论文部分内容阅读
针对包含故障和干扰的非高斯随机分布系统,提出了一种基于迭代学习观测器(ILO)的鲁棒容错控制方法。使用线性B样条神经网络建立了输出概率密度函数(PDF)和动态权重之间的关系。设计迭代学习观测器,以较小的计算量实现对故障的精确估计。利用故障估计信息设计容错控制器,使得系统的权向量在故障发生后仍能够跟踪到期望的权向量。最后通过仿真分析说明了提出方法的有效性。所设计的迭代学习观测器在经过短暂过渡后可迅速重构系统故障,基于PI跟踪的容错控制器对定常和时变权向量都有较好的跟踪效果。