采用遗传小脑模型神经网络（CMAC）的学习控制方法;该控制器采用遗传算法作为CMAC神经网络的学习算法,给出了具体的控制结构和算法;仿真结果表明,该控制器具有良好的处理非线性以及跟踪连续变化信号的能力,并对时变外负载干扰具有明显的抑制作用,而且新型控制器能使用较高的学习速率,学习速度快,适于在线学习控制。     

基于集成神经网络的电机故障诊断

研究异步电机安全控制问题,为解决故障诊断和速度问题,提高电机运行效率,减小早期故障损失,提出了一种基于集成神经网络的电机故障诊断方法。方法采用定子电流和转子振动信号作为电机故障诊断的输入信号,应用改进的BP神经网络进行故障识别,分别用两个诊断子网络进行局部故障诊断,再运用神经网络融合算法进行全局决策的融合,从而提高诊断的准确率。仿真研究结果表明,故障诊断模型具有诊断准确率高、诊断速度快等优点,是一种比较实用的故障诊断方法,对电机进行故障监测、预报具有重要的实际意义。     

基于容错控制的风力发电机运行可靠性研究

根据风力发电机控制系统的特点,融合模糊神经网络故障诊断技术,提出了一种对制动系统的执行器失效故障采用动态硬件冗余的容错控制策略,确保设备运行的安全性与可靠性。并通过具体实验,验证了故障诊断与容错控制方法的有效性。     

小型无人直升机反步自适应控制

针对具有强非线性、高度耦合以及参数不确定性特点的小型无人直升机系统,提出一种基于小脑模型关节控制器（Cerebellar Model Articulation Control,CMAC）神经网络的自适应反步控制方法,该方法采用小脑模型关节控制器神经网络在线学习系统不确定性以及反步控制中各阶虚拟控制量的导数信息,设计鲁棒控制项克服CMAC神经网络在线学习系统不确定性的误差,控制律由反步法回归递推得到。仿真结果表明,在模型参数不确定和存在较大误差的情况下,所设计的控制律具有理想的姿态跟踪性能以及良好的鲁棒性。