非線性系統(tǒng)的智能故障診斷研究.pdf

1、現(xiàn)代控制系統(tǒng)的復雜性的增加使系統(tǒng)中的傳感器、執(zhí)行器及系統(tǒng)內(nèi)部元器件都不可避免的會發(fā)生故障，無論是從系統(tǒng)安全的角度，還是從經(jīng)濟的角度來說，系統(tǒng)的可靠性與安全性也日益引起人們的關(guān)注。故障診斷技術(shù)是提高系統(tǒng)安全與可靠的技術(shù)之一，因此深入研究故障診斷技術(shù)具有重要的實際意義和應用價值。實際系統(tǒng)由于存在外部干擾和建模誤差等不確定因素影響致使系統(tǒng)呈現(xiàn)非線性，這進而使得系統(tǒng)故障診斷變得復雜與困難。目前，非線性系統(tǒng)的故障診斷技術(shù)的研究是當前研究的熱點內(nèi)容

2、之一。
　　首先，本文介紹了故障診斷的研究背景、主要方法及發(fā)展趨勢，重點研究非線性系統(tǒng)故障診斷智能方法及其應用，對支持向量機、神經(jīng)網(wǎng)絡(luò)的智能故障診斷方法進行分析研究。
　　其次，重點研究智能故障診斷中的RBF神經(jīng)網(wǎng)絡(luò)和支持向量機方法。第一，介紹了徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)，并對算法進行了研究，依據(jù)神經(jīng)網(wǎng)絡(luò)的能夠以任意精度逼近非線性系統(tǒng)的能力，對一離散非線性函數(shù)進行仿真研究，進而為非線性系統(tǒng)故障診斷提供了建模基礎(chǔ)。第二，分析

3、了支持向量機的學習方式，并重點研究回歸型支持向量機的算法，并采用此方法對一非線性動態(tài)系統(tǒng)進行辨識，為智能故障診斷提供了堅實的理論基礎(chǔ)。
　　然后，針對一類非線性系統(tǒng)且存在模型不確定性，提出采用基于 RBF神經(jīng)網(wǎng)絡(luò)魯棒故障診斷方法。系統(tǒng)中僅輸入輸出可測，輸入中包含建模誤差等不確定性項。該方法通過構(gòu)造神經(jīng)網(wǎng)絡(luò)在線逼近器來擬合非線性系統(tǒng)中故障特性，系統(tǒng)中的不確定部分采用了閾值處理方法，保證所算法具有一定的魯棒性，對于給定的算法，采用Ly

4、apunov證明了其穩(wěn)定性，最后通過仿真驗證了該方法的正確性。
　　最后，對存在著嚴重非線性行為的系統(tǒng)，在解析模型難以建立的情況下，提出了采用回歸支持向量機建立模型與預測的故障診斷方法。首先，對一類非線性系統(tǒng)故障，采用支持向量機建立觀測器模型進行故障診斷，并用Lyapunov方法分析了系統(tǒng)的穩(wěn)定性，仿真表明支持向量機能夠準確地診斷出故障；再次通過支持向量機對非線性系統(tǒng)的逼近特性來研究系統(tǒng)中會發(fā)生的傳感器發(fā)生的卡死、恒增益及參數(shù)變化