考虑多传感器故障的可重构机械臂主动取代分散容错控制

针对可重构机械臂系统位置传感器和速度传感器多故障, 提出一种主动取代分散容错控制方法. 基于可重构机械臂的模块化属性, 设计正常工作模式下的分散神经网络控制器. 利用微分同胚原理将子系统结构进行非线性变换, 将传感器故障转化成伪执行器故障, 设计分散滑模观测器以对多传感器故障进行实时检测, 并利用其输出信号取代故障传感器信号, 实现了多传感器故障情形下可重构机械臂的主动容错控制. 仿真结果表明了所设计的容错控制方法的有效性.     

基于神经网络的电机可靠性控制技术研究

以改进的CMAC(cerebellar model articulation controllers)神经网络作为电机可靠性控制的基础,提出一种动态非线性系统自适应容错控制方法。由于改进CMAC信息融合模型具有连续输出特性,从而解决常规故障诊断方法对电机涌堵故障连续变化情形不能诊断的缺陷。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电机的容错控制律的在线重构,实现电机的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。     

一种容错飞行控制的神经网络方法研究

文章提出了一种新的主动容错飞行控制系统设计方法,可同时进行飞控系统执行器的故障诊断和容错控制;首先建立飞机执行器故障模型,接着应用改进的BP神经网络算法,进行飞行控制系统模型辨识,实时进行故障诊断;然后根据故障诊断信息进行自适应容错控制,为了克服故障系统引起的模型误差和非线性因素的影响,设计了自适应神经网络PID参数整定和动态逆控制器,对飞行控制系统执行器故障进行容错控制,以实现系统的良好模型跟踪和动态性能;仿真结果表明,在保证闭环系统稳定的前提下,实现了执行器的在线故障诊断与容错控制,达到了理想的效果.     

基于T-S模糊神经网络模型的编码器故障软闭环容错控制方法

针对舞台吊杆调速系统中速度反馈元件增量式编码器可能产生的丢码、断码等问题,为防止故障影响的传播,结合数据驱动技术提出了一种基于T-S模糊神经网络(T-S FNN)模型的编码器故障检测与软闭环容错控制方法。首先,利用系统正常运行时的历史数据建立系统较为精确的T-S FNN预测模型,并用实际编码器测量值与模型预测值相减获得残差信息;其次,将其残差实时数据通过改进的序贯概率比检验(SPRT)算法进行故障检测,以克服检测延迟确保故障检测的可靠性,当检测出故障时,再用T-S FNN模型的预测输出替代故障编码器的输出,实现软闭环方式下的容错运行;最后,针对编码器丢码、断码等故障,采用上述方法进行了软闭环容错控制的有效性仿真验证。仿真结果表明,该方法能够快速可靠地检测到编码器故障,并用预测的重构信息通过容错切换机制,及时、安全地以软闭环方式实现了对故障编码器的容错控制,提高了舞台吊杆调速系统运行的安全可靠性。     

考虑传感器故障的导弹姿态控制系统主动容错控制研究

针对导弹姿态控制系统惯性传感器故障,提出了基于信号重构的主动容错控制方法.分别利用基于梯形算法的数值积分器和有限时间收敛微分器对姿态角信号和角速率信号进行重构,当在线诊断出姿态角或角速率传感器故障时,以重构信号代替故障信号进行反馈控制来实现系统的主动容错控制.在建立导弹姿态控制系统模型并采用次最优控制方法设计输出反馈控制器的基础上,对所设计的主动容错控制方法进行仿真,仿真结果表明该方法是有效的.     

一类非线性系统的故障重构与容错控制

针对一类满足Lipschitz条件的仿射非线性系统,提出一种执行器故障重构与容错控制方法。通过非奇异变化矩阵对系统进行降阶,设计出滑模故障重构观测器,优化滑模策略,使滑模故障重构观测器渐进估计系统的状态,并给出稳定性分析。运用等价输出控制方法直接获取故障信息,实现执行器故障的检测与重构。设计出主动容错控制器,通过补偿控制,完成执行器故障的容错控制。最后通过数值仿真验证了方法的可行性与有效性。     

可重构机械臂反演时延分散容错控制

针对存在模型参数不确定性的可重构机械臂系统执行器故障,提出一种基于反演设计与时延技术相结合的容错控制方法.该方法利用反演设计的基本思想,通过神经网络补偿子系统动力学模型中的参数不确定项和关联项.利用时延控制的逼近能力来补偿执行器的故障,使得故障发生时能及时实现容错控制.该方法具有不需要在线进行故障诊断的特点,仿真结果表明了所提出控制方法的有效性.     

