基于神经网络的多变量离散系统的自适应容错控制-博士学位.PDFVIP

博士学位论文公示材料 学生姓名 刘磊 学号 1310308 二级学科 控制理论与控制工程 导师姓名 王占山 论文题目 基于神经网络的多变量离散系统的自适应容错控制 论文关键词 容错控制，故障检测机制，神经网络，增强学习算法，自适应控制，回声状态 网，故障估计 论文摘要(中文) 随着工业 4.0 的到来，现代工业自动化系统不断朝着复杂化、信息化和智能化的趋势发展。同时， 现代的机械制造系统又具有控制规模大、自动化程度高和柔性化强的特点。随着制造系统的结构越来 越复杂，价格越来越昂贵，因为各种故障而导致的停机都是不可忍受的负担。在实际工业现场，大量 的系统变量以及系统本身的各种复杂因素对现有的单变量系统的故障诊断技术都提出了挑战。针对多 变量系统的故障诊断系统就能够在这个情况下满足需要，最大限度减少停机维修的时间，以及在故障 发生之后能够迅速做出反应。由于现代工业系统具有很大的规模以及通讯传输网络的复杂性，在实际 工程实践中，局部系统部件故障，将会导致全局控制目的的丧失，所带来的经济和社会损失难以估计。 虽然针对离散系统的容错控制研究有了部分成果，但是，绝大多数都集中在单变量系统上。在实际工 业过程中，绝大多数是多变量系统，而且，对系统容错性能的要求往往体现的是不同指标之间的折中。 关于这方面的成果还不多见。这使得作者着手研究离散多变量系统的容错控制及其优化。 本论文在总结前人工作的基础上，将智能逼近器与自适应技术相结合，利用其各自的优点，针对 多变量离散时间系统，提出了基于神经网络的故障估计方法。基于增强学习算法，建立了一套新的容 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。本论文的主要内容和贡献可概括如下： 1）研究了一类具有三角结构的不确定多输入单输出离散系统的自适应执行器容错控制，同时考虑 了执行器的失效和卡死两种故障。运用径向基神经网络来逼近未知非线性函数，设计了一种自适应容 错控制机制。与现有结果相比，通过引入反步法，实现了非线性离散系统的容错控制。同时，证明了 存在执行器故障的情况下，闭环系统所有信号都一致最终有界，并保证系统输出能跟踪上参考信号。 解决了现有 Backstepping 方法难以解决多变量离散系统的容错控制的难题。 2 ）研究了一类带有执行器故障的多输入多输出系统的分散式神经网络输出反馈容错控制问题。首 先，根据微分同胚映射理论，将初始系统转换成一个输入输出表达的系统，变换后的系统适合运用输 出反馈控制方法且能避免非因果问题。其次，为了对故障快速响应，通过调节神经网络权重的未知界 来降低响应时间。然后，运用李雅普诺夫稳定性理论，证明了系统的稳定性，实现了该类系统的容错 控制，同时保证了闭环系统所有信号都是半全局一致最终有界的。 3 ）基于增强学习算法，研究了一类多输入多输出非线性离散系统的容错控制问题。同时考虑了缓 变故障和突变故障两种故障类型。基于神经网络的逼近能力，将增强学习算法引入容错控制策略中， 其中分别用执行网络和评判网络来逼近最优控制信号和花费函数。相比现有结果，基于增强学习算法 —1— 得到了一个新的容错控制器，此控制器可使发生故障的系统的性能指标最小，这减少了故障引起的破 坏。本章采用在线调节神经网络权重来代替离线调节。最后，证明了即使存在未知故障动态，也能保 证自适应律、跟踪误差和最优控制信号的一致有界性。 4 ）研究了一类多输入多输出非线性离散系统的最优容错控制问题。运用基于增强学习的自适应跟 踪控制方法来解决容错问题，且该方法具有较少的学习参数。本章不仅考虑了突变故障，而且还考虑 了缓变故障。基于神经网络的万能逼近性，分别用执行网络和评判网络估计最优控制信号和花费函数。 本章提出方法显著特点是，它能在容错的过程中降低花费，同时具有较少数量的学习参数，从而减小 计算量。最后，系统稳定性得以证明，且保证了自适应控制信号和跟踪误差的一致有界性。 5 ）针对无模型离散系统，基于回声状态网，研究了数据驱动的多输入单输出离散系统的自适应传 感器故障检测和容错控制问题。其主要工作是实现故障检测、对故障函数进行估计以及设计容错控制 器。由于在实际工业过程中，故障检测和容错控