آشکارسازی عیب سیستم¬های غیرخطی چندمتغیره با عدم قطعیت، با استفاده از رویتگرغیرخطی مقاوم و تخمینگر عیب عصبی
به صورت ورد ودر87صفحه
چکیده
در این نوشتار تشخیص، بازسازی و پیش‌بینی عیب سیستم‌های غیرخطی همراه با عدم قطعیت مورد بررسی قرار می‌گیرد. معیار عیب‌یابی سیگنال باقیمانده‌ای است که از اختلاف خروجی سیستم و یک رویتگر مود لغزشی محاسبه می‌شود. ایده‌ی مود لغزشی در راستای جبران اثر عدم قطعیت‌ها بر سیگنال باقیمانده می‌باشد. توانایی رویتگرلغزشی در رساندن سیگنال باقیمانده به سطح لغزشی صفر با حساسیت روش عیب‌یابی در تضاد است. این مشکل را با تطبیق بهره‌ی رویتگر لغزشی حل می‌کنیم. این الگوریتم تطبیق، بهره‌ها را تا حد نیاز مسئله برای جبران نامعینی‌های مدل کاهش می‌دهد. خطای تخمین با بهره‌ی لغزشی کمینه به سطح صفر می‌رسد. با خروج خطای رویتگر از سطح لغزشی صفر رخداد عیب کشف و تطبیق بهره خاموش می‌گردد. بنابراین، اثر عیب در سیگنال باقیمانده بدون تضعیف توسط رویتگر لغزشی انتشار می‌یابد. به علاوه شبکه‌ی عصبی تخمینگر برای بازسازی دینامیک عیب در متن رویتگر فعال می‌شود. قوانین به‌روزرسانی وزن‌ها به بهبود پایداری روش و همگرایی خطای تخمین کمک می‌کند. با تعریف آستانه‌ی نابودی مناسب برای وزن‌های شبکه، الگوریتم پیش‌بینی عیب از قانون به‌روزرسانی وزن‌ها استخراج می‌شود. بررسی پایداری لیاپانوف روش آشکارساز عیب در هر دو حوزه‌ی پیوسته و گسسته زمان بررسی می‌گردد. اثبات پایداری لیاپانوف در روش‌های عیب‌یابی گذشته به‌ندرت دیده می‌شود.
آشکارسازی عیب سیستم¬های غیرخطی چندمتغیره با عدم قطعیت، با استفاده از رویتگرغیرخطی مقاوم و تخمینگر عیب عصبی