改进神经网络的传感器故障诊断与容错处理

为提高神经网络对霍尔传感器发生故障诊断率,设计了一种改进神经网络模型,该模型由反向传播(BP)神经网络并行组成,利用算法对各BP神经网络输出进行加权整合,进而得到误差更小的输出结果,并将改进神经网络模型应用于无刷直流电机霍尔传感器故障诊断系统中,利用无位置传感器系统实现霍尔传感器故障容错处理。仿真结果表明:改进神经网络故障诊断准确率达到96%,高于传统BP神经网络,且容错控制系统能够显著降低霍尔传感器故障对电机转速的影响,使电机能够在霍尔传感器故障时正常稳定运行。     

基于神经网络的无人机传感器故障诊断技术研究

无人机传感器的故障诊断和容错控制是一项关键技术,为了能够实时监测传感器的运行状态、快速定位故障和控制重构,文章采用BP神经网络设计了一种由主、从神经网络构成的无人机传感器故障诊断算法,其中主网络用于传感器的故障检测,从网络完成对故障的识别;该算法减少了故障诊断运算量,提高了故障诊断的实时性;通过仿真研究表明了该算法可以有效地检测、识别出故障,并能给出故障传感器估计值用于容错控制.     

飞控系统传感器故障诊断的在线方法研究

传感器是飞行控制系统当中的一个重要组成部分,在系统中往往利用传感器的各个输出来建立飞机的动态状态;因此,实时准确的对传感器进行故障检测和识别可有效地提高系统的安全可靠性;提出一种带有可变遗忘因子的BP神经网络在线递推学习算法,应用改进的算法对飞行控制系统的传感器故障进行实时在线的检测和识别,且利用神经网络的输出对系统进行重构;仿真结果表明提出的方法可准确的对传感器的故障进行故障诊断和容错控制.     

基于RBF神经网络的全姿态磁航向误差建模与补偿

对磁罗盘系统误差和目前多数文献所提出的全姿态磁航向误差补偿方法的不足进行了分析.针对具有一定俯仰角或横滚角的磁罗盘系统磁航向误差建模和补偿问题,提出了基于径向基函数(RBF)神经网络的修正方法,并与BP神经网络方法进行了比较.在分析算法原理的基础上进行了实验仿真,结果表明:采用RBF神经网络在明显提高网络收敛速度的基础上,大大减小了全姿态磁航向误差,校正效果优于BP神经网络.     

基于BP神经网络的矿井提升机自校正容错PID控制

针对矿井提升机系统故障时动态性能难以用传统的解析方法获得的问题,提出了一种基于BP神经网络的矿井提升机自校正容错PID控制方法。该方法通过BP神经网络在线学习跟踪提升机系统的动态特性来预测系统输出值,并应用自适应控制中的自校正PID构建容错控制器,实现提升机系统故障下的稳定容错控制。仿真结果表明,该方法在提升机系统故障情况下能迅速跟踪系统故障状态,在线调整PID参数,快速恢复系统性能。     

一种改进的神经网络机械故障诊断专家系统

针对传统BP神经网络训练中收敛速度较慢的缺点,提出一种基于L-M算法的神经网络应用于机械设备故障诊断的专家系统。论述了神经网络的专家系统结构,并以7216圆锥轴承试验研究为例,建立了基于该算法的故障诊断模型。仿真结果表明:该模型显著缩短了训练时间,具有较高的准确性。运用该神经网络专家系统进行机械故障诊断是有效的。     

