PL/INS组合导航系统故障诊断

提出了一种模糊基函数网络(FBFN)辅助扩展卡尔曼滤波(EKF)的PL(伪卫星)/INS(惯性导航)紧组合导航系统多故障诊断及识别方法.分析了PL/INS紧组合导航系统观测方程的线性化误差,在此基础上利用FBFN对观测方程泰勒展开式Hessian矩阵进行学习,实际应用中,将FBEN的输出作为EKF观测方程的输入项进行滤...     

基于模糊观测器的不确定非线性系统故障检测方法

给出了一种不确定非线性系统的基于模糊观测器的故障诊断方法。用T-S模型描述不确定非线性系统,从而得到一种新的模糊观测器,并给出了其稳定性约束条件LMI。将模糊观测器和实际系统的输出之差作为残差可对不确定非线性系统进行故障检测。最后给出了一个控制系统感应电机的故障诊断应用实例。     

基于观测器的漂浮基空间机器人模糊神经网络控制

针对自由漂浮状态的空间机器人模型不确定性及外部干扰,并考虑到通常其关节电机运行于低速工况下,测速机难以满足要求,提出了一种速度重构的空间机器人模糊基函数网络控制策略。首先建立空间机器人动力学模型,而后借助观测器来重构速度信息,利用模糊基函数网络的学习能力来同时逼近控制器和观测器中的非线性,动态抵消模型不确定性及系统偏差对速度重构的影响。网络的权值及参数的调整算法在线实时自适应调整,不需要离线学习阶段。仿真结果表明该控制策略能够达到较高的控制精度,对于通常工作在低速工况下的空间机器人具有重要工程应用价值。     

集员辨识与T-S模型相结合的非线性系统建模及其故障检测算法

针对带有未知但有界（Unknown But Bounded．UBB）噪声的非线性系统的建模及其故障检测问题，提出了一种集员辨识与T-s模糊模型相结合的非线性系统建模及其故障检测算法。在建立非线性系统模型时，利用系统正常状态下的运行数据，选用T-S模型对其进行离线建模。首先采用模糊聚类的方法对输入空间进行模糊划分，然后利用T-S模型为参数线性模型的特点，使用参数线性集员辨识算法辨识T-S模型的结论参数。由于集员辨识算法所得到的是参数的集合估计，在系统运行过程中，可以很方便地利用所建模型预测实际系统的输出范围，如果测量所得实际系统的输出不在预测输出范围之内，则可判断系统发生了故障。通过与其他算法相比，验证了本方法的性能。     

网络化飞行器执行机构故障自适应容错控制

针对存在随机短时延和外部干扰的网络化飞行器执行机构故障问题,提出了一种自适应容错控制方法。首先利用扩张状态观测器(Extended State Observer, ESO)对系统不确定性进行估计,并构建了自抗扰控制器对不确定性进行补偿。在此基础上,设计了一种基于跟踪误差的自适应容错控制方法。当执行机构发生未知故障后执行机构指令能自适应逼近设计值,使得重构的控制系统精确跟踪参考模型。最后利用Lyapunov函数方法证明了闭环控制系统的有界稳定。数值仿真校验了所提方法的有效性。     

动态系统模糊马尔可夫建模方法研究

着重讨论基于模糊马尔可夫模型动态系统建模方法 ,研究的问题是用模糊马尔可夫模型 ,根据系统实际输入—输出 ,获得线性和非线性随机动态系统非参数建模的新方法 ,最后 ,给出了随机动态系统仿真的应用实例     

基于RBF网络辨识的挠性卫星姿态自适应控制

为满足挠性卫星姿态控制的更高要求,提出了一种基于径向基函数（RBF）网络辨识的模糊自适应控制方法。根据卫星姿态动力学方程,将RBF辨识网络引入模糊神经网络的T-S模型,以辨识卫星,在线修改模糊神经控制器（FNC）参数,使卫星的姿态角度达到设定值。仿真结果表明：该法能有效克服卫星的不确定性,提高卫星姿态的控制精度。     

基于模糊干扰观测器的空天飞行器轨迹线性化控制

针对一类多输人多输出非线性不确定系统，提出了基于模糊干扰观测器（FDO）的轨迹线性化控制（TLC）方法并应用于空天飞行器（ASV）飞行控制系统设计。利用模糊系统具有以任意精度逼近非线性函数的能力设计FDO对未知干扰和不确定进行估计，并通过鲁棒控制项来提高系统的性能。采用Lyapunov方法本文证明了闭环系统跟踪误差和干扰观测误差一致最终有界。最后利用所提出的控制方案设计了ASV飞行控制系统，仿真结果表明了控制方案的有效性和鲁棒性。     

