基于模糊系统的径向高斯网络的自适应状态观测器

利用模糊系统的径向高斯函数网络对一类非线性时变系统的状态进行了估计。给出了一种递阶自组织在线学习算法,提出了非线性时变系统的自适应状态观测器,并对其结构及特征进行了讨论,仿真结果表明这种自适应状态观测器能很好地观测系统的状态。     

基于RBF神经网络的液压位置伺服系统故障诊断

针对液压系统的非线性、时变、流固耦合的特点,提出双级径向基函数(Radial Basis Function,RBF)神经网络模型实现液压伺服系统故障检测与定位.采用第1级RBF网络作为液压伺服系统的故障检测滤波器,通过实际系统与RBF观测器输出的残差实现液压伺服系统故障检测.利用第1级RBF观测器的输出残差和网络结构参数,应用第2级RBF网络实现液压伺服系统典型故障定位.针对K均值聚类算法收敛速度慢的缺点,提出了改进K均值聚类算法和学习速率自适应调整算法,利用网络优化结构参数和学习率,加快神经网络收敛速度,减少运算量.实验结果表明,利用双级RBF神经网络能够有效地检测出液压位置伺服系统的故障,并能实现系统的故障定位.     

基于神经网络的MIMO非线性最小相位系统鲁棒自适应控制

 针对一类模型未知的具有不确定性和外部干扰的多输入多输出（MIMO）非线性最小相位系统提出了鲁棒自适应输出反馈跟踪控制方案。用高斯径向基函数（RBF）神经网络逼近对象未知非线性,用高增益观测器估计系统不可测量状态。所设计的鲁棒自适应控制器不仅能使闭环系统稳定,所有状态有界,而且跟踪误差一致最终有界,并保证最终边界足够小。仿真结果表明了所提出方法的有效性。     

电力机车PMSM自适应模糊滑模控制

为研究牵引工况下电力机车永磁同步电机(PMSM)的转速控制精度,考虑轮轨接触不平顺及车体静载荷在轮对径向产生的未知时变负载转矩,建立了机车PMSM在dq坐标系下的数学模型。针对该耦合非线性系统中存在的负载转矩,设计非线性转矩观测器对其实际值进行估计,对观测误差采用自适应模糊逻辑系统进行逼近;为考察d轴电压过零跳变对转速控制及转矩观测性能的影响,在d轴电压控制器设计中引入Nussbaum函数,并依据Lyapunov稳定性理论,构造了基于转矩观测器的自适应模糊滑模控制器。理论分析及仿真结果表明,当转矩时变或d轴电压过零时,机车PMSM闭环转速控制系统跟踪误差一致有界,转矩观测误差收敛于0。     

进气压力调节执行机构故障诊断方法研究

面向高空台进气压力调节系统试验和维护需求,提出了一种基于滑模观测器的执行机构故障诊断方法。考虑特种调节阀的流量-压差气动特性对执行机构外负载作用机制,建立了电液伺服执行机构的非线性模型。由其识别出最佳估计数学模型,以获得自适应滑模观测器。分析确定不同故障对应伺服阀或液压缸的主导特征参数,据此选择可观测状态量且结合自适应阈值进行判断某部件是否发生故障,仿真验证该观测器对典型故障的诊断效果。结果表明,基于自适应滑模观测器的故障诊断方法可实现对进气压力调节系统中电液伺服执行机构典型液压、机械、电气故障的诊断和定位,诊断准确率达91%以上。     

基于扩张状态观测器的舰载机俯仰自适应滑模控制

传统自适应滑模需要系统扰动上界的先验信息和易引发作动器抖振是其不便用于工程实际的主要原因。文章基于扩张状态观测器对传统自适应滑模进行了改进,利用扩张状态观测器(ESO)实时观测外扰并在自适应滑模控制中进行补偿。将改进后的自适应滑模应用于舰载机俯仰姿态控制中,进行仿真计算。计算结果表明,在系统扰动上界未知的情况下,ESO提高了自适应滑模的鲁棒性,消除了抖振。     

