论文摘要
随着技术的发展,控制系统越来越复杂,因而及时、准确地诊断出系统的故障,保证其平稳可靠地运行也就变得越来越重要。本文介绍了故障诊断的任务,研究了控制系统中存在的故障,以及它们的数学表示方法。执行器和传感器作为控制系统的重要部件,经常工作在高温、高压和具有腐蚀等恶劣工作环境中,是比较容易出故障的部件。故障往往对控制性能产生直接的影响,甚至造成过程的振荡,最终导致产品不合格等严重后果。因此提高执行器与传感器本身的可靠性,及时发现其运行过程中存在的故障,是保障过程控制的稳定经济运行的要求。论文总结了近年来传感器与执行器故障诊断领域的最新研究成果,对两大类基本的诊断方法进行了深入研究,首先应用观测器原理实现了控制系统传感器与执行器故障的诊断。基于神经网络控制系统的故障诊断分为两部分,一是故障样本数据及检验数据的采集;二是故障诊断。在故障样本数据及检验数据的采集过程中,首先建立了控制系统的数学模型,人为地让控制系统发生各种故障,从而采集到各种故障数据,经过归一化处理后,作为训练神经网络的样本数据;同时,也采集检验数据,用以检验训练出的神经网络是否能够起到故障诊断的作用。利用遗传算法和神经网络的特点和优点,将两者结合在一起而形成了GA-BP算法,并建立了用于过程控制故障智能诊断的遗传一神经网络模型。该模型继承了传统遗传算法的优点,兼具神经网络强大的函数逼近功能,同时又克服了传统神经网络优化方法易陷入局部最优解的缺陷。实例的训练和模式识别结果表明:实数编码的遗传算法优化的神经网络模型模式识别精度较高,适合于过程控制系统的故障诊断。
论文目录
摘要ABSTRACT第一章 绪论§1-1 课题研究背景和意义1-1-1 课题研究背景与意义1-1-2 控制系统故障诊断的重要性1-1-3 国内外研究水平和发展方向§1-2 故障诊断的概念及种类1-2-1 控制系统故障诊断的概念和任务1-2-2 故障诊断的种类1-2-3 故障检测和诊断技术中存在的问题及其发展趋势§1-3 本文研究的内容第二章 过程控制系统故障的建模§2-1 控制系统模型的建立2-1-1 控制器数学模型2-1-2 执行器模型2-1-3 传感器模型§2-2 控制系统故障的数学表示2-2-1 执行器故障模型2-2-2 传感器故障模型§2-3 本章小结第三章 基于数学模型的故障诊断研究§3-1 运用状态观测器进行诊断的背景和意义§3-2 基于数学模型的故障诊断原理3-2-1 状态观测器的故障诊断设计原理3-2-2 状态观测器的设计要求3-2-3 极点位置选取的一般原则§3-3 仿真研究3-3-1 建立系统模型3-3-2 观测器设计3-3-3 故障诊断仿真§3-4 本章小结第四章 神经网络在故障诊断中的应用§4-1 神经网络简介4-1-1 人工神经网络连接的基本形式4-1-2 人工神经网络的学习方法类型4-1-3 人工神经网络的工作过程§4-2 多层网络的误差逆传播校正方法4-2-1 误差逆传播校正方法4-2-2 BP 网络的学习与计算方法4-2-3 BP 网络的缺陷4-2-4 各种参数的选取及对训练神经网络产生的影响4-2-5 故障诊断的神经网络方法§4-3 基于神经网络时间序列预测器的故障诊断4-3-1 神经网络的时间序列预测方法简介4-3-2 神经网络预测器的原理4-3-3 BP 网络的预测模型4-3-4 多步预测模型4-3-5 基于神经网络预测器的传感器故障诊断原理§4-4 神经网络在执行器传感器故障分类中的运用4-4-1 神经网络用于故障诊断的结构4-4-2 控制系统（诊断对象）故障仿真4-4-3 样本特征值提取4-4-4 采样数据归一化处理§4-5 仿真研究4-5-1 实例仿真4-5-2 BP 改进算法4-5-3 隐含层单元数的变化对训练神经网络的影响§4-5 本章小结第五章 遗传算法在故障诊断中的应用§5-1 遗传算法简介5-1-1 遗传算法概述5-1-2 遗传算法的基本概念5-1-3 遗传算法的基本操作5-1-4 遗传算法的形式化描述5-1-5 遗传算法的特点§5-2 BP 神经网络与遗传算法的结合5-2-1 结合的必要性和可行性5-2-2 结合方法5-2-3 遗传算法的具体实现5-2-4 遗传算法和BP 算法相结合方式5-2-5 遗传算法中的参数的选取§5-3 仿真研究5-3-1 仿真遗传算法和BP 算法相结合一5-3-2 仿真遗传算法和BP 算法相结合二§5-4 本章小结第六章 结论参考文献致谢攻读学位期间所取得的相关科研成果
相关论文文献
标签：故障诊断论文; 过程控制系统论文; 观测器论文; 神经网络论文; 遗传算法论文;