改进的BP神经网络在局域网故障诊断中的应用

现有的网络故障诊断方法存在诸多的不足,为了能够实现准确有效快速地排除网络故障,将人工神经网络的方法应用到对局域网的故障诊断中。先对传统的BP人工神经网络进行了分析,针对其收敛速度慢,存在局部极小值的缺点提出了一种改进后的BP人工神将网络。并先后将传统的以及改进后的两种BP神经网络应用到局域网的故障诊断中。仿真测试结果表明改进后的BP神经网络方法相比传统的BP神经网络方法确实能够更有效快速地完成对局域网的故障诊断,具有一定的应用价值。     

基于BP神经网络的故障诊断模型研究

滚动轴承是旋转机械中最常用的部件之一。滚动轴承很容易损坏，而它的工作条件通常比较复杂，很难对其故障进行准确判断。为了提高滚动轴承故障诊断的有效性，构建了一种新的基于改进量子蜂群算法和BP神经网络的滚动轴承故障诊断模型（IQABC-BP）。首先针对量子蜂群算法在种群初始化和进化过程中存在的问题，提出了一种改进量子蜂群算法，然后利用改进量子蜂群算法对BP神经网络的初始权值、阈值和隐含层单元数进行优化，建立了一种具有超并行超高速的基于改进量子蜂群算法的BP神经网络模型，并应用于滚动轴承的故障诊断中。实验结果表明，IQABC-BP模型收敛速度更快，故障诊断效果更好，具有很好的应用价值。     

磁罗盘误差分析及补偿

磁罗盘已被广泛地应用在民用及军事领域,误差补偿是磁罗盘研究中的一个关键技术.在分析磁罗盘误差的基础上,主要针对对磁罗盘影响最大同时最难控制的磁罗差,提出了一种基于BP网络的补偿方法,并建立以测量航向角为输入、补偿后航向角为输出的三层BP网络模型.实验证明,用该方法可以较好地补偿磁罗差且补偿后航向误差均方差仅为0.392 55.     

改进的BP网络在大坝变形监测资料分析中的应用研究

针对经典BP神经网络运行中存在的缺陷,提出了改进的BP神经网络.应用改进的BP神经网络模型对李家峡拱坝各高程的变形监测数据进行了预测,并将其预测结果与实际测量值进行对比分析.结果表明,改进的BP神经网络模型在数据预测方面取得了很好的效果.     

基于BP神经网络的电子设备故障诊断技术

故障诊断涉及模式分类与识别问题,神经网络对外界输入样本有很强的识别分类能力,能很好地实现非线性曲面的逼近.因此神经网络在设备故障诊断中能很好地得到应用,BP神经网络是目前最为广泛和成功的神经网络之一.介绍了BP神经网络在电子设备故障诊断技术中的应用,讨论了BP神经网络的算法和改进算法及其诊断过程,并对某型电台的故障诊断进行了MATLAB仿真.     

一种基于超限学习机的电子磁罗盘非线性误差补偿方法

针对磁罗盘传感器非线性校正中现有方法的不足,提出采用小波函数和双曲正弦函数作为超限学习机(ELM)的激活函数,并将此改进超限学习机用于磁罗盘的校正.同时,阐述了传感器的非线性校正原理,磁罗盘航向误差模型及改进超限学习机的实现过程,并分别采用BP神经网络法和传统ELM对磁罗盘进行非线性校正.实验结果表明,改进ELM算法补偿后最大误差为0.103°,均方根误差为0.0596°,优于BP神经网络算法(补偿后最大误差为0.5°,均方根误差为0.1805°)和传统ELM神经网络(补偿后最大误差为0.21°,均方根误差为0.1056°).     

基于平衡学习的CMAC神经网络非线性滑模容错控制

以一改进的信度分配CMAC(cerebellar model articulation controllers)神经网络为在线故障诊断的手段,将变结构滑模摔制技术引入容错控制器设计之中,提出一种动态非线性系统主动容错控制方法.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先前学习次数的-p次方成比例,从而提高神经网络的在线学习速度和精度;在此基础上利用滑模控制算法进行容错控制律的在线重构,实现动态非线性系统在线故障诊断与容错控制的集成.分析了系统的稳定性,仿真结果表明改进故障学习算法及容错控制的有效性.