基于神经动力系统的新型故障诊断与容错控制方法研究

复杂控制过程的故障诊断和容错控制是提高工业系统安全性必须解决的关键科学问题。本项目提出基于神经动力系统理论的故障诊断和容错控制方法来解决现有方法难以同时利用解析模型和数据关系模型进行故障诊断和容错控制的科学难题，为充分挖掘、利用检测数据和机理信息实现复杂工业系统的全方位综合高效故障诊断提供有效研究思路和方法。本项目将研究解析-数据混合模型的故障诊断、容错控制等基础理论问题，为工业流程等先进制造产品的研发提供参数优化、故障诊断、容错控制等原创性的关键共性技术。主要内容是：1)建立离散和连续故障数据对控制过程的作用关系，揭示控制过程的运行机理、状态与故障诱发激励关系并建立优化决策方法；2)建立基于解析-数据混合模型的故障诊断与容错控制新方法，解决混合系统安全可靠运行的基本问题；3)提出脉冲切换控制方法的动态优化策略，解决Hopfield型神经网络难以在线控制的公开难题，实现神经优化容错控制。

本项目是按照基金申报书中的研究内容和研究进展情况展开的相关研究，经过三年的项目执行，取得了一些有意义的成果，总体上完成了申请书中的任务。发表含基金号的论文29篇，15篇被SCI收录，14篇被EI收录；在2014年待出版的学术专著3部；合作申请了5项国家科技发明专利；参加了国内外学术会议十余次；项目组合作的论文获得2012年度的IEEE TNNLS的最佳论文奖。. 本项目的创新主要集中在神经网络的基础动态特性研究、复杂互联神经网络的同步性态及利用神经网络的动态特性结果进行故障诊断等方面。1）动态稳定特性方面：针对一类具有斯蒂尔吉斯积分形式的分布时滞描述的神经网络建立了更为有效地稳定结果；针对一类具有多平衡点的神经网络，研究了多稳定平衡点的吸引域的大小、收敛速度及稳定平衡点、不稳定平衡点的数量关系；针对一类具有不连续激励函数的双向联想记忆神经网络，通过采用微分包含技术和实虚分离技术建立了多稳定性判据；针对一类具有学习能力的多时标递归神经网络，建立了不依赖于快系统变量的全局稳定判据。2）同步性态方面：针对线性或非线性对称/非对称耦合的复杂网络展开了同步性研究，建立了全局同步稳定判据；针对具有多时变耦合的复杂神经网络，采用牵引控制策略实现了其全局受控同步；首次研究了复杂网络的同步性和传统的神经网络稳定性之间的相互关系，揭示了稳定性和同步性之间的内在相似性；针对具有混杂耦合的复杂网络，研究了网络之间的聚类同步问题并建立了聚类指数同步判据。3）故障诊断方面：针对一类加性参数故障的非线性系统，将待检测的故障参数表达成一类二次优化形式，通过构造一类求解优化的梯度神经网络系统，从而将故障参数估计问题转化成神经网络的稳定性问题，解决了一类非线性系统参数在线辨识难的科学问题；针对互联耦合复杂网络中互联系数发生异常时，采用自适应技术设计了具有在线学习能力的主动容错控制方法。