一种鲁棒的非线性飞行控制律设计

介绍了一种反馈线性化方法——逆系统方法，用以解决非线性飞行控制。针对逆系统方法存在的误差，介绍了一种鲁棒控制方法——基于RBF神经网络直接自适应控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。设计了针对滚转通道的神经网络，并应用某型号飞机进行了非故障和故障状态的仿真，结果证明，自适应神经网络控制方法补偿作用显著，相当于系统具有一定的重构功能。     

基于视线的无人机鲁棒自适应编队控制设计

针对基于视线的无人机编队动力学非线性不确定的特性,设计了一种基于鲁棒自适应控制的编队控制系统.首先建立了基于视线的长机-僚机编队方式下的无人机编队动力学模型,而后将其转换成伪控制形式,将伪控制量分解成参考模型的输出、比例微分控制输出与神经网络自适应输出三项,采用误差观测器的输出训练神经网络以实现误差补偿,利用Lyapunov理论对误差的有界性进行了证明,设计了伪控制保护以防止执行器超出物理范围.最后建立了无人机六自由度非线性模型并进行仿真,结果表明设计的编队控制系统可以使僚机有效地跟踪做不确定机动的长机.     

基于模糊径向基函数神经网络的永磁同步电机滑模观测器设计

针对传统滑模控制易导致系统出现抖振的问题,提出了一种模糊径向基函数(RBF)神经网络滑模观测器来实现永磁同步电机(PMSM)无传感器控制。为了减小观测器系统抖振,利用模糊RBF神经网络算法动态调整滑模增益,并采用李雅普诺夫稳定性定理证明了该模糊神经网络观测器的稳定性；利用锁相环(PLL)技术提高估算精度,并削弱计算噪声。基于MATLAB/Simulink软件平台搭建了仿真模型,将模糊RBF神经网络滑模观测器系统与传统滑模观测系统进行对比。结果表明,与传统的滑模观测器相比,新型滑模观测器能够快速、有效地跟踪转子位置,精确估算出转子速度,同时具有较好的动态特性。     

电液伺服加载的神经网络内部反馈控制

 针对电液伺服加载系统多余力问题，提出了一种反馈加载系统内部力差信号减少多余力的控制方法。为了消除液压非线性及参数变化等影响，进一步提出基于神经网络内部参考模型调节方法。该参考模型为无舵机扰动时的液压油缸负载压力方程，在加载过程中，将油缸的负载压力与参考模型输出比较，利用神经网络自适应调节能力，消除加载中舵机运动的速度和加速度干扰，同时也克服液压系统非线性，时变参数和扰动的影响，该方法有较好的适用性。     

基于鲁棒故障观测器的非线性离散系统容错控制设计

针对存在执行器故障以及未知干扰的非线性离散系统,提出了一种鲁棒故障估计与容错控制方法。首先在未知系统干扰作用下,设计鲁棒故障观测器实现系统状态和执行器故障的同步估计;然后根据鲁棒故障观测器得到的系统状态估计和故障估计信息设计容错控制器,进行状态反馈容错控制,同时基于D稳定与H_∞控制理论对鲁棒故障观测器和容错控制器进行设计,实现了多约束条件下的故障估计与容错控制;最后用飞行控制系统模型验证了所提方法的有效性。     

Simultaneous state and actuator fault estimation for satellite attitude control systems

In this paper, a new nonlinear augmented observer is proposed and applied to satellite attitude control systems. The observer can estimate system state and actuator fault simultaneously. It can enhance the performances of rapidly-varying faults estimation. Only original system matrices are adopted in the parameter design. The considered faults can be unbounded, and the proposed augmented observer can estimate a large class of faults. Systems without disturbances and the fault whose finite times derivatives are zero piecewise are initially considered, followed by a discussion of a general situation where the system is subject to disturbances and the finite times derivatives of the faults are not null but bounded. For the considered nonlinear system, convergence conditions of the observer are provided and the stability analysis is performed using Lyapunov direct method. Then a feasible algorithm is explored to compute the observer parameters using linear matrix inequalities (LMIs). Finally, the effectiveness of the proposed approach is illustrated by considering an example of a closed-loop satellite attitude control system. The simulation results show satisfactory perfor-mance in estimating states and actuator faults. It also shows that multiple faults can be estimated successfully.     

