Resumen

En este trabajo se presenta un nuevo método de detección de fallos mediante un observador de estado aumentado por redes neuronales para sistemas no lineales. La novedad del enfoque es que en lugar de aproximar todo el sistema no lineal con redes neuronales, sólo aproximamos la parte no modelada que queda después de la linealización, en la que se adopta una red neuronal de función de base radial (RBF). En comparación con el observador lineal convencional, la estructura de observador propuesta proporciona una estimación más precisa del estado del sistema. Se demuestra que el error de estimación del estado se aproxima asintóticamente a cero por el método de Lyapunov. Un sistema aeronáutico demuestra la eficacia del esquema de detección de fallos propuesto, cuyos resultados de simulación muestran que el esquema de observador basado en la red neuronal RBF propuesto es eficaz y tiene una aplicación potencial en la detección e identificación de fallos (FDI) para sistemas no lineales.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:red neuronal, sistemas no lineales, nuevo método de detección de fallos, observador lineal convencional, sistema no lineal completo, esquema de detección de fallos, función de base radial, error de estimación del estado, rbf, método de lyapunov
• Keywords:neural network, nonlinear systems, new fault detection method, conventional linear observer, entire nonlinear system, fault detection scheme, radial basis function, state estimation error, rbf, lyapunov method