復(fù)雜非線性系統(tǒng)故障檢測(cè)與故障預(yù)報(bào).pdf

1、論文主要運(yùn)用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行非線性系統(tǒng)故障檢測(cè)和故障預(yù)報(bào)方面的研究。特別針對(duì)模型未知的非線性系統(tǒng)，研究了時(shí)間序列分析和神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障預(yù)報(bào)方法。全文的主要內(nèi)容如下： 首先，論文討論了一類不確定非線性系統(tǒng)的快速故障檢測(cè)問(wèn)題。提出一種利用神經(jīng)網(wǎng)絡(luò)構(gòu)造的全階未知輸入觀測(cè)器結(jié)構(gòu)，將系統(tǒng)不確定性和故障分別作為系統(tǒng)的兩種未知輸入，并通過(guò)在故障觀測(cè)神經(jīng)網(wǎng)絡(luò)權(quán)值的調(diào)整規(guī)律中引入死區(qū)函數(shù)，提高了故障觀測(cè)對(duì)系統(tǒng)不確定性的魯棒性。 在定義

2、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)差異度的基礎(chǔ)上，提出了利用免疫算法選擇網(wǎng)絡(luò)個(gè)體的神經(jīng)網(wǎng)絡(luò)集成方法。通過(guò)保持網(wǎng)絡(luò)間的結(jié)構(gòu)差異，提高神經(jīng)網(wǎng)絡(luò)集成預(yù)測(cè)的泛化能力。在簡(jiǎn)化的T細(xì)胞介導(dǎo)免疫過(guò)程的基礎(chǔ)上，利用RBF神經(jīng)網(wǎng)絡(luò)構(gòu)造了一種免疫控制器結(jié)構(gòu)。利用控制器的輸出能夠準(zhǔn)確及時(shí)地報(bào)告系統(tǒng)故障的發(fā)生。 其次，針對(duì)殲擊機(jī)等復(fù)雜工程系統(tǒng)建模困難、工作情況多樣、試驗(yàn)困難且代價(jià)高昂的特點(diǎn)，提出了一種改進(jìn)K近鄰密度估計(jì)方法，設(shè)計(jì)了一種完全既不需要系統(tǒng)數(shù)學(xué)模型也不需要故障訓(xùn)練

3、數(shù)據(jù)和先驗(yàn)知識(shí)的實(shí)時(shí)故障預(yù)報(bào)器。在系統(tǒng)運(yùn)行的同時(shí)實(shí)現(xiàn)學(xué)習(xí)和預(yù)報(bào)，克服了先驗(yàn)數(shù)據(jù)的獲取困難。同時(shí)該預(yù)報(bào)器還具有速度快、誤檢率和漏檢率可人為調(diào)整的特點(diǎn)；設(shè)計(jì)方法簡(jiǎn)單。 接著論文針對(duì)模型未知非線性系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)和時(shí)間序列相結(jié)合的方法進(jìn)行故障預(yù)報(bào)研究。 將由系統(tǒng)的輸入輸出變量組成的非線性時(shí)間序列通過(guò)空間嵌入的方法轉(zhuǎn)化為一個(gè)離散動(dòng)態(tài)系統(tǒng)，通過(guò)對(duì)系統(tǒng)狀態(tài)的觀測(cè)實(shí)現(xiàn)時(shí)間序列的預(yù)測(cè)。利用一個(gè)線性AR模型擬合時(shí)間序列的線性部分，用神經(jīng)

4、網(wǎng)絡(luò)擬合時(shí)間序列的非線性部分并補(bǔ)償外界未知的擾動(dòng)。從而實(shí)現(xiàn)故障的多步預(yù)報(bào)。 針對(duì)重構(gòu)得到的離散線性時(shí)變系統(tǒng)，提出了基于未知輸入觀測(cè)器的非線性時(shí)間序列預(yù)測(cè)方法。以實(shí)時(shí)擬合時(shí)間序列的線性AR模型作為時(shí)變系統(tǒng)的已知線性部分，將擬合誤差作為時(shí)變系統(tǒng)的未知輸入，實(shí)現(xiàn)了系統(tǒng)狀態(tài)的多步預(yù)測(cè)。通過(guò)未知輸入的預(yù)測(cè)值和狀態(tài)的預(yù)測(cè)誤差的變化可以方便地實(shí)現(xiàn)故障預(yù)報(bào)。 提出了一種非線性系統(tǒng)的局部線性辨識(shí)方法并應(yīng)用于模型完全未知的非線性系統(tǒng)。在局部

5、的切空間上對(duì)系統(tǒng)進(jìn)行線性建模和預(yù)測(cè)，同時(shí)利用在線學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)補(bǔ)償局部線性模型的建模和預(yù)測(cè)誤差。利用辨識(shí)得到的混合模型的預(yù)測(cè)誤差可以預(yù)報(bào)故障的發(fā)生，同時(shí)還可以得到故障的位置和大小等信息。 利用CARMA建模，構(gòu)造描述非線性時(shí)間序列的線性時(shí)變方程。以此為控制對(duì)象，設(shè)計(jì)最優(yōu)跟蹤控制律，補(bǔ)償局部線性模型的建模和預(yù)測(cè)誤差。利用最優(yōu)跟蹤控制律預(yù)報(bào)故障比利用預(yù)測(cè)誤差預(yù)報(bào)故障的快速性更好，誤報(bào)率更低，并且對(duì)建模誤差和外界擾動(dòng)具有魯棒性。