基于神经网络模糊观测器的非线性系统的故障诊断

本文运用T-S模糊模型建立非线性系统的系统模型,用神经网络逼近非线性故障,用以设计观测器诊断系统故障。仿真结果表明,该设计方法能够有效的估计出故障大小。     

基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用

针对非线性系统多传感器故障诊断时出现的检测准确性下降和数据重构产生的残差污染问题,提出了基于鲁棒输入训练神经网络非线性多传感器故障诊断模型.在目标函数中引入影响因子函数和可靠性系数,并通过计算机模拟和仿真确定最佳影响因子函数形式,抑制了多个含有显著误差故障数据的不良影响,并增加了具备高可靠性的重要数据影响权重,大大减小...     

一类非线性时滞系统的鲁棒故障诊断

讨论了一类非线性时滞系统执行器故障的鲁棒故障诊断问题.通过引入一种适当的坐标变换,将一类非线性时滞系统转化为两个低维子系统,研究与非线性项无关子系统的基于状态观测器的鲁棒故障诊断系统设计问题,借助线性矩阵不等式(LMI)技术,推导出依赖时滞大小的解存在的条件以及观测器增益矩阵的求解方法.仿真算例验证了该方法的有效性.     

非线性不确定组合系统基于观测器的鲁棒分散镇定

讨论了一类组合系统的变结构鲁棒观测器的设计及这类系统基于估计状态反馈分散镇定问题。所设计的变结构观测器使得观测误差渐近趋于零 ,同时基于估计状态所设计的鲁棒分散控制器确保闭环系统是渐近稳定的     

非线性摄动时滞系统故障诊断

针对一类含有未知输入和非线性摄动的状态时滞系统,采用基于自适应观测器的故障诊断系统的设计方法,以线性矩阵不等式的形式给出此问题解的存在条件及求解算法,并论证了系统的鲁棒稳定性,给出了对故障检测具有高灵敏度、零误报率的阚值判断公式.设计的自适应观测器具有双重功能:首先作为故障检测观测器能够检测出故障的发生,然后作为故障诊断观测器能够理想地估计出故障随时间的变化曲线.此算法既能诊断突变故障,又能诊断缓变故障.仿真结果表明算法具有良好的诊断性能.     

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.     

一类不确定系统的故障诊断滤波器设计LMI方法

基于给定的性能指标,将受模型不确定性影响的线性不确定系统的基于观测器的鲁棒故障检测滤波器设计问题归结为H∞优化问题。通过选取适当的加权矩阵和观测器增益,使残差信号和加权故障信号之间的误差的范数最小。仿真例子说明了方法的有效性。     

一类不确定系统的故障诊断滤波器设计LMI方法

基于给定的性能指标,将受模型不确定性影响的线性不确定系统的基于观测器的鲁棒故障检测滤波器设计问题归结为H∞优化问题.通过选取适当的加权矩阵和观测器增益,使残差信号和加权故障信号之间的误差的范数最小.仿真例子说明了方法的有效性.     

SVM用于非线性系统故障诊断

支持向量机引入核函数后具备了处理非线性数据的能力,被广泛用二非线性系统故障诊断.通过实验对比分析支持向量机线性核函数和径向基核函数的分类性能,实验结果表明,径向基核函数具有更广泛的适用性,不仅适用二线性系统数据分类,也适用二非线性系统故障诊断,且速度更快.     

基于观测器的一类Lipschitz非线性系统鲁棒控制器的设计

讨论了一类Lipschitz非线性系统基于观测器的鲁棒镇定问题,所考虑的系统具有非线性时变扰动项,设计了状态观测器与状态反馈控制器使得其能够镇定一类Lipschitz非线性系统.利用Lyapunov稳定性理论和线性矩阵不等式(LMIs)方法,给出了该系统基于观测器的鲁棒镇定的充分条件,并通过求解LMIs构造了系统鲁棒稳定的基于观测状态反馈的控制器,所得结果减少了控制器设计的盲目性.最后,通过仿真实验证明了该方法的可行性.     

