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.     

执行器故障检测的神经网络观测器方法

针对一类非线性系统,提出了一种用于执行器故障检测的神经网络观测器方法·这种非线性系统具有未知非线性函数,不需要满足结构匹配条件,并且不要求系统状态可测·观测器利用神经网络器逼近系统中的未知非线性项,提高了状态估计的精度·估计的残差提供了故障检测的手段,另一方面利用自适应律进行故障的识别·基于李亚普诺夫方法,从理论上证明了状态估计误差稳定且渐近收敛到零·最后,仿真结果表明该方法的有效性·     

基于中间估计器的非线性广义马尔可夫跳变系统的故障估计

针对具有全局利普希茨非线性的广义马尔可夫跳变系统,研究了当执行器故障和传感器故障并存时系统的故障估计问题.首先,将原系统的状态向量和传感器故障向量扩展为辅助状态变量,得到增广系统.然后通过引入一个中间变量,提出了一种基于中间变量的估计器设计方法,用于估计原系统的状态、执行器故障以及传感器故障.通过构建输入到状态稳定李雅普诺夫函数,证明了广义误差系统对于故障函数的导函数是输入到状态稳定的,这意味着当故障函数的导函数随着时间收敛于0,误差系统也是渐近收敛的.最后通过一个数值算例验证了方法的有效性.     

基于RBF神经网络的传感器非线性故障鲁棒诊断

针对一类非线性系统,传感器非线性故障情形,提出了新的故障诊断方法·该方法采用状态变量扩展技术将传感器故障转化为系统故障进行诊断,RBF神经网络对传感器故障的导函数进行估计,网络权值在线调整,进而实现故障的实时估计·对于系统中存在的不确定性,故障诊断方法应用阈值处理技术,使算法具有一定鲁棒性·对于给出的算法,证明了Lyapunov稳定性·最后,给出了仿真实例,结果验证了该方法的正确性·     

一类非线性系统的快速鲁棒故障诊断

.结合在线估计器和滑模观测器方法,基于所给出的一种新的自适应学习算法,提出了一种针对非线性不确定系统的鲁棒故障诊断方法.滑模观测器可以消除建模不确定性的影响以得到准确的状态估计,而在线估计器可以实时估计故障的大小.在此,基于李亚普诺夫函数,在理论上证明了所给出的状态和参数估计误差都是一致有界的;针对三容水箱DTS200所做的仿真实验,其结果验证了该方法的可行性.研究结果表明,由于滑模项的引入,使得该方法的故障检测时间大大缩短,其性能比Polycarpou所提出的在线估计器方法的性能要好.     

基于强跟踪多模型估计器的作动器故障诊断

在多操纵舵面飞机的自修复飞控系统中,快速准确地获得作动器的故障信息至关重要。该文将多模型思想与强跟踪滤波器相结合,在多模型自适应估计方法的基础上,提出了一种基于强跟踪多模型自适应估计器的作动器故障诊断方法。该方法改进了多模型自适应估计方法的不足之处,具有较好的鲁棒性和较强的自适应能力。它适用于非线性系统,能在线快速地检测出故障,并能较准确地估计出故障的大小。通过对各种作动器故障的仿真,验证了该算法的有效性。     

一种双故障情形的主动滑模容错控制方法

针对非线性系统发生多故障情形的主动容错控制,利用平衡学习的CMAC神经网络作为故障诊断的手段,在线估计故障函数,用滑模控制算法进行容错控制律的在线重构,实现非线性系统主动容错控制。以一双故障模式为例进行仿真,结果证明所提方法有效。     

具有干扰解耦能力的鲁棒在线故障诊断

针对一类带有未知输入干扰和模型不确定性系统,提出了一种新型鲁棒在线故障诊断方法,该方法综合应用带有未知输入状态观测器技术和RBF神经网络的在线建模能力,利用状态观测误差实时调整RBF神经网络的权值,使其不但能在线实时检测、分离、估计故障信号,而且对未知输入干扰具有解耦能力,对有界模型不确定性具有鲁棒性,给出了该方法的鲁棒性和灵敏度的分析结果,仿真结果表明了该方法的有效性。     

基于粒子滤波的分布式智能故障诊断系统研究

针对传统故障诊断系统硬件结构以及故障识别算法过于复杂的问题,提出并研究了一种基于粒子滤波的分布式智能故障诊断系统.该系统采用ZigBee无线传感网络实现系统分布式多变量参数的实时采集,基于粒子滤波算法在线处理各变量数据,并基于简易模式识别算法获得系统真实状态的准确估计,实现系统故障的智能诊断与故障预示.智能故障诊断系统由ZigBee无线传感数据采集网络、粒子滤波算法、系统状态模型和故障模式识别四部分构成.粒子滤波算法基于粒子序贯重要性重采样和蒙特卡洛方法对传感器采集数据滤波,抑制或消除干扰及显著性误差对系统状态估计的影响,可避免粒子退化.故障模式识别就是求取与粒子滤波输出的系统状态估计曲线残差之和最小的系统状态模型.智能故障诊断系统的实现和实例实验结果表明该系统能实现对象的远程监测、对象状态的精确估计、对象故障的准确诊断,拓宽了分布式传感网络的应用范围,并具有成本低、可靠性高、实时性好和易实现的优点.     

