基于神经网络的航空传感器故障检测

用离线训练的神经网络进行导航传感器故障检测。首先,用已获得的正常飞行数据通过离线训练的方法训练神经网络并构造估计器的结构,然后用已选择好结构并训练好的神经网络作为估计器对传感器的读数进行一步预测。若预测值与传感器实际值之间的差值仅为递推误差和传感器输出噪声,则认为传感器工作正常,若相应的残差分量显著增大,则认为传感器故障。因此设计了相应的检测策略进行故障检测,以达到既避免不必要的报警、切换,又准确、及时的监测、报警。通过仿真试验验证,结果证明该方法可行。

基于多观测器的UVMS自适应神经网络抗扰控制

水下机器人机械臂系统(UVMS)往往面临高度非线性、模型不确定、复杂海洋干扰及执行器死区非线性等因素,严重影响控制精度。首先将UVMS水动力学模型与死区非线性特性变换为模型已知和未知两部分,其中未知部分与其他干扰归结为总干扰。接下来利用基于径向基函数(RBF)的自适应神经网络逼近未知非线性函数,并构造神经网络性能估计器,利用其估计误差设计了一种新颖的神经网络干扰观测器来估计总干扰。在此基础上提出了一种基于神经网络干扰观测器、性能估计器以及多补偿器的自适应神经网络抗扰控制算法,并利用李雅普诺夫方法分析了闭环系统的稳定性。最后将所提的算法运用到6自由度UVMS进行仿真实验,并通过对比验证了本文所提控制算法的有效性。