版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在故障檢測(cè)和診斷中,由于在殘差信號(hào)中可以提取到相關(guān)的故障信息,因此故障檢測(cè)的首要任務(wù)就是要獲得系統(tǒng)的殘差信號(hào),殘差成為故障檢測(cè)算法設(shè)計(jì)的主要目標(biāo)。在控制系統(tǒng)中,系統(tǒng)的輸入、輸出與狀態(tài)變量之間都存在一定的函數(shù)關(guān)系,所以可以利用系統(tǒng)中的這些可測(cè)量來(lái)構(gòu)造一個(gè)殘差產(chǎn)生器,當(dāng)系統(tǒng)無(wú)故障發(fā)生時(shí),系統(tǒng)殘差信號(hào)小于(假設(shè)沒(méi)有外部干擾)設(shè)定的閾值,當(dāng)系統(tǒng)發(fā)生故障時(shí),殘差就會(huì)大于閾值,這就是故障檢測(cè)的主要思想。
本文根據(jù)故障檢測(cè)的基本思想,以
2、神經(jīng)網(wǎng)絡(luò)為工具設(shè)計(jì)相應(yīng)的殘差產(chǎn)生器,從而實(shí)現(xiàn)故障檢測(cè),并以東大智能的多功能過(guò)程控制平臺(tái)[1]為實(shí)驗(yàn)平臺(tái),對(duì)提出的算法進(jìn)行驗(yàn)證,本文主要從以下幾個(gè)方面入手進(jìn)行研究:
1.本文根據(jù)BP網(wǎng)絡(luò)具有自學(xué)習(xí)、推廣和概括的能力等優(yōu)點(diǎn),以及RBF網(wǎng)絡(luò)的函數(shù)逼近能力,提出混合神經(jīng)網(wǎng)絡(luò)RBF-BP網(wǎng)絡(luò)模型,該網(wǎng)絡(luò)模型同時(shí)具有BP網(wǎng)絡(luò)與RBF網(wǎng)絡(luò)的優(yōu)點(diǎn)。BP網(wǎng)絡(luò)可以彌補(bǔ)RBF網(wǎng)絡(luò)的作用函數(shù)是局部的局限性,而對(duì)于BP網(wǎng)絡(luò)會(huì)造成局部最優(yōu)及收斂速度慢
3、等不足,可以由RBF網(wǎng)絡(luò)來(lái)彌補(bǔ)。
對(duì)于RBF-BP網(wǎng)絡(luò)模型的訓(xùn)練,以系統(tǒng)的輸入為網(wǎng)絡(luò)輸入,以系統(tǒng)的期望輸出為輸入對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,同時(shí)在對(duì)該網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的過(guò)程中,用遺傳算法對(duì)其進(jìn)行優(yōu)化,即構(gòu)造一個(gè)現(xiàn)實(shí)系統(tǒng)的模擬系統(tǒng),當(dāng)系統(tǒng)執(zhí)行器發(fā)生故障時(shí),模型系統(tǒng)的輸出正常,而實(shí)際輸出就會(huì)偏離期望的輸出值,系統(tǒng)殘差的某一分量就會(huì)大于閾值,即εf>δf。此時(shí)就認(rèn)為系統(tǒng)執(zhí)行器i發(fā)生故障。
2.基于狀態(tài)觀測(cè)器的故障檢測(cè)方法,
4、傳統(tǒng)的方法就是用數(shù)學(xué)中代數(shù)的方法,如線性矩陣不等式(LMI)的方法,但是代數(shù)的方法會(huì)造成重復(fù)計(jì)算等不足,而神經(jīng)網(wǎng)絡(luò)狀態(tài)觀測(cè)器可以逼近于任一非線性函數(shù),因此本文在基于BP神經(jīng)網(wǎng)絡(luò)的狀態(tài)觀測(cè)器的故障檢測(cè)方面進(jìn)行了研究。
傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)狀態(tài)觀測(cè)器方法都是以系統(tǒng)的輸入與輸出對(duì)系統(tǒng)狀態(tài)變量進(jìn)行估計(jì),由于在系統(tǒng)的各個(gè)傳感器的輸出與狀態(tài)變量之間也存在一定的函數(shù)關(guān)系,因此,本文以此為據(jù),以系統(tǒng)輸入與傳感器j的期望輸出對(duì)與傳感器i相關(guān)的狀態(tài)
5、變量進(jìn)行估計(jì),代替了以系統(tǒng)輸入與傳感器i的訓(xùn)練樣本。
3.對(duì)于沒(méi)有外部干擾的控制系統(tǒng),利用神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近能力實(shí)現(xiàn)對(duì)現(xiàn)實(shí)系統(tǒng)的模擬,從而產(chǎn)生系統(tǒng)殘差,通過(guò)殘差信號(hào)對(duì)故障進(jìn)行檢測(cè)和診斷是完全可以的,但是在現(xiàn)實(shí)工業(yè)的控制系統(tǒng)的運(yùn)行過(guò)程中,外部干擾是不可避免的,此時(shí)如果仍只是一味的對(duì)系統(tǒng)狀態(tài)誤差及殘差信號(hào)進(jìn)行跟蹤,以此為據(jù)進(jìn)行故障檢測(cè)是不能滿足要求的,因?yàn)橐坏┯形粗斎氲拇鏁r(shí),即使系統(tǒng)傳感器沒(méi)有發(fā)生故障,狀態(tài)誤差與殘差信號(hào)都會(huì)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)入侵檢測(cè)模型的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的異步電機(jī)故障檢測(cè)研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的航空故障電弧檢測(cè).pdf
- 基于神經(jīng)網(wǎng)絡(luò)的故障LRU的檢測(cè)與定位.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的高壓斷路器故障檢測(cè).pdf
- 基于神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測(cè)論
- 基于深度神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)視頻下行人檢測(cè).pdf
- 基于神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)入侵檢測(cè)系統(tǒng)的研究和實(shí)現(xiàn).pdf
- 基于神經(jīng)網(wǎng)絡(luò)理論的實(shí)時(shí)入侵檢測(cè)技術(shù)研究.pdf
- 基于概率神經(jīng)網(wǎng)絡(luò)的DDoS攻擊實(shí)時(shí)檢測(cè)方法研究與實(shí)現(xiàn).pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測(cè)技術(shù)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的邊緣檢測(cè).pdf
- 基于神經(jīng)網(wǎng)絡(luò)的電力電子裝置故障檢測(cè)與診斷.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的傳感器故障檢測(cè)與容錯(cuò).pdf
- 基于神經(jīng)網(wǎng)絡(luò)的故障診斷研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)故障檢測(cè)與診斷.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的電器故障診斷研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的鍋爐故障診斷研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的電梯實(shí)時(shí)監(jiān)控和在線故障診斷的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的故障診斷.pdf
評(píng)論
0/150
提交評(píng)論