可诊断非线性电路直流故障的神经网络方法

测后诊断速度和诊断精度是模拟电路故障诊断性能的主要衡量指标。文中将神经网络的自学习和分类技术应用于非线性电路直流故障诊断，把反向传播（ＢＰ）网络训练成一部能诊断软、硬单故障的故障字典。考虑元件参数容差对诊断的影响，提出了优选训练样本的具体方法。此外，重新定义了ＢＰ网络的输出误差函数，使网络在训练时有较大的自由度。ＢＰ网络高度并行的信息处理能力决定了这种新型故障字典的诊断速度非常快。仿真实验结果表明，神经网络方法的综合性能要优于传统的故障字典法。     

基于神经网络的船闸故障诊断专家系统研究

针对传统故障诊断专家系统所存在的问题,提出了一种基于神经网络的故障诊断专家系统模型,并且把此模型应用到船闸的故障诊断上.详细介绍了基于神经网络的船闸故障诊断专家系统的结构及各功能模块的设计,并且给出了系统的仿真结果.     

Fuzzy fault diagnosis system of MCFC

A kind of fault diagnosis system of molten carbonate fuel cell (MCFC) stack is proposed in this paper. It is composed of a fuzzy neural network (FNN) and a fault diagnosis element. FNN is able to deal with the information of the expert knowledge and the experiment data efficiently. It also has the ability to approximate any smooth system. FNN is used to identify the fault diagnosis model of MCFC stack. The fuzzy fault decision element can diagnose the state of the MCFC generating system, normal or fault, and can decide the type of the fault based on the outputs of FNN model and the MCFC system. Some simulation experiment results are demonstrated in this paper.     

一种混合型训练方法在感应电动机故障诊断中的研究

针对感应电动机故障征兆与故障模式之间的复杂性和实际系统中的非线性给故障诊断带来的困难,采用一种把放大网络梯度函数(MGF)和附加动量项的自适应学习速率(ABPM)算法相结合的混合型方法(MABPM)建立感应电动机的神经网络故障诊断模型.通过与附加动量项的标准BP算法、ABPM算法、Polak-Ribiere共轭梯度算法和RPROP算法相比较,表明了MABPM算法具有更好的泛化稳定性和全局收敛性,故障诊断的平均准确率高于其他算法,并具有良好的诊断效果.     

基于RBF神经网络的锅炉燃烧系统故障诊断

为了提高锅炉燃烧控制系统的可靠性,针对热力系统自身的特点,基于热力系统的解析冗余理论,提出用RBF神经网络构建状态观测器,对传感器和执行机构进行故障检测与诊断的新方法。采用正交最小二乘法(OLS)训练神经网络。在锅炉负荷控制系统中采用这一方法,对传感器和执行机构构建状态观测器,通过分析比较传感器及其观测器输出和残差、执行机构及其观测器的输出和残差,就可以进行故障诊断。实验结果表明:该方法可以有效地进行锅炉燃烧控制系统故障检测和诊断。     

矿井通风机实时监测与故障诊断的智能系统

针对矿井通风机系统参数难以测定和故障率较高的特点，提出将多层前向传递神经网络应用于通风机系统控制的方法，利用BP算法训练神经网络，从而实现矿井通风机数据的实时监测及系统的故障诊断并报警。该控制算法对被控对象的数学模型依赖程度较低，为非线性系统的控制提供了一种行之有效的研究方法。     

递阶结构进化神经网络在故障诊断中的应用

主要研究进化神经网络在旋转机械故障诊断中的应用 ,提出了一种基于递阶结构的遗传算法与进化规划相结合的神经网络学习新算法 ,利用该算法可以同时对网络进行结构优化和权重求解。通过旋转机械故障分类应用实例 ,与传统的 BP训练算法作了比较 ,证明基于递阶结构的进化神经网络算法不仅在权重训练方面比传统 BP训练算法更加快速稳定 ,避免陷入局部极小点 ,而且同时对网络结构进行了优化 ,得到了结构更为简捷的旋转机械故障分类网络     

矿井通风机振动故障诊断

针对矿井通风机振动参数难以测定和故障率较高的特点,利用神经网络建立了通风机振动故障诊断模型.采用BP算法,选择合适的训练步长及动量因子,使网络训练速度加快.研究表明:BP神经网络对被控对象的数学模型依赖程度较低,能够很好的实现通风机的故障诊断,为非线性系统的控制提供了一种行之有效的研究方法.     

基于神经网络专家系统的卫星姿态确定系统故障诊断

介绍了一种基于人工神经网络与专家系统相结合的智能故障诊断系统,将专家系统与神经网络结合运用取长补短,发挥各自的优势.给出了系统的结构组成,并具体描述了神经网络专家系统的工作原理.采用的RBF网络有效地克服了BP网络收敛速度慢,且易陷入局部极小的缺陷.同时利用神经网络的并行处理功能,有效地解决了传统专家系统的推理复杂、时间冗余等缺点.仿真结果证明了该方法应用于卫星姿态确定系统的故障诊断是有效的.     

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。