现代控制系统正朝着大规模、复杂化的方向发展,这类系统投资巨大,一旦发生事故就可能造成人员和财产的巨大损失,因此,人们迫切需要提高现代控制系统的可靠性和安全性。而容错控制则为提高复杂系统的可靠性和安全性开辟了一条新的途经。 容错控制是20世纪80年代发展起来的一种旨在提高系统运行可靠性的控制技术,它的根本特征是系统在运行过程中一个或者多个部件发生故障时,通过采取有效措施,使得系统仍然是稳定的,并仍然具有较理想的特性。容错控制一般可以分为两大类:被动容错控制(passive FTC)和主动容错控制(active FTC)。 目前将神经网络用于容错控制是控制系统研究的热点问题之一。这是因为当前的控制系统变得越来越复杂,不少情况下想获得系统的精确模型是非常困难的,而且发生故障的系统往往是非线性的,而神经网络容错控制方法为解决非线性、时变系统的容错控制问题提供了一条新的途径。本文研究的主要内容如下: 1.针对现代工业过程存在非线性、大滞后、时变和数学模型不确定等特征,分析了各种容错控制方法的优缺点,并重点分析了神经网络在容错控制中的应用。 2.利用改进的BP算法,对神经网络内模控制系统的状态估计器和控制器进行了设计。 3.对发生故障的系统,本文采用了一种利用BP网络直接作为故障补偿器的容错控制方案,并对故障补偿器进行了设计。 4.在设计的补偿器的控制下,本文给出了保证闭环系统稳定的控制器的充分条件。 5.本文最后的仿真例证明,当系统发生故障时,加入的故障补偿器使系统真正达到了容错控制的目的,证明了此方法的有效性。