考虑多故障同发的可重构机械臂分散主动容错控制

针对含有传感器故障及执行器故障的可重构机械臂系统的轨迹跟踪问题,提出一种基于滑模观测器的分散主动容错控制方法。通过引入一个新增状态将传感器故障等效为执行器故障,针对新系统构造滑模观测器,并用模糊神经网络去逼近可重构机械臂各关节间的非线性项及关联项,进而实现对不同类型传感器故障及执行器故障的重构。最后对2个不同构型的三自由度可重构机械臂进行仿真。研究结果表明:该方法不需进行故障诊断,通过实时重构故障,能够及时实现主动容错控制。仿真结果验证了所提方法的有效性。     

容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略：首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性．学习结束后，将该神经网络作为控制器对系统实施控制．对一个具体的线性系统在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器．而且在系统发生未知故障时，同样具有容错性．     

容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略；首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性，学习结果后，将该神经网络作为控制器对系统实验控制，对一个具体的线性控制在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器，而且在系统发生未知故障时，同样具有容错性。     

基于LS-SVM软传感器的容错控制方法及应用

针对一类非线性系统中传感器卡死、恒增益和恒偏差失效等易发故障,考虑控制系统多存在耦合、非线性、时变、滞后等难以建立精确的解析模型,基于数据驱动技术提出一种软传感器容错控制方法.基于LS-SVM构建了系统软传感器,并利用软传感器的预测输出与实际传感器输出之差获取残差信号;采用SPRT算法进行故障检测,当传感器发生故障时,用LS-SVM软传感器预测输出代替物理传感器的实际输出,从而以软闭环方式实现对传感器故障的容错控制.将所提出的方法应用于一阶水箱液位控制系统,实验结果表明,基于LS-SVM软传感器与SPRT的结合能够可靠及时检测非线性系统中各类传感器故障,而借助于软闭环切换还可对传感器故障实现安全容错.     

基于指数稳定性理论的容错控制

研究了连续多变量系统的容错控制问题,针对传感器故障和执行器故障,基于指数稳定性理论,提出了一种新的容错控制器设计方法,并用设计示例及仿真结果验证了该方法的有效性.     

电机驱动系统电流传感器故障诊断与容错控制

为有效解决电机驱动系统中的常见的电机电流传感器故障诊断与容错控制问题,结合Luenberger状态观测器与修正Bayes分类算法,提出了一种有效的传感器故障诊断与容错控制方法。该方法以一种可调增益矩阵的Luenberger状态观测器模型为基础,实现各种工况下电流值的实时估计。基于残差生成单元和修正的Bayes分类算法对故障传感器进行实时检测与定位,并在传感器故障工况下用观测器估计值代替电流传感器信号实现电机驱动系统的容错控制。仿真结果表明,本文所提算法能快速诊断出故障传感器并具有容错控制功能,可有效提高电机驱动系统可用性。     

基于神经网络PID控制的电液开口机构系统仿真

针对传统PID控制方法不能满足电液开口机构控制系统自适应力要求的问题,提出一种基于神经网络PID自整定算法.首先,建立神经网络模型,在神经网络PID控制过程中,由传感器检测并反馈液压系统的位移信息;其次,将得到的位移信息经过神经网络对PID的参数进行在线调整.仿真实验结果表明,本算法的电液开口机构超调量小,稳态精度高,系统运行平稳,自适应能力明显增强.     

基于霍尔传感器故障的PMSM容错控制算法

针对永磁同步电机矢量控制中存在的霍尔传感器故障问题,基于无传感器技术提出一种电机容错控制算法.根据霍尔脉冲序列进行故障与速度检测,采用脉振高频电压注入法与sigmoid新型滑模观测器实现低速、中高速范围容错控制,结合加权函数实现2种无传感器算法的有效过渡,并采用线性电角度补偿方法减少霍尔传感器模式与无传感器模式切换过程...     

一种永磁同步电机容错控制方法

速度传感器是永磁同步电机矢量控制系统的重要组成部分,当其出现故障时会严重影响系统的性能。设计永磁同步电机矢量控制系统和滑模观测器,并在此基础上实现了在速度传感器出故障后的容错控制。为使速度传感器出现故障后,系统由带速度传感器矢量控制方式可以平滑地切换到无速度传感器矢量控制,提出一种基于数据融合技术的容错控制方案。Matlab仿真验证了所提出的控制方法的有效性。     

