论文部分内容阅读
本文采用人工神经网络和模糊逻辑系统两种智能方法,分别研究了非线性系统辨识问题,并将模糊系统和神经网络结合起来,研究了基于神经网络的自适应模糊推理系统(ANFIS)在故障诊断方面的应用。
首先对系统辨识和故障诊断的发展概况,以及模糊逻辑和人工神经网络进行了必要的综述,详细地介绍了三种常见的人工神经网络—BP网络、RBF网络、动态模糊神经网络的结构和训练规则,通过实例验证了它们辨识非线性系统的能力;其次,针对一类单输入单输出非线性系统提出了一种稳定的组合自适应模糊辨识方法,在辨识系统设计中引入了自适应辨识补偿器来减小对跟踪误差的影响,在不要求最优逼近误差平方可积的条件下,利用设计的Lyapunov函数证明了系统的渐近稳定性。此方法的关键是用模糊辨识器辨识系统中的未知部分,基于辨识器的补偿器则用来消除未建模动态;然后用控制器中的状态反馈控制器使系统的线性部分稳定。最后,详细介绍了基于神经网络的自适应模糊推理系统(ANFIS)的结构、原理与算法,并利用其建立了柴油机喷油子系统中泵柱塞的故障诊断模型。通过对柴油机燃油喷射系统的故障诊断,证明其在故障诊断上的可行性,与传统的神经网络诊断方法相比也有很大的优越性。