非高斯随机分布控制系统的集成故障诊断与容错控制研究

许多实际系统要求控制过程变量的概率密度函数的形状，此类系统可用随机分布控制系统描述。随机分布控制系统既可以表述高斯系统，又可以描述非高斯系统。本项目对非高斯随机分布控制系统的集成故障诊断与容错控制进行深入研究。研究内容主要着重三个方面：1. 利用RBF函数对概率密度函数重新建模，并在控制过程中动态调整基函数，构建新的基于迭代学习的集成故障诊断与容错控制框架。2. 基于神经网络观测器进行渐变故障诊断，当期望概率密度函数未知时，进行集成故障诊断与最小熵容错控制设计。3. 对非高斯奇异随机分布控制系统，给出基于迭代学习观测器的集成故障诊断与容错控制算法。..在理论方面，突破现有随机系统的故障诊断与容错控制大都基于高斯分布假设（假设故障、随机输入或噪声服从高斯分布）的局限性。在应用前景方面，本项目的研究成果将为提高造纸等工业过程系统的可靠性提供有效的设计方法和理论依据。

本项目以要求控制输出变量的概率密度函数形状的随机分布控制系统为研究对象，进行深入的集成故障诊断与容错控制研究。针对有理平方根逼近的非高斯非线性随机分布系统，提出了基于RBF神经网络观测器的渐变故障诊断算法，基于故障诊断信息，给出了PI容错跟踪控制策略，使得发生故障后系统输的出概率密度函数仍能够跟踪给定的分布；研究基于动态建模的非高斯随机分布系统的集成故障诊断与迭代学习容错控制问题；对非高斯奇异随机分布控制系统提出了集成故障诊断与容错控制算法，对非高斯奇异随机分布系统的动态系统进行坐标变换，将其变换成微分-代数系统，设计了迭代学习观测器进行故障诊断，基于故障诊断的信息进行最优容错控制设计。该集成故障诊断与容错控制算法不仅对突变故障有效，对慢变故障和快变故障也同样有效。考虑信号传输延迟等时滞因素的影响，对非高斯时滞随机分布系统设计神经网络观测器进行故障诊断，利用故障信息构造了时滞依赖的容错控制器，实现了非高斯时滞随机分布系统的集成故障诊断与容错控制。通过本课题的研究，对非高斯随机分布系统提出集成故障诊断与容错控制的理论、设计方法，对提高造纸系统、锅炉燃烧分布系统、磨矿过程、粮食加工系统的可靠性有着重要的理论与应用价值。受本项目资助已发表学术论文24篇，其中SCI收录论文7篇，EI收录论文18篇。