论文部分内容阅读
针对一类故障参数是线性可分的非线性系统，在参数故障情况下提出了一种基于Hopfield递归神经网络的故障估计方法。利用Hopfield递归神经网络的自学习能力各和稳定性理论，将故障参数的估计问题转化为Hopfield神经网络的稳定性问题，克服了现有数值方法存在量化误差和算法收敛性等同题。与自适应观测器和等价空间方法等相关故障参数估计方法相比，具有设计简单、易于实现争适用性宽等特点。仿真结果表明，对于常值故障和时变故障，诊断系统均具有较好的估计效果和动态性能。