一种基于小波变换与神经网络的传感器故障诊断方法

传感器故障诊断在化工生产中有着重要地位。该文以小波变换与神经网络方法为基础,提出了一种传感器故障诊断的方法。该方法能够有效区分传感器故障造成的信号变化与过程本身正常波动造成的信号变化,同时在训练神经网络时只需要系统正常状态下的样本,克服了传感器故障样本稀少的困难。此外,该方法可以在传感器发生故障后估计出正常的模拟信号。实验证明,该方法能够有效完成故障诊断,并可以判断出传感器的故障类型。     

基于小波神经网络的一类非线性系统的故障检测

针对一类非线性系统,提出一种小波神经网络(wavelet neural network,WNN)自适应故障检测方法。WNN具有较强的泛化能力及不同的激活函数。通过设计自适应状态观测器技术,利用小波神经网络观测器良好的观测性能来观测系统的当前状态,并将其应用于一类非线性系统中,实现故障检测与诊断。利用Lyapunov直接方法从理论上证明了小波神经网络故障检测观测器的稳定性,仿真结果亦表明了该非线性系统故障检测观测器的可靠性和稳定性。     

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动力学特性,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。     

基于非线性主元分析的水轮机调节系统传感器故障诊断

利用现场的运行数据,将基于输入训练神经网络的非线性主元分析(PCA)方法应用到水轮机调节系统传感器故障诊断中,讨论了基于输入训练神经网络的非线性主元分析实现方法,建立了输入训练神经网络和反向传播网络,实现了对实测数据的重构,讨论了利用平方预测误差(SPE)进行故障检测和识别的方法,并用现场实测数据对该方法进行了仿真。仿真结果表明,该方法有效且实用。     

基于故障诊断观测器的非线性时滞时变奇异系统的容错控制

为了解决控制理论中的系统安全性与可靠性问题,考虑到时滞时变普遍存在于此类系统中,沿着故障诊断和容错控制解决问题的思路,针对基于故障诊断观测器的非线性时滞时变奇异系统的容错控制问题进行研究,构造了一种新型的故障诊断观测器,结合Lyapunov稳定性理论研究了故障诊断观测器的状态估计误差,构建了状态反馈的容错控制器,利用Schur补引理以及一些基本的控制理论得到了故障诊断观测器和容错控制器存在的线性矩阵不等式(LMI)的充分条件,确定了闭环系统的稳定并且符合所给定的性能指标。通过Matlab仿真实例验证了所提方法的简便性以及实用性。此方法很好地克服了系统中存在的非线性、扰动以及时滞时变问题。     

非高斯随机分布系统的集成故障诊断与容错控制

针对一类非高斯非线性随机分布系统,提出了一种集成故障诊断与容错控制算法. 将基于有理平方根模型逼近其系统输出概率密度函数（PDF）,在此基础上给出了基于RBF神经网络观测器的故障诊断算法,诊断出系统发生的渐变故障信息,基于Lyapunov稳定性定理对其观测误差系统进行收敛性分析. 根据故障诊断信息,给出了PI跟踪容错控制策略,使得系统输出概率密度函数仍能够跟踪给定的分布. 仿真结果验证了该集成故障诊断和容错控制算法的有效性.      

基于并联逆的超声波液位传感器故障误差补偿方法

针对过程控制系统(PCS)液位控制单元中超声波液位传感器故障引起的非线性误差,基于神经网络建模方法设计了一种并联逆补偿环节,有效地补偿了故障误差对系统的影响.通过实验分别获得故障传感器与正常传感器测得的液位值,并进行相应的预处理;基于上述离线数据,分别利用LM-BP、径向基函数(RBF)神经网络的非线性逼近特性,设计逆映射中的并联补偿环节;为验证传感器故障误差的补偿效果,基于OPC技术与Matlab搭建了PCS半实体实验平台,将设计的并联补偿环节置于搭建的PCS液位控制单元中进行闭环实验.结果表明,所建方法能有效补偿传感器故障产生的非线性误差,抑制了故障影响在系统中的传播,实体实验也显现了方法的工程可用性.     

基于小波包和RBF神经网络的压电加速度传感器故障诊断

根据压电加速度传感器故障的特点,提出运用小波包变换和RBF神经网络的故障诊断方法。首先运用小波包分解和重构原理将传感器输出信号分解到不同频段中,提取每个频段的能量作为状态监测的特征向量,作为RBF网络的输入,然后利用最佳的RBF神经网络进行压电传感器故障分类。实验结果表明该方法具有良好的非线性跟踪能力,较高的诊断准确率。     

基于HAAR小波和BP神经网络的非线性电路故障诊断

提出了一种基于HAAR小波和BP神经的非线性电路故障诊断方法，该方法采用小波分解作为非线性电路故障信号的预处理器能大大减少神经网络的输入及训练和处理时间.介绍了一种改进的采用动量因子防止局部收敛的BPNN方法后，阐述基于HAAR小波分解提取故障信号中的故障特征的原理.     

基于多级观测器的液压伺服系统自适应故障检测与隔离

针对传统的基于固定阈值的故障检测及诊断方法虚警率高,无法有效实现液压伺服系统的故障检测与隔离,提出了一套基于多级观测器的液压伺服系统自适应故障检测与隔离方法。首先,采用第1级RBF网络作为液压伺服系统观测器,通过比较观测器估计输出值与实际系统输出得到残差信号。其次,采用第2级RBF神经网络产生自适应阈值,实现了液压伺服系统自适应故障检测。最后,采用小波包分析提取残差信号特征,利用第3级RBF神经网络实现系统的典型故障隔离。实验结果表明,利用多级观测器模型能够有效实现液压伺服系统的自适应故障检测及隔离。