③ 基于神经网络的方法

神经网络方法在90年代开始发展称为一种实用性的故障诊断方法[24]。原理是通过采用一些复杂的数学变换，来对非线性映射进行分析和实现，使用并行处理技术，完成输入到输出的信息转换。在建立了针对具体模型的故障诊断神经网络后，给出其输入信息，可以直接得到其输出信息，这其中包含着故障信息，由此可以进行故障诊断。利用神经网络进行故障诊断要经过如下的过程：首先使用神经网络生成残差，其次使用神经网络对残差进行分析的判断，然后使用神经网络进行进一步诊断，再之使用神经网络进行适当的误差补偿，最后使用模糊神经网络进行故障诊断

④ 基于模式识别的故障诊断

基于模式识别的故障诊断方法基本思路就是在具体的故障模型中提取故障的信息，然后进行离线诊断。具体的操作分为2步，第一步首先提取故障的特征向量，然后根据判别函数确定系统故障的位置并进行分离。第二步通过对所提取的特征向量进行分析和处理，与现有的理论进行比对，得到其所携带的故障信息，完成故障诊断。这种方法效率高，适用面广，是一种比较有发展潜力的故障诊断方法。

事实上，没有一种故障诊断方法是全盘有效的。每一种故障诊断方法往往只能针对一种或者几种特殊的故障情况进行诊断。在一个大型的复杂系统中，往往要联合使用几种不同的方法进行诊断才能达到预期的效果。

1。3 容错控制的基本概念和分类

1。3。1 容错控制的基本概念

1986年9月，在美国的Santa Clara University举办的IEEE控制系统分会上，科学家们提出了容错控制的概念。容错控制是指当系统的一些主要的部分发生故障的情况下，系统能够自动检测出故障的部位并判明故障的性质，然后自动的采取一定的措施维持系统的性能或者使得系统的性能下降的幅度不至于太大，是系统的性能保持在一个可以接受的水平内。在现代科学的发展过程中，容错控制技术已经渗透到各个领域，尤其在航空航天领域里应用尤多。同时容错控制的基础理论建立在很多学科的理论上，因此，容错控制是一门交叉学科，也是应用性极强的控制理论。

1950年前后，John von Neumann提出了复合冗余的概念和方法，他指出可以将一系列可靠度较差的器件通过一定的组合方式组合为一个可靠性很高的组件。在之后不长的时间内提出了莫尔香农方法，这些理论给出了容错控制的基础。在1960-1970年期间，为了提高飞机和航天器的安全性和可靠性，故障诊断与容错控制有了长足的发展，并将这些方法推广到了其他的领域中。1970-1980年期间，美国对于容错控制的研究有了极大的进步。由于在之前的研究中，广泛地使用了硬件冗余的概念，但硬件冗余不但成本较高，同时也使得系统更为复杂化，在实际使用中并不方便。基于上述的问题，在1971年Massachusetts Institute of Technology的Beard教授提出了用解析冗余代替硬件冗余思想

按照是否需要在系统发生故障时改变整个的控制结构，容错控制可以分为两类，一种是被动容错控制，在这种方法中，控制器是固定的，并且被设计为用很强的鲁棒性，来防备可能出现的一系列故障情况[25]。这样的系统不存在FDD（故障检测与诊断）方案和控制器的重构。另一种是主动容错控制，这样的系统能自动检测系统的故障，并通过重构来保持系统的稳定性并维持其规定的性能。

1。3。2 容错控制的分类论文网

(1) 被动容错控制

从本质上来看，被动容错控制属于鲁棒控制的一种。这种方法的基本思想是事先来预估故障的具体情况，设计好鲁棒控制器。在系统运行过程中，不改变已经设计好的控制器的任何参量与结构，通过对控制器的合理设计，来保证系统在发生故障之后的性能在允许的范围之内。被动容错控制有三种方法来具体实现。