基于神经网络的多模态故障检测

研究了使用RBF网络进行多模态辨识的结构和其在多模态故障检测中的应用。在信号满足持续激励的条件下 ,状态估计误差渐进趋向于零 ,辨识器的参数估计能够达到满意的效果。使用多个神经网络辨识器 ,对一非线性系统的多模态故障检测进行了仿真研究     

基于未知输入观测器的非线性动态系统故障估计

针对一类受扰非线性动态系统的执行器故障估计问题,提出一种未知输入观测器来实现故障估计。首先,通过坐标变换将原系统转化为合适的形式;其次,采用线性矩阵不等式与Lyapunov泛函分别设计H_∞输出反馈控制器和未知输入观测器,在此基础上实现对系统中执行器故障的渐近估计;最后,通过机械臂系统仿真分析并验证了所提方法的有效性。与已有方法相比,所提方法不要求故障可导,也不要求故障或干扰上界已知,因此易于在工程实际中实现对非线性系统执行器故障的估计。     

Neural network-based fault diagnosis for spacecraft with single-gimbal control moment gyros

This paper proposes a neural network-based fault diagnosis scheme to address the problem of fault isolation and estimation for the Single-Gimbal Control Moment Gyroscopes(SGCMGs) of spacecraft in a periodic orbit. To this end, a disturbance observer based on neural network is developed for active anti-disturbance, so as to improve the accuracy of fault diagnosis.The periodic disturbance on orbit can be decoupled with fault by resorting to the fitting and memory ability of neural network. Subsequ...     

PSO-RBF神经网络在舵机系统故障诊断中的应用

文章建立了基于RBF神经网络的故障观测器模型,提出了一种将粒子群优化算法(PSO)与正则化正交最小二乘法(ROLS)相结合的2级RBF学习方法,并将该RBF网络观测器应用于导弹舵机系统的故障诊断.实验结果表明,基于该RBF神经网络的故障观测器能够有效地实现导弹舵机系统的故障检测.     

一种快速鲁棒自适应故障估计方法设计

针对一类线性系统的执行器故障,对一种快速鲁棒自适应故障估计方法进行了设计。所设计的自适应故障估计观测器在放松严格正实(SPR)条件的同时,还具备对干扰的鲁棒性。在设计观测器参数时,根据有界实引理,对干扰和故障变化率的影响分别设计不同的约束不等式,能够更灵活地调节二者对故障估计影响的比例,并且引入松弛变量设计不同的Lyapunov矩阵,降低了设计的保守性。在设计过程中,由于出现了非线性矩阵不等式,本文采用了锥补线性化的算法进行求解,最终求得了最优的观测器参数。最后通过对某飞行器控制系统的仿真证明了算法的有效性。     

感应电机全阶状态观测器及其无源性转速控制

为了实现感应电机的高动态调速性能,针对电机的非线性本质,提出了一种基于全阶状态观测器及其转速自适应估算的感应电机无源性转速控制方案。在基于感应电机无源性与稳定性分析的基础上,设计了渐近稳定转矩跟踪无源性控制器。针对无源控制律所需转子电流难以观测的问题,提出了一种旋转坐标系下以转子电流和转子磁链为状态变量的全阶状态观测器,并应用该观测器对转速进行估算,实现了感应电机无速度传感器的无源性转速控制。仿真结果表明该控制方法易于实现,采用全阶观测器观测转子电流值和估算转速值更为准确,显著提高了感应电机的动静态性能。