基于小波神经网络的一类非线性系统的故障检测

李新; 闻新; 罗立生; 陈运; 任晓东

文章摘要

基于小波神经网络的一类非线性系统的故障检测

Fault Detection for a Class of Nonlinear System Based on Wavelet Neural Networks

投稿时间：2015-09-11

DOI：10.16018/j.cnki.cn32-1650/n.201601003

中文关键词: 故障检测非线性系统状态观测器神经网络仿真

英文关键词: fault detection nonlinear systems state observer neural networks simulation

基金项目:

作者	单位
李新	沈阳航空航天大学航空航天工程学部, 辽宁沈阳 110136
闻新	沈阳航空航天大学航空航天工程学部, 辽宁沈阳 110136
罗立生	沈阳航空航天大学机电工程学院, 辽宁沈阳 110136
陈运	沈阳航空航天大学机电工程学院, 辽宁沈阳 110136
任晓东	沈阳航空航天大学机电工程学院, 辽宁沈阳 110136

摘要点击次数: 3783

全文下载次数: 3167

中文摘要:

针对一类非线性系统，提出一种小波神经网络(wavelet neural network，WNN)自适应故障检测方法。WNN具有较强的泛化能力及不同的激活函数。通过设计自适应状态观测器技术，利用小波神经网络观测器良好的观测性能来观测系统的当前状态，并将其应用于一类非线性系统中，实现故障检测与诊断。利用Lyapunov直接方法从理论上证明了小波神经网络故障检测观测器的稳定性，仿真结果亦表明了该非线性系统故障检测观测器的可靠性和稳定性。

英文摘要:

In this paper, an adaptive fault detection method based on wavelet neural network(WNN)is proposed for a class of nonlinear systems. Compared with BP(Propagation Back)neural networks, the WNN has a more generalization ability with different activation functions. By designing adaptive state observer technique, the current state of the system is observed by using wavelet neural network observer, and it is applied to a class of nonlinear system fault detection and diagnosis. The stability of the fault detection observer for the wavelet neural network is proved by using the Lyapunov's direct method. Finally, the reliability and stability of the fault detection observer for the nonlinear system are demonstrated by simulation.

查看全文查看/发表评论下载PDF阅读器

关闭