一类动态非线性系统的主动容错控制方法研究

摘要

本文以动态非线性、有界不确定性故障系统为研究对象，对已有的一种主动容错控制方法进行了更深入的仿真研究．并提出了对多输入多输出(MIMO)系统可以用多个神经网络学习的方法进行故障辨识，进而实现容错控制．具体以基于信度分配的CMAC神经网络作为在线故障诊断的手段，并用离散滑模控制技术实现控制规律的在线重构．在以往的研究中，只是单输入单输出(SISO)针对系统分别发生单突发或者单渐进故障的研究，对多故障情况，例如双突发故障、双渐进故障以及混合性故障情况(先渐进后突发性和先突发后渐进性等故障模式)并没进行研究讨论．而容错控制研究的目的是为了进行实际应用，考虑到实际应用中的复杂性，因此针对此算法还有必要研究其在多故障情况下的容错情况，并进行实例仿真研究． 对多故障主动容错控制来说，需要考虑两个同等重要的问题：一是故障诊断和检测策略问题，二是控制律如何重构的问题．本文具体分析了复杂多故障情况(CMF)发生的可能性因素，并给出了多变量诊断策略(MVDS)的方法和算法，然后利用改进的基于信度分配的CMAC神经网络进行在线故障诊断，基于信度分配的CMAC算法利用激活单元先前学习次数作为可信度；先前学习次数越多，可信度越高，其权值调整越少．但未进一步考虑“新知识学习”与“旧知识遗忘”之间的平衡关系．而改进的基于信度分配的CMAC(ICA-CMAC)神经网络，保留了信度分配的权值学习思想，提出一种“平衡学习

目录

文摘

英文文摘

声明

第1章绪论

1.1课题背景及意义

1.2国内外研究现状

1.2.1非线性系统主动容错控制研究现状

1.2.2多重故障诊断研究现状

1.3本文的主要研究内容和论文构成

第2章多故障情况在线故障学习算法

2.1多故障发生的可能性因素

2.2多故障诊断方法与算法

2.2.1多变量模型形式化定义

2.2.2多故障诊断推理算法

2.3基于信度分配的CMAC

2.4改进的基于信度分配CMAC神经网络(ICA-CMAC)

2.5用多个低维CMAC学习多维函数

2.5.1分解多维函数成低维函数的方法

2.5.2多网络学习结构的训练方法

2.6 小结

第3章基于离散滑模控制的容错控制律重构

3.1离散动态非线性系统的滑模控制

3.1.1离散滑模控制

3.1.2基于神经网络的智能滑模控制

3.2严重故障情况下系统容错控制规律

3.3稳定性分析

3.4小结

第4章故障诊断与容错控制仿真结果分析

4.1双突发故障情况

4.2双渐进故障情况

4.3先渐进后突发性故障情况

4.4先突发后渐进性故障

4.5小结

第5章实例-三容水箱系统应用容错控制仿真

5.1系统模型

5.2仿真结果

5.3小结

第6章总结与展望

6.1总结

6.2展望

致谢

参考文献

附录