基于T-S模糊模型的导弹网络化控制系统建模与控制

将时延的不确定性转换为系统状态方程系数矩阵的不确定性,基于T-S模糊模型对具不确定时延的导弹网络化控制系统(NCS)进行了离散建模。用Lyapunov理论分析了系统稳定性,由线性矩阵不等式(LMI)方法给出了模糊状态反馈控制器设计方法。仿真结果表明:该方法有效。     

基于全程滑模的MIMO非线性系统模糊滑模控制

采用全程滑模控制技术,选择指数型快速终端滑模趋近律设计全程滑模控制器.引入模糊基函数网络,在线估计不确定性和外部扰动的界值.消除了滑模控制的到达阶段,系统跟踪误差始终保持在滑模面上,且在有限时间内趋近于原点.运行中不受系统不确定性及外部于扰的影响,确保整个系统的全局鲁棒性和稳定性.某二阶多输入多输出非线性系统仿真结果表明该控制策略可行和有效.     

控制系统故障诊断的模糊神经网络方法研究

控制系统的不确定故障诊断是目前尚未解决的问题。传统的神经网络方法和模糊推理方法为解决这一类故障诊断问题提出了一些算法。然而上述两种方法难以提高不确定故障诊断的性能。为此本文结合模糊理论的推理能力和神经网络学习的能力提出模糊神经网络故障检测方法。该算法同时具备模糊理论的处理不确定和不准确信息的能力和神经网络的自学习能力。本文结果应用到某运载火箭控制系统的故障诊断,仿真结果表明,本算法有效,较好地解决了控制系统不确定故障诊断问题。     

竞争学习模糊神经网络及在导弹故障诊断中的应用

尽管基于解析冗余的故障诊断方法有许多突出的优点而越来越多地得到的研究和应用，但它依赖于系统的模型，当系统存在非线性或不确定性时，存在难以建模的困难，模糊神经网络可以通过学习建立系统的模型，且模型参数有明确的物理意义，初始参数易于选择，成为解决这一问题的优选途径，作者通过把模糊神经网络的学习转化为竞争聚类和线性优化问题，基于竞争聚类和最小二乘原理，提出了一种模糊神经网络学习算法，并在某伺服机构上进行     

基于模糊神经网络的飞船GNC分系统故障诊断

研究了基于模糊神经网络的飞船GNC分系统的故障诊断方法,提出了重构新的激励函数并附加动量因子的改进BP算法,采用了由输入层、输出层、隐含层和量化层组成的一种4层前向模糊神经网络,通过Ⅱ型隶属度函数完成输入模糊化。建立了基于模糊神经网络的GNC分系统故障诊断系统,实验验证了改进BP算法以及该诊断系统的正确性和有效性。     

运载火箭推力故障下在线计算轻量化任务重构方法

为了避免运载火箭推力下降故障引起发射任务失败,基于径向基神经网络,提出了一种在线计算轻量化的任务重构方法,可快速在线计算最优救援轨道对应飞行轨迹(最优轨迹)的近似解.在离线部分,结合凸优化与自适应配点法产生"故障状态-最优轨迹"数据集.数据集被用来训练径向基神经网络,建立轨迹决策模型来构建故障状态到最优轨迹的动力学关系...     

基于神经网络的SINS/GPS/TAN 容错组合导航系统设计

在联邦滤波器结构的基础上 ,设计了一种基于神经网络的天文惯性导航系统 /全球卫星定位系统 /战术导航系统 (SINS/GPS/TAN)容错组合导航系统。该系统首先在各子滤波器中用神经网络滤波 (NNF)代替传统的卡尔曼滤波 ,然后用模糊神经网络 (FNN)对各子系统进行故障检测 ,最后由神经元进行全局融合。通过仿真 ,验证了该方法的有效性     

神经网络专家系统在电源系统诊断中的应用

为了解决卫星这类复杂系统采用单一的智能故障诊断技术的诊断局限性问题,提出一种基于模糊综合评判的神经网络和专家系统相结合的诊断方法。选用改进的BP神经网络,添加动量因子和可变学习速率,并通过计算十个相同结构神经网络输出的标准差获得诊断结果的可信度。采用基于可信度的专家系统不确定性推理,给出了可信度计算方法。采用代数积与代数和模糊算子对两种诊断方法的结果进行综合评判。成功地应用于某卫星电源系统的故障诊断中。结果表明诊断的可信度和诊断的正确率得到提高。     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。