基于智能方法的系統(tǒng)辨識(shí)和故障診斷.pdf

1、本文采用人工神經(jīng)網(wǎng)絡(luò)和模糊邏輯系統(tǒng)兩種智能方法，分別研究了非線性系統(tǒng)辨識(shí)問題，并將模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)結(jié)合起來，研究了基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)模糊推理系統(tǒng)(ANFIS)在故障診斷方面的應(yīng)用。
　　 首先對(duì)系統(tǒng)辨識(shí)和故障診斷的發(fā)展概況，以及模糊邏輯和人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了必要的綜述，詳細(xì)地介紹了三種常見的人工神經(jīng)網(wǎng)絡(luò)—BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)、動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和訓(xùn)練規(guī)則，通過實(shí)例驗(yàn)證了它們辨識(shí)非線性系統(tǒng)的能力；其次，針對(duì)一類單輸入單輸出非

2、線性系統(tǒng)提出了一種穩(wěn)定的組合自適應(yīng)模糊辨識(shí)方法，在辨識(shí)系統(tǒng)設(shè)計(jì)中引入了自適應(yīng)辨識(shí)補(bǔ)償器來減小對(duì)跟蹤誤差的影響，在不要求最優(yōu)逼近誤差平方可積的條件下，利用設(shè)計(jì)的Lyapunov函數(shù)證明了系統(tǒng)的漸近穩(wěn)定性。此方法的關(guān)鍵是用模糊辨識(shí)器辨識(shí)系統(tǒng)中的未知部分，基于辨識(shí)器的補(bǔ)償器則用來消除未建模動(dòng)態(tài)；然后用控制器中的狀態(tài)反饋控制器使系統(tǒng)的線性部分穩(wěn)定。最后，詳細(xì)介紹了基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)模糊推理系統(tǒng)(ANFIS)的結(jié)構(gòu)、原理與算法，并利用其建立了柴