基于混合神经网络的容错控制方法在船舶系统中的应用
【摘要】：
现代工业过程正不断朝着大型化、复杂化的方向发展，为了保障这类工业系统的安全性和可靠性，容错控制理论逐步发展起来，并成为现代控制理论中的一个重要研究课题。容错控制的目的是当系统的某些部件发生故障时，在适当降低系统某些性能指标的前提下，控制整个系统维持其基本的稳定性或更进一步达到一定的性能指标。它可以使一个动态系统适应其环境的显著变化，避免因系统中的一个或多个较关键部件的失效而对整个系统的稳定性及其它性能带来负面的影响。
经过近三十年的发展，传统的容错控制方法渐渐显现出较大的局限性，它依赖于数学模型，对非线性系统缺乏一般性的分析方法。为此，以人工智能为基础的智能容错控制方法慢慢发展起来。智能容错控制弥补了传统容错控制技术的诸多不足，可以比较理想的处理模型不确定性以及非线性系统容错控制等问题。
本文就是在这样的研究背景下，运用集成智能技术，提出一种基于混合神经网络的容错控制方法，并应用于船舶控制系统。文中详细地分析了系统结构以及各子系统的实现方法。主要研究内容包括：
(1)提出了一种新的基于混合神经网络的容错控制系统框架结构，针对传感器和执行器两类故障，应用多种类型神经网络实现系统的故障检测与容错控制。
(2)研究基于分层信息融合方法的故障检测技术。将故障检测分为两步完成，首先运用本文提出的基于决策距离模糊推理的多传感器数据融合方法进行局部信息融合，保证征兆变量的可靠性。然后采用模糊神经网络进行全局信息融合，对系统故障进行检测。
(3)初步探讨了控制系统在反馈信号传感器故障情况下的容错控制问题，提出了一种输出递归反馈神经网络用于系统状态估计。当反馈信号传感器发生故障时，该网络可以对失效传感器的检测数据做出实时估计并反馈信号，从而达到对传感器故障容错的目的。
（4）研究控制系统在执行器故障模式下的自适应控制问题。文中采用自适
应模糊神经网络作为控制器。当系统执行器出现故障但还没有完全失效时，自适
应模糊神经网络控制器可以在线自动修正网络权值，调整控制规则，适应故障模
式下的系统，使系统具有和正常时相近的性能。
（5）将集成智能容错系统应用于船舶控制，并进行仿真试验。
【关键词】：神经网络 模糊逻辑 信息融合 自适应控制 故障检测 容错控制 【学位授予单位】：上海海运学院
【学位级别】：硕士
【学位授予年份】：2003
【分类号】：TP29
【DOI】：CNKI:CDMD:2.2003.063066
【目录】：
- 第一章 引言9-14
- 1．1 概述9-10
- 1．2 容错控制技术的起源及发展10
- 1．3 当前研究的热点问题10-11
- 1．4 当前研究中存在的难点问题11-12
- 1．5 本文的工作12-14
- 第二章 容错控制基本原理与方法14-25
- 2．1 容错控制系统的设计方法14-18
- 2．1．1 容错控制的设计对象14-17
- 2．1．1．1 关于传感器和执行器故障的容错控制14-16
- 2．1．1．2 关于控制器故障的容错控制16-17
- 2．1．2 容错控制系统的设计目标17
- 2．1．3 容错控制系统的方案17-18
- 2．2 经典容错控制方法18-22
- 2．2．1 被动容错控制方法18-20
- 2．2．2 主动容错控制方法20-21
- 2．2．3 鲁棒容错控制21-22
- 2．2．4 非线性系统的故障诊断与容错控制22
- 2．3 智能容错控制方法22-25
- 第三章 基于混合神经网络的容错控制系统25-41
- 3．1 系统总体结构25-26
- 3．2 基于分层信息融合技术的故障检测系统结构26-39
- 3．2．1 基于决策距离模糊推理的局部信息融合28-36
- 3．2．1．1 对传感器信息的一致性处理29-30
- 3．2．1．2 模糊逻辑系统30-32
- 3．2．1．3 多传感器数据可靠性加权融合32-33
- 3．2．1．4 仿真实验33-36
- 3．2．2 基于模糊神经网络的全局信息融合36-39
- 3．2．2．1 基于模糊神经网络的故障检测37-39
- 3．3 基于输出递归神经网络的状态估计器39-41
- 第四章 对执行器部分失效具有容错能力的自适应模糊神经网络控制器41-55
- 4．1 执行器容错控制系统结构42-44
- 4．2 自适应模糊神经网络控制器结构44-45
- 4．3 自适应模糊神经网络控制器的学习45-50
- 4．3．1 模型不确定系统的学习问题45-47
- 4．3．2 神经网络步长优化训练算法47-48
- 4．3．3 基于步长优化的近似数字微分算法48-49
- 4．3．4 网络实时训练方式49-50
- 4．4 自适应模糊神经网络控制器的迭代算法50-52
- 4．5 仿真试验52-54
- 4．6 结论54-55
- 第五章 集成智能容错系统在船舶控制中的应用55-70
- 5．1 船舶操纵的数学模型55-56
- 5．2 船舶容错控制系统结构56-58
- 5．3 舵机故障的模型化处理58
- 5．4 基于BP网络的自适应控制器58-65
- 5．4．1 网络结构及算法58-60
- 5．4．2 仿真实验60-65
- 5．5 基于模糊神经网络的自适应控制器65-69
- 5．5．1 网络结构及算法66-67
- 5．5．2 仿真试验67-69
- 5．6 结论69-70
- 结论与展望70-72
- 参考文献72-76
- 致谢76-77
全文下载：
CAJ格式
不支持迅雷等加速下载工具，请取消加速工具后下载
