本项目已园满完成了原定研究计划。其主要内容是将估计方法与神经网络相结合,研究并提出了几种有效方法,具体成果为:1、提出了一种基于神经网络的多模型故障诊断与容错控制方法,不仅可以诊断断多重故障,而且可以利用学习功能诊断新型故障。2、将神经网络与观测器方法相结合,提出了一种基于神经网络与观测器的故障检测与诊断新方法。3、给出了一种基于推广卡尔曼滤波、鲁棒自适应推广卡尔曼滤波的故障检测与诊断方法。4、基于非线性偏差分离估计方法,提出了一种基于偏差X(2)分布的偏差型故障检测与诊断新方法,该方法不仅可以快速准确检测故障,而且可以估计出故障幅值。上述研究受到国内外同行的重视,部分论文已被国际重要文摘索引多次。
{{i.achievement_title}}
数据更新时间:2023-05-31
A Fast Algorithm for Computing Dominance Classes
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Numerical investigation on aerodynamic performance of a bionics flapping wing
Seismic performance evaluation of large-span offshore cable-stayed bridges under non-uniform earthquake excitations including strain rate effect
基于事件驱动的航天器姿态智能容错控制系统设计研究
双余度无刷永磁容错电机及其控制系统理论和实验研究
多模式容错控制方法理论及其应用研究
多智能体系统主动容错控制及其容错能力分析