基于多模型的主动容错控制方法研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-22页 |
| ·引言 | 第9页 |
| ·容错控制分类 | 第9-19页 |
| ·被动容错控制 | 第10-11页 |
| ·主动容错控制 | 第11-13页 |
| ·鲁棒容错控制 | 第13页 |
| ·非线性系统的容错控制 | 第13-16页 |
| ·基于多模型的容错控制 | 第16-18页 |
| ·当前研究的热点、难点 | 第18-19页 |
| ·本课题的研究意义 | 第19-20页 |
| ·本课题的研究内容 | 第20-21页 |
| ·本文的内容及其安排 | 第21-22页 |
| 第二章 基于多模型的主动容错控制方法 | 第22-30页 |
| ·控制方案 | 第22-23页 |
| ·模型库 | 第23-24页 |
| ·基本模型库的建立 | 第23-24页 |
| ·模型库的完善 | 第24页 |
| ·监控指标 | 第24-25页 |
| ·系统性能容忍度指标 | 第24-25页 |
| ·模型失配度指标 | 第25页 |
| ·监控决策机制 | 第25-28页 |
| ·监控决策机制的结构与功能 | 第25-26页 |
| ·监控指标在容错控制过程中的变化情形分析 | 第26-28页 |
| ·监控决策的方法步骤 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第三章 模型库的建立方法 | 第30-43页 |
| ·神经网络基础知识 | 第30-34页 |
| ·神经网络的类型 | 第30-31页 |
| ·神经网络的学习与训练方法 | 第31-32页 |
| ·神经网络的应用及研究方向 | 第32-33页 |
| ·BP神经网络 | 第33-34页 |
| ·神经网络 PID控制 | 第34-37页 |
| ·PID控制原理 | 第34-35页 |
| ·数字 PID控制 | 第35-36页 |
| ·神经网络 PID控制 | 第36-37页 |
| ·基于神经网络的非线性系统建模 | 第37-40页 |
| ·神经网络结构选择 | 第38-39页 |
| ·基于 L-M算法的神经网络建模 | 第39-40页 |
| ·控制律参数整定算法 | 第40-41页 |
| ·构建模型库 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 仿真试验及结果分析 | 第43-57页 |
| ·非线性仿真算例 | 第43-48页 |
| ·线性仿真算例 | 第48-51页 |
| ·引入混沌机制的改进算法研究 | 第51-56页 |
| ·基于引入混沌机制的神经网络 PID参数整定 | 第52-53页 |
| ·仿真算例 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 主动容错控制方案的性能分析 | 第57-66页 |
| ·故障诊断技术 | 第57-59页 |
| ·故障诊断的概念和任务 | 第57-58页 |
| ·故障诊断的常用方法 | 第58-59页 |
| ·故障诊断的性能 | 第59页 |
| ·主动容错控制的鲁棒性 | 第59-64页 |
| ·故障诊断的鲁棒性 | 第60页 |
| ·控制器的鲁棒性 | 第60-61页 |
| ·鲁棒性研究仿真算例 | 第61-64页 |
| ·主动容错控制的实时性 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 结论与展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第75页 |
