基于神经网络的容错控制方法在CSTR中的应用研究

针对一个连续搅拌釜式反应器,将容错控制(FTC)与故障诊断(FDD)方法相结合,提出了一种关于传感器故障的容错控制方法。用RBF神经网络建立传感器故障模型,对系统的状态和故障参数进行在线估计,将故障参数与修正的Bayes分类算法相结合,进行传感器故障的在线检测、分离和估计。当传感器发生故障时,认为是系统处于不同的工作模式,利用估计出的状态值在线训练神经网络控制器的参数,使网络适应系统新的(故障)状态,维持系统性能。仿真结果表明,方法具有很强的关于传感器故障的容错能力。