复杂非线性系统故障检测与故障预报

论文摘要

论文主要运用神经网络方法进行非线性系统故障检测和故障预报方面的研究。特别针对模型未知的非线性系统,研究了时间序列分析和神经网络相结合的故障预报方法。全文的主要内容如下:首先,论文讨论了一类不确定非线性系统的快速故障检测问题。提出一种利用神经网络构造的全阶未知输入观测器结构,将系统不确定性和故障分别作为系统的两种未知输入,并通过在故障观测神经网络权值的调整规律中引入死区函数,提高了故障观测对系统不确定性的鲁棒性。在定义神经网络结构差异度的基础上,提出了利用免疫算法选择网络个体的神经网络集成方法。通过保持网络间的结构差异,提高神经网络集成预测的泛化能力。在简化的T细胞介导免疫过程的基础上,利用RBF神经网络构造了一种免疫控制器结构。利用控制器的输出能够准确及时地报告系统故障的发生。其次,针对歼击机等复杂工程系统建模困难、工作情况多样、试验困难且代价高昂的特点,提出了一种改进K近邻密度估计方法,设计了一种完全既不需要系统数学模型也不需要故障训练数据和先验知识的实时故障预报器。在系统运行的同时实现学习和预报,克服了先验数据的获取困难。同时该预报器还具有速度快、误检率和漏检率可人为调整的特点;设计方法简单。接着论文针对模型未知非线性系统,利用神经网络和时间序列相结合的方法进行故障预报研究。将由系统的输入输出变量组成的非线性时间序列通过空间嵌入的方法转化为一个离散动态系统,通过对系统状态的观测实现时间序列的预测。利用一个线性AR模型拟合时间序列的线性部分,用神经网络拟合时间序列的非线性部分并补偿外界未知的扰动。从而实现故障的多步预报。针对重构得到的离散线性时变系统,提出了基于未知输入观测器的非线性时间序列预测方法。以实时拟合时间序列的线性AR模型作为时变系统的已知线性部分,将拟合误差作为时变系统的未知输入,实现了系统状态的多步预测。通过未知输入的预测值和状态的预测误差的变化可以方便地实现故障预报。提出了一种非线性系统的局部线性辨识方法并应用于模型完全未知的非线性系统。在局部的切空间上对系统进行线性建模和预测,同时利用在线学习的神经网络补偿局部线性模型的建模和预测误差。利用辨识得到的混合模型的预

论文目录

• 第一章 绪论
• 1.1 研究的目的和意义
• 1.2 故障检测与诊断
• 1.2.1 故障检测与诊断的起源和发展
• 1.2.2 故障检测与诊断技术的研究现状
• 1.3 故障预报
• 1.3.1 故障预报的背景与现状
• 1.3.2 故障预报与故障检测的关系
• 1.4 故障预报研究的主要问题
• 1.4.1 故障预报的一些定义
• 1.4.2 故障预报研究的主要内容
• 1.5 本文的主要工作与结构安排
• 第二章 基于神经网络未知输入观测器的不确定非线性系统故障检测
• 2.1 引言
• 2.2 系统的描述
• 2.3 基于神经网络的未知输入观测器设计
• 2.4 提高未知输入观测器的鲁棒性
• 2.5 仿真示例
• 2.6 小结
• 第三章 基于人工免疫理论的故障预报方法
• 3.1 人工免疫理论的概述
• 3.2 基于神经网络免疫集成的非线性时间序列故障预报
• 3.2.1 引言
• 3.2.2 神经网络的差异度
• 3.2.3 反向选择免疫算法设计
• 3.2.4 利用免疫算法设计集成的网络个体
• 3.2.5 仿真示例
• 3.2.6 小结
• 3.3 基于免疫控制器结构的非线性系统故障预报
• 3.3.1 引言
• 3.3.2 T 细胞介导免疫原理
• 3.3.3 免疫控制器设计
• 3.3.4 控制器的稳定性分析
• 3.3.5 仿真示例
• 3.3.6 小结
• 第四章 基于非参数概率密度估计的不确定非线性系统故障预报
• 4.1 引言
• 4.2 问题的描述
• 4.3 非参数密度估计故障预报器设计
• 4.3.1 非参数密度估计方法
• 4.3.2 实现故障预报的假设检验方法
• 4.3.3 降低计算量的改进方法
• 4.4 应用实例
• 4.5 仿真结果与分析
• 4.6 小结
• 第五章 基于神经网络的非线性时间序列故障预报
• 5.1 引言
• 5.2 问题的描述
• 5.3 基于神经网络的时间序列预测
• 5.3.1 时间序列的一步预测
• 5.3.2 时间序列的N 步预测
• 5.4 基于时间序列的故障预报
• 5.5 仿真示例
• 5.6 小结
• 第六章 基于未知输入观测器的非线性时间序列故障预报
• 6.1 引言
• 6.2 问题的描述
• 6.2.1 时间序列建模
• 6.2.2 等价离散线性时变系统的构造
• 6.3 基于未知输入观测器的时间序列预测
• 6.3.1 时间序列一步预测方法
• 6.3.2 时间序列N 步预测方法
• 6.4 仿真示例
• 6.5 小结
• 第七章 基于子空间辨识的未知非线性系统故障预报
• 7.1 引言
• 7.2 模型子空间辨识的4SID 方法
• 7.3 非线性系统的局部切子空间线性辨识
• 7.4 基于神经网络的建模补偿方法
• 7.5 仿真示例
• 7.6 小结
• 第八章 基于时间序列建模的模型未知非线性系统故障预报
• 8.1 引言
• 8.2 时间序列的CARMA 建模
• 8.3 最优跟踪控制率设计
• 8.4 仿真示例
• 8.5 小结
• 第九章 歼击机结构故障的故障预报仿真
• 9.1 引言
• 9.2 歼击机的动力学模型及故障模型描述
• 9.2.1 飞机的动力学数学模型
• 9.2.2 飞机正常飞行的气动力和气动力矩系数模型
• 9.2.3 大气环境的数学模型
• 9.2.4 飞机故障飞行的气动力系数数学模型
• 9.3 歼击机结构故障的故障预报仿真研究
• 9.3.1 歼击机结构故障预报的仿真过程
• 9.3.2 歼击机结构故障预报的仿真结果
• 9.4 小结
• 第十章 总结与展望
• 参考文献
• 致谢
• 攻读博士学位期间的科研工作和学术论文