论文部分内容阅读
针对一类仿射非线性动态系统，提出了一种基于神经网络非线性观测器的鲁棒故障检测与隔的新方法。该方法采用了神经网络逼近观测系统中的非线性项，提高了状态估计的精度，并从理论上证明了状态估计误差稳定且渐近收敛到零；另一方面引入神经网络分类器进行故障的模式识别，通过在神经网络输入端加入噪声项来进行训练，提高神经网络的泛化逼近能力，从而保证对被监测系统的建模误差和外部扰动具有良好的鲁棒性。