当前位置:首页 > 工业技术
复杂非线性系统的故障诊断与智能自适应容错控制
复杂非线性系统的故障诊断与智能自适应容错控制

复杂非线性系统的故障诊断与智能自适应容错控制PDF电子书下载

工业技术

  • 电子书积分:12 积分如何计算积分?
  • 作 者:王占山,刘磊著
  • 出 版 社:北京:科学出版社
  • 出版年份:2018
  • ISBN:9787030582171
  • 页数:306 页
图书介绍:本书围绕现代控制系统的故障诊断和容错控制问题做了相关研究。结合作者的研究工作,介绍了故障诊断与智能容错控制的发展历史及演化趋势。对一类满足李普希兹约束的非线性系统的故障估计性能、故障观测器设计进行了深入研究。基于将智能逼近器与自适应技术相结合,利用其各自的优点,提出了基于智能方法的故障检测和故障估计方法,同时考虑到故障诊断的优化问题,将增强学习算法和容错控制技术相结合,建立了一套新的最优容错控制方法的理论框架,克服了现有容错技术难以优化的难点。此外,注意到计算量的问题,所以,介绍了基于最少调节参数和自适应评判设计的容错控制方法,减少了计算量。由于在处理超复杂强非线性的工业过程时,经常就不能精确的得到系统的模型。反之,基于数据驱动的控制方法可以避免这些问题,因此,本书还介绍了基于数据和回声状态网的故障检测、估计及容错控制控制方法。在控制过程中,不仅保证了存在故障情况下系统的稳定性,而且通过学习机制,也能保证控制性能在一定的容许范围之内。因此,本书构建了一套基于智能方法的集故障检测、估计、参数学习和性能学习为一体的自适应控制体系,突破了现有容错技术难以减少计算量的瓶颈。本书在选材上既考虑了
《复杂非线性系统的故障诊断与智能自适应容错控制》目录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 故障诊断概述 3

1.3 自适应控制概述 7

1.4 智能控制与自适应控制 11

1.5 容错控制与控制基础理论的关系 14

1.6 模型驱动与数据驱动的认识 25

1.7 预备知识 31

1.7.1 神经网络近似原理 31

1.7.2 增强学习算法 32

1.8 主要研究内容 33

第2章 Lipschitz非线性系统的故障观测器设计 37

2.1 引言 37

2.2 观测器基础知识 37

2.3 Lipschitz非线性系统的抗扰能力分析 42

2.3.1 问题描述与基础知识 42

2.3.2 抗扰能力分析结果 44

2.4 一类自适应观测器的故障估计性能 47

2.4.1 问题描述与基础知识 47

2.4.2 自适应观测器的性能 48

2.4.3 仿真算例 50

2.5 故障估计的自适应观测器设计 51

2.5.1 问题描述与基础知识 51

2.5.2 故障估计自适应观测器主要结果 53

2.5.3 仿真算例 55

2.6 具有干扰抑制和故障估计的PI观测器设计 57

2.6.1 问题描述与基础知识 57

2.6.2 不存在外界干扰时的补偿控制 58

2.6.3 存在外界干扰时的补偿控制及干扰抑制 60

2.6.4 仿真算例 62

2.7 鲁棒故障诊断观测器设计 63

2.7.1 问题描述与基础知识 63

2.7.2 自适应鲁棒观测器设计和性能分析 65

2.7.3 仿真算例 73

2.8 小结 75

第3章 奇异双线性系统的故障诊断 77

3.1 引言 77

3.2 奇异双线性系统的观测器设计 78

3.2.1 问题描述 79

3.2.2 变换系统的解 81

3.2.3 观测器设计 81

3.2.4 仿真算例 84

3.3 双线性系统的故障诊断观测器设计 87

3.3.1 系统描述 88

3.3.2 奇异双线性系统的变换 89

3.3.3 系统的解 90

3.3.4 BFDO设计 91

3.3.5 故障检测 96

3.3.6 仿真算例 102

3.4 小结 106

第4章 复杂互联非线性系统的故障诊断和容错同步 107

4.1 引言 107

4.2 基于Hopfield神经网络的非线性系统故障估计方法 108

4.2.1 Hopfield神经网络故障估计器 110

4.2.2 仿真算例 113

4.3 离散时间复杂互联网络的故障诊断观测器设计 115

4.3.1 问题描述与基础知识 117

4.3.2 状态观测器设计 119

4.3.3 基于自适应观测器的故障诊断 125

4.3.4 仿真算例 128

4.4 一类时滞复杂互联神经网络的容错同步 135

4.4.1 问题描述与基础知识 138

4.4.2 传感器故障下的复杂互联神经网络的容错同步 140

4.4.3 传感器故障下基于驱动-响应网络框架的自适应容错同步 145

4.4.4 具有期望同步态的自适应容错同步 150

4.4.5 仿真算例 154

4.5 小结 165

第5章 基于反步法的状态反馈容错控制 166

5.1 引言 166

5.2 问题描述和预备知识 167

5.3 控制器设计 168

5.4 仿真算例 176

5.5 小结 184

第6章 基于神经网络的输出反馈容错控制 186

6.1 引言 186

6.2 问题描述和预备知识 187

6.3 坐标系变换 189

6.4 基于最少调节参数的容错控制 192

6.5 仿真算例 199

6.6 小结 209

第7章 基于增强学习算法的容错控制 210

7.1 引言 210

7.2 问题描述和预备知识 211

7.2.1 系统描述 211

7.2.2 预备知识和控制目标 212

7.3 基于增强学习的容错控制设计 213

7.3.1 执行网及其权重自适应律 213

7.3.2 评判网及其自适应律 216

7.3.3 性能结果及稳定性分析 218

7.4 仿真算例 222

7.5 小结 229

第8章 基于最少调节参数的最优容错控制 230

8.1 引言 230

8.2 问题描述和预备知识 231

8.2.1 问题描述 231

8.2.2 预备知识以及主要控制目标 232

8.3 基于增强学习的自适应跟踪容错控制设计 233

8.3.1 执行网设计 233

8.3.2 评判网设计 235

8.3.3 执行网和评判网的更新律 237

8.4 基于增强学习的容错控制的性能分析 239

8.5 仿真算例 246

8.6 小结 256

第9章 基于数据的无模型系统的容错控制 257

9.1 引言 257

9.2 问题描述和预备知识 258

9.3 故障检测机制 260

9.4 基于回声状态网的容错控制 261

9.4.1 基于回声状态网的故障估计 262

9.4.2 容错控制器设计 264

9.5 仿真算例 270

9.6 小结 275

第10章 问题与展望 277

参考文献 280

索引 304

相关图书
作者其它书籍
返回顶部