以改进的CMAC(cerebellar model articulation controllers)神经网络作为电机可靠性控制的基础,提出一种动态非线性系统自适应容错控制方法。由于改进CMAC信息融合模型具有连续输出特性,从而解决常规故障诊断方法对电机涌堵故障连续变化情形不能诊断的缺陷。从而提高神经网络的在线学习速度和精度;在故障在线学习的基础上进行电机的容错控制律的在线重构,实现电机的在线故障诊断与容错控制的集成,分析了系统的稳定性,并给出了仿真结果。
以改进的CMAC（cerebellar model articulation controllers）神经网络为在线故障诊断的手段,提出一种动态非线性系统自适应容错控制方法。在常规CMAC学习算法中,误差被平均地分配给所有被激活的存储单元,不管各存储单元存储数据（权值）的可信程度,改进的CMAC中,利用激活单元先前学习次数作为可信度。其误差校正值与激活单元前学习次数的负k次方成比例,从而提高神经网络的在线学习速度和精度;在故障在线学习的基础上进行系统的容错控制律的在线重构,实现其在线故障诊断与容错控制的集成,分析了系统的稳定性,并给出了仿真结果。
