1、在工業(yè)進(jìn)程過(guò)程中，為了確?？刂葡到y(tǒng)可靠安全地運(yùn)行，故障診斷與容錯(cuò)控制作為重要的手段之一，已經(jīng)引起了廣泛的關(guān)注。
　　 目前主要是針對(duì)隨機(jī)系統(tǒng)的故障診斷與容錯(cuò)控制的研究，然而這類研究往往建立在系統(tǒng)干擾、輸入和故障滿足高斯假設(shè)來(lái)開(kāi)展的，然而這一假設(shè)并不完全符合一些實(shí)際應(yīng)用過(guò)程，而且許多實(shí)際系統(tǒng)中要求控制過(guò)程變量的概率密度函數(shù)(Probability density function，PDF)的形狀，這類系統(tǒng)方程描述了系統(tǒng)輸入與系統(tǒng)輸

2、出概率密度函數(shù)之間的關(guān)系，而并非傳統(tǒng)的系統(tǒng)輸入與輸出之間的關(guān)系，稱此類系統(tǒng)為隨機(jī)分布控制(Stochastic distribution system，SDC)系統(tǒng)。時(shí)滯是大多數(shù)工業(yè)系統(tǒng)中非常普遍的現(xiàn)象，例如長(zhǎng)管道進(jìn)料、極緩慢的過(guò)程或復(fù)雜的在線分析儀等。時(shí)滯的存在使得對(duì)系統(tǒng)的分析變得復(fù)雜，同時(shí)也是系統(tǒng)不穩(wěn)定性的根源。目前非高斯時(shí)滯隨機(jī)分布系統(tǒng)的容錯(cuò)控制尚無(wú)研究結(jié)果。
　　 本文針對(duì)非高斯時(shí)滯隨機(jī)分布控制系統(tǒng)，在系統(tǒng)發(fā)生故障后，通

3、過(guò)利用有效的故障診斷算法準(zhǔn)確地估計(jì)出故障，然后利用估計(jì)出的故障信息，對(duì)系統(tǒng)進(jìn)行容錯(cuò)控制，最終使發(fā)生故障后系統(tǒng)的輸出概率密度函數(shù)仍能跟蹤給定的分布，從而實(shí)現(xiàn)非高斯時(shí)滯隨機(jī)分布控制系統(tǒng)的集成故障診斷與容錯(cuò)控制。
　　 本文主要做了如下工作:
　　 ①對(duì)采用有理平方根B樣條逼近的非高斯時(shí)滯隨機(jī)分布系統(tǒng)，運(yùn)用一種基于非線性自適應(yīng)觀測(cè)器故障診斷方法有效地診斷出非高斯隨機(jī)分布系統(tǒng)的常值故障。仿真結(jié)果驗(yàn)證了故障診斷算法的有效性。

4、>　　 ②對(duì)采用有理平方根B樣條逼近的非高斯時(shí)滯隨機(jī)分布系統(tǒng)，給出基于RBF神經(jīng)網(wǎng)絡(luò)觀測(cè)器的故障診斷算法，診斷出系統(tǒng)發(fā)生的漸變故障。基于故障診斷的信息，給出一種新的PI容錯(cuò)跟蹤控制算法，使發(fā)生故障后系統(tǒng)輸出的概率密度函數(shù)仍能跟蹤給定的分布，最終通過(guò)仿真從而驗(yàn)證集成故障診斷和容錯(cuò)控制算法的有效性。
　　 ③對(duì)非高斯奇異隨機(jī)分布控制系統(tǒng)，考慮時(shí)滯因素的影響，給出基于迭代學(xué)習(xí)觀測(cè)器(ILO)的故障診斷方法，結(jié)合切換控制理論，基于故障