基于神经网络的非线性系统传感器故障诊断研究

本文主要研究了基于神经网络的传感器故障诊断方法。文中对故障诊断技术进行了综述，介绍了控制系统中故障诊断的含义、内容和任务，阐明了神经网络技术运用于故障诊断领域在整个故障诊断技术中的地位。简要介绍了神经网络技术基础和反向传播(BP)网络。讨论了基于神经网络观测器的传感器故障诊断原理和方法。最后在详细的研究了被诊断系统的基本性能的基础上，应用该方法对某一液压系统的传感器故障进行了故障诊断研究。 对很多系统而言，当系统性能下降时(非故障引起)，如果这时系统某一部位发生故障，由于故障受系统自身的非线性特性影响，使故障诊断变的十分困难，从而会引起误报或漏报。本文详细研究了在这种情况下的故障诊断问题，针对某液压系统，分析了系统在方波输入、正弦输入、锯齿波输入下，分别在正常工作频率、极限工作频率以及接近极限工作频率等9种工作状态的特性，以及在这9种工作状态下，运用神经网络观测器进行传感器故障诊断研究。 仿真结果表明，基于神经网络观测器的故障诊断方法在系统正常工作频率范围之内，不受系统输入类型和故障的类型的影响，只要故障对系统的特性发生影响(系统参数漂移3％)，通过神经网络观测器的残差判别函数可以诊断出故障。这说明，该方法具有很强的适用性和潜在的应用价值。同时，仿真结果也表明，该方法能有效抑制噪声，对故障信号敏感，具有很强的鲁棒性。 将基于神经网络的故障诊断方法与基于数学模型的方法进行比较后发现，基于神经网络的方法具有适用性广、实时性很强、鲁棒性强以及结构和设计步骤更简便等特点。