一种动态非线性容错控制算法及其在可靠性控制中应用

摘要

以改进的CMAC（cerebellar model articulation controllers）神经网络为在线故障诊断的手段,提出一种动态非线性系统自适应容错控制方法。在常规CMAC学习算法中,误差被平均地分配给所有被激活的存储单元,不管各存储单元存储数据（权值）的可信程度,改进的CMAC中,利用激活单元先前学习次数作为可信度。其误差校正值与激活单元前学习次数的负k次方成比例,从而提高神经网络的在线学习速度和精度;在故障在线学习的基础上进行系统的容错控制律的在线重构,实现其在线故障诊断与容错控制的集成,分析了系统的稳定性,并给出了仿真结果。