基于观测器的一类非线性系统的故障检测

研究一类非线性系统中故障的检测.由于此类的故障分布函数不仅仅只依赖系统中的输入与输出向量,同时也依赖于不可测的状态,所以增加了故障估计中的复杂性.在拟单边Lipschitz的条件下建立了故障检测观测器,最后证明观测器的渐进稳定性以及故障估计误差的一致有界性.     

状态和输入多时变时滞非线性系统的干扰补偿控制器设计

针对干扰波形已知但幅值未知的情况,对于状态和输入均存在多时变时滞的一类非线性系统设计了干扰补偿控制器.由于未知无界干扰的作用将使系统的状态失去控制,必须对干扰进行补偿控制.为得到系统状态和干扰的估计,将干扰系统和受控系统构成增广系统,对此增广系统设计非线性时滞状态观测器,并将干扰估计值作为补偿控制器的输入从而实现对干扰的补偿.     

基于线性化技术的非线性系统故障诊断

针对非线性闭环稳定系统,提出了一种基于线性化技术的故障诊断方法.首先将原系统在其工作点进行线性化处理,在此基础上设计系统的状态观测器,从而得到故障信号的初始估计结果;然后利用状态观测误差和故障估计误差之间的关系对估计结果进行校正,得到最终的故障辨识结果.仿真结果表明了该方法的有效性.     

基于最小二乘估计的非线性离散系统鲁棒故障诊断

对于一类不确定非线性离散系统,提出了一种基于最小二乘估计的故障诊断(FDBLSE)方法.该方法通过构造被诊断系统的状态估计器而得到状态估计误差与故障之间的动态关系,并以此为基础,利用最小二乘直接对故障进行在线辨识.文中分析了故障辨识误差以及诊断方法的鲁棒性、灵敏度和检测时间,并与基于学习的故障诊断方法作了深入比较.FDBL方法不但能够辨识故障,而且能够给出辨识误差的上界,同时还具有辨识时间短、辨识精度高的特点.仿真表明该方法有效.     

应用自组织模糊神经网络估计卫星姿态系统执行机构故障

自组织模糊神经网络可以根据系统状态在线更新权值和调整节点,优化网络结构. 文中针对某卫星姿态控制系统提出了基于两个自组织模糊神经网络的执行机构故障诊断方法. 网络SOFNN1用于健康系统的离线训练,估计出系统的不确定项和扰动项,网络输出结果作为故障检测的阈值参考. 网络SOFNN2在网络SOFNN1的基础上估计执行器故障. 仿真表明,在噪声干扰和系统参数不确定的情况下,在线自组织模糊神经网络结构的方法能很好地估计系统执行机构故障,比固定结构的模糊神经网络估计速度快,因此更具优越性.     

含测量时滞的离散时间随机系统的最优控制器设计

针对网络诱发的时滞系统的状态估计和最优问题,研究离散时间情况下含有测量时滞的网络控制系统在随机白噪声状态下的最优控制问题。提出一种基于离散时间时滞系统的状态最优估计方法,并完成最优状态估计器的设计。构建一个隐含测量时滞的系统,然后利用无时滞转换方法,将含测量时滞的网络控制系统转换为无时滞系统,再采用卡尔曼滤波的方法对系统状态进行估计,得出最优估计方程。实现了针对含有测量时滞的网络控制系统的状态估计,完成最优控制器设计。仿真示例系统的状态响应验证了该方法的可行性和有效性。     

故障系统状态观测器及其在一类非线性系统故障诊断中的应用

首次提出了故障系统状态观测器(FSSO)的概念,分析了FSSO与传统观测器的区别,指出了FSSO的两种可能的结构形式;针对一类满足Lipschitz条件的非线性、有界不确定性系统,提出了一种基于FSSO的新型鲁棒故障诊断方法,分析了诊断方法的鲁棒性和灵敏度.该方法不但能够检测、分离故障,而且能够给出故障信号随时间变化的特性估计.仿真结果验证了该方法的有效性.     

一种基于BP网络的多模型预测主动容错控制方法

针对非线性受控对象,给出了一种基于BP神经网络的多模型预测主动容错控制方案,设计了故障诊断与决策机制的算法步骤,在基于BP网络建立系统正常或故障状态动态模型库的基础上,利用预测控制算法得到控制律,达到对非线性系统主动容错控制的目的．仿真结果表明所述方法的可行性和有效性．     

一类非线性系统的故障估计和预设性能控制

研究了一类带有不匹配故障的非线性系统的故障估计和预设性能控制（PPC）问题，通过基于中间变量的估计观测器方法，设计了一种带有自适应参数更新律的故障估计器和状态观测器，提出了基于预设性能的容错控制方案．证明了系统状态误差和跟踪误差收敛于预先设计的集合内，且所有闭环信号都是有界的．通过仿真实验验证了算法的有效性．     

基于鲁棒时变卡尔曼滤波估计的无人机视觉编队

针对一般多输入多输出不确定系统,提出一种基于鲁棒时变卡尔曼滤波的估计算法. 该方法将时变卡尔曼滤波与自适应神经网络相结合,利用自适应神经网络克服外界非线性不确定因素,采用两个误差信号对其进行训练以提高估计精度,并对估计误差有界性进行证明. 将该方法用于无人机视觉编队视线信息的状态估计,仿真结果表明该算法能够很好地估计不确定机动长机的加速度,实现了僚机对长机的有效跟踪.     

