摘要：以改進(jìn)的CMAC（cerebellar model articulation controllers）神經(jīng)網(wǎng)絡(luò)作為電機(jī)可靠性控制的基礎(chǔ)，提出一種動(dòng)態(tài)非線性系統(tǒng)自適應(yīng)容錯(cuò)控制方法。由于改進(jìn)CMAC信息融合模型具有連續(xù)輸出特性，從而解決常規(guī)故障診斷方法對(duì)電機(jī)涌堵故障連續(xù)變化情形不能診斷的缺陷。從而提高神經(jīng)網(wǎng)絡(luò)的在線學(xué)習(xí)速度和精度；在故障在線學(xué)習(xí)的基礎(chǔ)上進(jìn)行電機(jī)的容錯(cuò)控制律的在線重構(gòu)，實(shí)現(xiàn)電機(jī)的在線故障診斷與容錯(cuò)控制的集成，分析了系統(tǒng)的穩(wěn)定性，并給出了仿真結(jié)果。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；故障診斷；容錯(cuò)控制；電機(jī)

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599 （2012） 18-0000-02

1 引言

近二十年來(lái)，容錯(cuò)控制技術(shù)無(wú)論是在故障診斷研究方面，還是在控制律重構(gòu)算法設(shè)計(jì)上都取得了一系列的成果，文獻(xiàn)[1-2]對(duì)近些年研究狀況進(jìn)行了較好的綜述，雖然電機(jī)系統(tǒng)的在線故障診斷與容錯(cuò)控制有些報(bào)道，基于模型的故障診斷方法[3]，信號(hào)處理故障診斷方法[4-5]及基于人工智能的診斷方法等[6-7]。但是關(guān)于電機(jī)可靠性的容錯(cuò)控制技術(shù)研究卻很少[8-9]。仍有許多工作有待研究。

本文采用一種改進(jìn)的基于信度分配的CMAC（ICA-CMAC）神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，進(jìn)行電機(jī)系統(tǒng)的在線故障辨識(shí)，引入第一控制律控制算法進(jìn)行控制規(guī)律的在線重組，將在線故障診斷與容錯(cuò)控制相結(jié)合，構(gòu)造集成故障診斷與容錯(cuò)控制系統(tǒng)。保證系統(tǒng)的控制性能，實(shí)現(xiàn)電機(jī)系統(tǒng)容錯(cuò)控制。

2 改進(jìn)的CMAC神經(jīng)網(wǎng)絡(luò)模型

相對(duì)于常規(guī)的神經(jīng)網(wǎng)絡(luò)，一種“平衡學(xué)習(xí)”的概念被提出，由此產(chǎn)生一種改進(jìn)的基于信度分配的CMAC神經(jīng)網(wǎng)絡(luò)模型，此時(shí)為：

其中， 是一個(gè)平衡學(xué)習(xí)常數(shù)，當(dāng) 為0或者1時(shí)，ICA-CMAC分別常規(guī)的CMAC和CA-CMAC。激活存儲(chǔ)單元的學(xué)習(xí)次數(shù)越大，則其先前的學(xué)習(xí)的知識(shí)就越多。平衡學(xué)習(xí)常數(shù) 越大，對(duì)學(xué)習(xí)次數(shù)較大的存儲(chǔ)單元，其權(quán)值改變較少?？梢?jiàn) 是一個(gè)平衡學(xué)習(xí)常數(shù)，它反映了在網(wǎng)絡(luò)學(xué)習(xí)過(guò)程中，先學(xué)習(xí)的信息與為學(xué)習(xí)的或少學(xué)習(xí)信息對(duì)存儲(chǔ)單元權(quán)值的調(diào)整的影響程度。不同的 將會(huì)有不同的學(xué)習(xí)結(jié)果。更具體的算法說(shuō)明見(jiàn)文獻(xiàn)[10]。