基于神经网络的控制系统故障检测与诊断

【摘要】： 现代自动化水平日益提高和工业控制系统日趋复杂，系统的故障检测与诊断技术也显得日趋重要。人工神经网络的研究迅速发展，为系统的故障检测和诊断的开辟了一条新途径。 采用前馈型网络对动态系统辨识是神经网络应用到故障检测和诊断中的主要方法之一。为了提高收敛速度和模型精度，本文利用自组织映射网络拓扑有序特性，对系统输入空间进行分割，在子空间中采用多个局部一阶线性模型或二阶模型代替全局模型的局部化方法。局部模型的参数既可和映射网络权值一起在邻域内采用梯度下降法修正，也可结合最小二乘法得到其最佳估计。该方法概念更加清晰，透明性强，仿真结果也表明了其有较强的收敛和逼近性能。 神经网络理论引入到主元分析技术中，基于神经网络的主元分析算法在降低了主元提取算法的复杂性，改善了运算精度和收敛性。采用主元分析技术的故障检测和诊断主要集中在具有直接冗余的过程监控中，本文采用主元分析技术对传感器时序建模，解决了传感器间存在间接冗余的的故障检测和诊断，扩大了主元分析技术的使用范围，并在线性和非线性对象中的到了应用。