一种基于滑模—神经网络观测器的故障检测和诊断方法  

FAULT DETECTION AND DIAGNOSIS METHOD BASED ON SLIDING MODE-NEURAL NETWORK OBSERVER

作　　者：马立玲[1] 江云波[2] 王福利[2] 

机构地区：[1]北京理工大学自动控制系,北京100081 [2]东北大学信息科学与工程学院,沈阳110004

出　　处：《信息与控制》2003年第3期234-238,共5页Information and Control

基　　金：辽宁省自然科学基金资助项目 ( 0 0 2 0 13 )

摘　　要：本文针对一类非线性系统 ,提出了一种用于故障检测和诊断的滑模观测器方法 .其中 ,观测器中的滑模项保证了该系统在无故障情况时的鲁棒性 ,并且系统运行的滑动区域提供了故障检测的条件 .当检测出故障之后 ,观测器中的故障估计部分被启动 ,利用RBF神经网络估计故障 ,从而能在线辨识故障的形态 .A new fault detection and diagnosis method based on sliding mode observer is presented for a class of nonlinear system. Sliding mode term ensures that the observer has robustness under non trouble conditions, and fault detection can be realized by making use of sliding boundary size. When the fault has been detected, the estimation part in the observer for the fault may be enabled. A radial basis function neural network is used to approximate the fault, so fault diagnosis can be finished online. Simulation results show the feasibility of the proposed approach.

关 键 词：故障检测 故障诊断 滑模-神经网络 观测器 鲁棒性 

分 类 号：TP277[自动化与计算机技术—检测技术与自动化装置] TP183[自动化与计算机技术—控制科学与工程]