控制系统故障检测诊断与隔离的ANN专家系统方法研究

本项目在深入研究现有控制系统故障检测诊断与隔离方法和神经网络模型、功能、机理的基础上，利用神经网络将基于模型的方法和基于知识的方法有机结合。通过将卡尔曼滤波残差信号的产生转化为参数辩识问题，利用改进的霍普菲尔德网络进行并行参数辩识，导出了并行残差产生方法；利用小波网络进行小波变换以提取残差信号中的故障特征，结合神经网络分类，构成了控制系统故障检测诊断与隔离的神经网络专家系统。解决了传统方法的实时性、鲁棒性、故障特征表征与决策机制简单矛盾等问题；通过在线和离线训练可解决虚警率和漏警率之间的矛盾问题。同时探讨了神经网络与传统专家系统相结合的混合专家系统结构和非线性系统的故障检测诊断与隔离方法。