1、故障診斷和容錯控制技術是提高動態(tài)系統(tǒng)可靠性、安全性的重要途徑之一。長期以來關于隨機動態(tài)系統(tǒng)的故障診斷和容錯控制的研究一直是控制理論和應用的重要領域之一?，F有隨機系統(tǒng)的故障診斷與容錯控制大都針對服從高斯分布的隨機過程，假設系統(tǒng)故障、隨機輸入或擾動信號服從高斯分布，然而這一假設并不完全符合一些實際應用過程，而且許多實際系統(tǒng)中要求控制過程變量的概率密度函數的形狀，這類系統(tǒng)方程描述了系統(tǒng)輸入與系統(tǒng)輸出概率密度函數之間的關系，而并非傳統(tǒng)的系統(tǒng)輸入

2、與輸出之間的關系，稱此類系統(tǒng)為隨機分布控制系統(tǒng)（Stochasticdistributionsystem，SDC）。有時跟蹤目標概率密度函數并不能事先確定，這時容錯控制就可以轉化為控制輸出變量具有最小的不確定性，對高斯系統(tǒng)，最小不確定性可以通過方差來體現，對一般的非高斯系統(tǒng)，最小的不確定性采用熵來體現。目前目標概率密度函數事先不能確定時非高斯隨機分布系統(tǒng)的容錯控制尚無研究結果。
　　 本文針對非高斯隨機分布控制系統(tǒng)，給出了基于觀

3、測器的故障診斷方法，估計出故障的大小。當跟蹤目標概率密度函數并不能事先確定時，將熵的概念引入到隨機分布系統(tǒng)的容錯控制，利用故障估計信息，將關于熵的性能指標極小化，進行控制器重構，使系統(tǒng)的輸出具有最小的不確定性，實現非高斯隨機分布控制系統(tǒng)的最小熵容錯控制。本文的主要內容如下:
　　 (1)針對線性B樣條逼近的非高斯隨機分布系統(tǒng)，分別考慮線性和非線性動態(tài)兩種情況，基于自適應觀測器進行故障診斷。最小熵控制器是SDC系統(tǒng)在目標概率密度函

4、數（Probabilitydensityfunction，PDF）不能事先確定的情況下的一種選擇。因為熵是一個凹函數，極小值點不止一個，均值表明隨機變量的中心位置，因此在均值約束下對熵的指標進行極小化似乎更合理。在故障診斷信息的基礎上，極小化均值約束下的熵性能指標，進行最小熵容錯控制設計。仿真結果驗證了故障診斷與最小熵容錯控制算法的有效性。
　　 (2)針對一類非高斯非線性隨機分布控制系統(tǒng)，采用有理平方根B樣條逼近系統(tǒng)輸出的PD

5、F，給出了基于迭代學習觀測器（Iterativelearningobserver,ILO）的故障診斷方法?；贚yapunov穩(wěn)定性定理對觀測誤差系統(tǒng)進行穩(wěn)定性分析來確定迭代學習觀測器參數，利用故障估計信息和觀測器的狀態(tài)信息重構控制器，極小化均值約束下的熵性能指標，使系統(tǒng)輸出的不確定性最小化，實現了均值約束下的最小熵容錯控制。仿真結果顯示所提出故障診斷算法的有效性，不但對突變故障有效，而且對慢變故障、快變故障類型同樣有效。