基于神经网络的控制系统故障检测与诊断

摘要

采用前馈型网络对动态系统辨识是神经网络应用到故障检测和诊断中的主要方法之一.为了提高收敛速度和模型精度,该文利用自组织映射网络拓扑有序特性,对系统输入空间进行分割,在子空间中采用多个局部一阶线性模型或二阶模型代替全局模型的局部化方法.局部模型的参数既可和映射网络权值一起在邻域内采用梯度下降法修正,也可结合最小二乘法得到其最佳估计.该方法概念更加清晰,透明性强,仿真结果也表明了其有较强的收敛和逼近性能.该文采用主元分析技术对传感器时序建模,解决了传感器存在间接冗余的故障检测和诊断,扩大了主元分析技术的使用范围,并在线性和非线性对象中的到了应用.