基于神经网络预测器的单传感器故障检测方法

目的 研究单传感器的故障检测方法,方法 提出了神经网络预测器用于单传感器故障检测的实现方法,并给出了神经网络预测器的在线和离线学习算法。结果 本方法只需要一个传感器的输出信号就可检测系统中的传感器是否发生故障,如果对系统中多个传感器建立神经网络模型,可以检测控制系统中多种类型的以及多个同时发生的传感器故障。结论 用汽车发动机仿真实验可以表明本方法是行之有效的。     

基于FFT的概率神经网络故障诊断模型

无人机的执行器和传感器系统受到材料与环境等诸多因素的影响, 容易发生各类故障, 严重时甚至会造成坠机, 因此实现无人机早期故障的有效诊断对预防飞行事故具有重要意义. 本文以六旋翼无人机Simulink模型作为研究对象, 针对飞行器电机和角速度传感器的早期故障, 提出了一种基于快速傅里叶变换（Fast Fourier Transform, FFT）的概率神经网络故障诊断模型. 首先, 在Simulink平台上对六旋翼无人机进行飞控模型的建立; 然后采用FFT对数据进行有效的时频分析; 最后基于MATLAB设计并建立概率神经网络模型, 利用FFT数据进行故障分类, 实现无人机的故障诊断.     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF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，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进行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。     

容错神经网络的计算机辅助设计系统研制

介绍了自行开发的容错神经网络的计算机辅助设计系统ｆｔｎｎＣＡＤ的概念模型、总体设计及详细设计，讨论了容错性能评价问题．     

Robust fault tolerant control of uncertain time-delay linear systems

Robust fault tolerant control for a class of time-delay linear systems with parameter uncertainties is studied, and a time-delay related state feedback control is proposed. On the basis of Lyapunov method , we prove that the proposed control law has integrity against sensor and/or actuator failures if the correspondent sufficient condition can be satisfied. A heuristic algorithm is also provided to facilitate the realization of the fault tolerant control. Finally, a simulation example is presented to show the effectiveness of the proposed approach.     

一种在线检测与预测传感器故障的方法研究

分析了人工神经网络和模糊逻辑，并结合二者各自的优势，针对传感器故障检测的特点，提出一种对传感器故障在线检测与预测的方法。该方法采用在线学习训练网络，并给出传感器的预测信号，对传感器是否发生故障做出检测，仿真实验证明，该方法对传感器的故障能在线做出准确的检测，同时隔离故障传感器并为系统和设备提供临时的预测信号。     

传感器故障诊断方法研究

传感器故障诊断是当今研究的热点领域。本文采用理论推导的方法详细介绍了基于模型的传感器故障诊断方法：卡尔曼滤波法、多重假设检验等方法;也介绍了不基于数学模型的传感器故障诊断方法：表决法、神经网络法等,并对模型法和神经网络两类故障诊断方法的优缺点进行了分析和对比;最后,还分析了现有故障诊断方法的发展趋势。     

基于RBF神经网络的温度传感器故障诊断

采用RBF神经网络进行温度传感器故障检测,利用TE （Tennessee-Eastman）控制系统中的温度传感器的输出信息建立动态神经网络温度传感器输出模型,并利用该模型进行在线的故障检测,仿真结果表明该模型有很强的抗干扰性,同时还有较好的收敛性和稳定性.     

一类非线性不确定时滞系统的鲁棒容错控制

基于Lyapunov稳定性理论,针对一类具有非线性不确定的时滞系统,提出了鲁棒容错控制器的设计方法.就传感器失效故障和执行器失效故障2种情况,在非线性不确定性满足增益有界条件下,通过求解线性矩阵不等式(LMI)分别给出了在正常情况下和有失效故障情况下闭环系统都能渐近稳定的充分条件和控制器设计方法.该方法利用LMI可方便地得到容错控制器设计结果.设计实例和仿真结果验证了该方法的有效性.     

多深度学习模型决策融合的齿轮箱故障诊断分类方法

针对齿轮故障诊断中单一传感器采集信息不完全、容错性不佳及一种神经网络模型具有局限性,传统信号处理技术提取特征困难等问题,提出了多深度学习模型决策融合的齿轮箱故障诊断分类方法,构建了基于CNN(Convolutional Neural Networks)和改进SDAE(Stacked Denoising Autoencoders)的混合网络模型,根据改进的D-S证据理论实现决策级融合诊断。以时频信号作为CNN的输入,以频域信号作为SDAE的输入,采用Adam优化算法和dropout、批量归一化技术训练该混合模型。实验结果表明,利用该融合方法对齿轮进行故障诊断相比单个的网络模型CNN和SDAE诊断正确率有所提高,为齿轮故障智能诊断分类提供了新路径。