一种非线性系统集员辨识算法

针对带有未知有界噪声的非线性动态系统的鲁棒辨识问题,提出了一种新的非线性动态系统的集员辨识算法.利用径向基函数神经网络的逼近能力,根据系统的输入输出数据,选用径向基函数神经网络对未知非线性系统建模.径向基函数神经网络的中心被确定之后,考虑到建模误差与系统噪声有界,利用径向基函数神经网络为参数线性模型的特点,使用参数线性集员辨识算法辨识径向基函数神经网络的输出权值.由于集员辨识算法所得到的是网络输出权值的集合估计,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.仿真表明,集员辨识算法辨识网络的输出权值比最小二乘法较少的受未知动态系统噪声分布的影响.     

椭球状态定界的鲁棒算法

提出了一种计算鲁棒的线性离散时间系统的椭球状态定界算法.算法假设系统的过程和量测噪声以及初始状态由已知椭球来定界,然后利用椭球集合来描述系统真实状态的可行集.算法的时间更新和量测更新过程分别产生两个椭球的向量和与交.算法对椭球形状矩阵进行Cholesky分解,使得当存在舍入误差时椭球形状矩阵保持正定.为了不受病态矩阵求逆的影响,算法的量测更新过程采用了求次最小容积椭球的方法.采用在数字计算机上进行蒙特卡洛仿真来检验算法的性能.结果表明算法的精度与最优算法十分接近,并且具有很好的计算鲁棒性.算法同时具有易于在并行计算机上运行的优点.      

非线性椭球集员滤波及其在故障诊断中的应用

 针对带有未知但有界噪声的非线性系统，提出一种椭球集员滤波算法，并将其应用于保证故障检测与隔离。对非线性状态方程和量测方程进行泰勒展开之后，通过区间分析的方法给出线性化余项存在区域的盒子外界描述。假设过程和量测噪声由盒子限界，在算法的时间更新和量测更新过程中，分别计算包含椭球与线段的向量和及椭球与带的交的次最小容积椭球。在椭球集员滤波算法的基础之上，给出传感器故障检测与隔离的方法。由于集员滤波是保证状态估计，因而基于集员滤波算法的故障检测与隔离方法也具有保证性，即如果发出故障警报，则一定有故障发生。一个二维非线性系统的例子说明了该方法的有效性。     

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。