基于混沌的模拟电路故障诊断方法

针对模拟电路故障诊断的神经网络方法中,网络易陷入局部极小、收敛速度慢等缺点,网络结构、权值难以确定等难题,提出一种利用混沌优化神经网络的模拟电路故障诊断新方法.该方法中,将混沌变量引入神经网络结构的优化搜索,使得神经网络的隐层节点数以及所有权参数处于混沌状态中,从而整个网络结构呈现为动态变化.然后从动态的神经网络结构中,根据性能指标来寻找一个全局最优或近似于全局最优的网络结构.最后利用优化的神经网络对模拟电路进行故障定位.利用该方法对模拟电路进行实例仿真,结果表明该算法可以有效、可靠地运用于模拟电路故障诊断中.     

基于神经网络自适应观测器的鲁棒故障检测

提出一种基于动态神经网络的不确定非线性系统鲁棒故障检测方法,该方法通过构造神经网络自适应观测器来获取反映系统故障的残差信息以进行快速的故障检测,并采用Lyapunov稳定理论证明了闭环误差系统的一致最终有界稳定性.针对某型飞机舵面故障的仿真验证了本文方法的有效性.     

一种改进的小波网络与故障检测

提出一种基于改进的小波网络非线性观测器故障检测方法，利用小波网络对任意函数的逼近能力，获得系统的非线性特性，进而能快速实时地计算出残差并进行逻辑判决，仿真试验表明改进后的小波网络较BP网络和未改进的小波网络收敛速度快，效果好。     

考虑输入饱和的直接自适应神经网络跟踪控制

基于Lyapunov稳定性定理和backstepping方法,针对一类受输入饱和限制的单输入单输出非线性不确定系统,提出了一种考虑输入饱和的直接自适应神经网络控制算法. 采用动态面控制方法和直接自适应神经网络控制方法,避免了传统控制设计中的“计算量膨胀”问题和潜在的控制器奇异值问题. 借助一种饱和内补偿辅助系统处理系统中的输入饱和限制问题,以保证系统的稳定性和控制性能. 该算法不但保证了闭环系统信号一致最终有界,而且使系统输出能收敛到零的一个较小邻域. 以大连海事大学远洋实习船“育龙”轮为例进行仿真,验证了所提控制器的有效性.     

基于神经网络的一类非线性系统自适应滑模控制

对一类非线性系统进行简化处理后,结合神经网络逼近方法、自适应滑模控制提出一种新的自适应控制方法.所设计的控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器.滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用.文中用神经网络逼近非线性函数,并将网络权值误差引入到神经网络权值的自适应律中用以改善系统的动态性能.最后给出的仿真算例证明所设计的控制器是十分有效的.     

具有线性输出结构的非线性系统故障诊断和容错控制

研究了一类具有线性输出结构的非线性系统故障诊断和容错控制,利用自适应观测器来构造线性残差,同时构造李亚普诺夫函数,使其一阶导数为负来得到故障估计值,容错控制部分设计了2个自适应观测器,通过控制器重组使故障发生后的系统输出跟踪原系统输出.理论分析和仿真结果证明了该方法的有效性.     

非线性时滞系统状态反馈跟踪控制

针对一类严格反馈非线性时滞系统,采用反推(backstepping)技术,提出了一种状态反馈跟踪控制器的设计方案.采用占有(domination)方法处理系统的非线性时滞函数.在系统非线性函数满足Lipschitz条件的假设下,实现对给定参考信号的全局渐近跟踪,并保证了闭环系统所有信号一致有界.通过构建一个Lyapunov-Krasoviskii泛函,证明了闭环系统的稳定性.最后,通过一个仿真实例说明了所提方案的可行性.     

基于对角递归神经网络的非线性逆动态控制

采用2个对角递归神经网络(DRNN)构成非线性逆动态控制系统，一个用作辨识器，逼近系统的正模型，为逆动态控制提供系统的灵敏度；另一个用作控制器，逼近系统的逆动态模型，再与原系统串联组成伪线性系统．仿真结果表明该控制方法实现了对非线性系统的有效控制。