基于神經(jīng)網(wǎng)絡(luò)的非高斯非線性隨機(jī)分布系統(tǒng)的故障診斷與容錯(cuò)控制.pdf

1、隨著科技的飛速發(fā)展，工業(yè)系統(tǒng)日益復(fù)雜化，系統(tǒng)故障不可避免地出現(xiàn)在每一個(gè)實(shí)際工業(yè)生產(chǎn)的過程中，因此針對(duì)于故障診斷與容錯(cuò)控制這一方面的研究受到了與日俱增的關(guān)注。近三十年來，該領(lǐng)域的研究已取得很快的發(fā)展，到目前為止，研究界主要采用基于經(jīng)驗(yàn)知識(shí)或信號(hào)處理或解析模型的手段解決相關(guān)的問題。故障發(fā)生后，利用最優(yōu)控制、PI控制、滑?？刂频瓤刂品椒?，使故障發(fā)生后的系統(tǒng)仍能保持穩(wěn)定，并能夠滿足一定的性能指標(biāo)，這個(gè)過程即為容錯(cuò)控制。
　　實(shí)際工業(yè)生產(chǎn)中

2、存在著各種各樣的隨機(jī)干擾，對(duì)隨機(jī)系統(tǒng)進(jìn)行研究十分重要。通常，隨機(jī)系統(tǒng)是在基于系統(tǒng)變量服從高斯分布的假設(shè)下進(jìn)行研究，但是在現(xiàn)實(shí)過程中這一條件并不總能成立。王宏教授提出了隨機(jī)分布控制（SDC）理論，在不滿足高斯輸入假設(shè)的條件時(shí)，仍能控制輸出概率密度函數(shù)（PDF）。
　　從本質(zhì)上講，實(shí)際的系統(tǒng)基本上全是非線性系統(tǒng)。但是，現(xiàn)在對(duì)非線性系統(tǒng)的研究，基本上都是假設(shè)非線性部分滿足Lipschtiz條件，因此對(duì)于非高斯非線性隨機(jī)分布系統(tǒng)故障診斷與

3、容錯(cuò)控制的研究是特別需要的。本文的主要工作為：
　　（1）針對(duì)線性B樣條逼近輸出PDF靜態(tài)模型的非高斯非線性系統(tǒng)，采用T-S模糊模型建立動(dòng)態(tài)模型。利用RBF神經(jīng)網(wǎng)絡(luò)診斷一個(gè)因狀態(tài)變化而引起的漸變故障，并自適應(yīng)修正其權(quán)值，再基于差分進(jìn)化算法優(yōu)化其寬度和中心向量，由此獲得較佳的輸出結(jié)果。在基于滑?？刂圃淼娜蒎e(cuò)控制中，先求出了等效控制律，使系統(tǒng)能夠在滑模面穩(wěn)定，然后設(shè)計(jì)滑?？刂坡?，由此實(shí)現(xiàn)任意位置到達(dá)滑模面的時(shí)間是有限的。最后，在計(jì)算

4、機(jī)MATLAB軟件中設(shè)計(jì)程序，不斷調(diào)試及改善，檢驗(yàn)上述方案的可行性。
　?。?）針對(duì)一類非高斯非線性系統(tǒng)，對(duì)于系統(tǒng)中含有不滿足 Lipschitz條件的非線性項(xiàng)，利用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行逼近，非線性部分的研究更具有一般性，并利用RBF神經(jīng)網(wǎng)絡(luò)對(duì)系統(tǒng)故障進(jìn)行估計(jì)?；谀：刂圃?，設(shè)計(jì)了一個(gè)改進(jìn)的PI主動(dòng)容錯(cuò)控制器，控制器參數(shù)可以通過模糊理論來實(shí)現(xiàn)實(shí)時(shí)調(diào)整，使故障發(fā)生后的PDF可以滿足期望。最后，在計(jì)算機(jī)MATLAB軟件中設(shè)計(jì)程序，不