文献类型：期刊文献

中文题名：基于神经网络的容错控制在CSTR对象中的应用

英文题名：Application of Fault-Tolerant Control Based on Neural Network in CSTR

作者：侍洪波[1];吴忭[1]

机构：[1]工业自动化国家工程研究中心华东理工大学分部,上海200237

年份：2008

卷号：34

期号：4

起止页码：584

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;EI(收录号：20083911603602);Scopus;北大核心:【北大核心2004】；CSCD:【CSCD2011_2012】；

基金：上海市曙光资助项目(03SG26)

语种：中文

中文关键词：RBF网络;扩展卡尔曼滤波;PID参数自整定

外文关键词：RBF network; extended Kalman filter; PID parameters auto-tuning

摘要：将扩展卡尔曼滤波用于RBF网络的权值更新,使该网络能满足动态建模的要求,不仅很好地逼近正常工况下的对象,也能及时有效地重构故障工况模型。基于Lyapunov稳定性推导得到的PID参数自整定算法,保证了基于RBF网络的PID控制算法使跟踪误差收敛。在CSTR系统中,仿真实例说明该方法用于对象元部件故障的检测是有效的。
The weights of RBF network are updated using EKF, which satisfies the requirement of dynamic modeling, i. e. , not only fit normal eonditions well, but also re-configurate faulty eonditions. PID parameters auto-tuning algorithm based on Lyapunov stability guarantees the convergence of tracing error under the PID controller based on RBF NN. In CSTR plant, the simulation example of component fault indicates that this fault-tolerant method is effective.