买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京工业大学申请的专利一种基于数据驱动的容错控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119847018B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411919548.6，技术领域涉及：G05B19/042；该发明授权一种基于数据驱动的容错控制方法是由沈谋全;张巍颢;王华;秦雯;张智浩设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于数据驱动的容错控制方法在说明书摘要公布了：本发明公开了一种基于数据驱动的容错控制方法。该方法通过机器学习算法对历史数据进行分析，建立故障特征模型，实现对系统潜在故障的早期识别，根据实时数据动态调整控制参数，以适应系统变化和故障情况，确保系统性能的最优化。与传统的需要精确数学模型的控制方法相比，本发明所提的控制算法更为新颖且应用条件简单。该方法能够在各种复杂和不确定的环境中保持系统的最优性能，有效地提高了控制精度，具有良好的工程应用价值。

本发明授权一种基于数据驱动的容错控制方法在权利要求书中公布了：1.一种基于数据驱动的容错控制方法，其特征在于，包括以下步骤： 建立含有故障信号的输入输出数据模型，具体为: 所述含有故障信号的数据驱动系统的离散数学表达式如下所示： yk+1＝fyk,yk-1,...,yk-ny,uk+pk,uk-1+pk-1,...,uk-nu+pk-nu式中,yk∈R表示输出，uk∈R表示输入，pk∈R表示未知的执行机构故障，k∈{0,1,...,}表示采样时刻，f·表示未知的非线性函数，ny和nu表示未知的系统阶数； 采用紧格式动态线性化技术将上述数据驱动系统转化为线性的输入输出数据模型，如下所示： yk+1＝yk+Φ1kΔuk+Φ2kΔpk 式中，Δuk＝uk-uk-1，Δpk＝pk-pk-1，Φ1k∈R，Φ2k∈R称为伪偏导数，它满足Φ1k≤b1，Φ2k≤b2，b1和b2为正的常数； 设计一个基于神经网络的故障观测器，构造容错控制器，具体为: 在神经网络结构中，网络输入向量为： X＝[Δyk,Δyk-1,Δuk-1,Δuk-2]T 神经网络的径向基向量L＝[l1,l2,…lm]T，其中lj为高斯基函数如下所示： 网络第j个节点的中心向量cj为： cj＝[cj1,cj2,…,cji,…,cjm]T 网络的基宽向量为： Q＝[q1,q2,…qm]T 其中，qj为节点j的基宽参数； 网络的权重向量为： W＝[w1,w2,…wm]T 其中，wj为第j个权重； 神经网络的输出如下所示： 根据梯度下降法，输出权重、节点中心及节点基宽参数的迭代算法如下： qjk＝qjk-1+η1Δqj+α1[qjk-1-qjk-2] cjik＝cjik-1+η1Δcji+α1[cjik-1-cjik-2] 其中，η1为学习速率，α1为动量因子； 设计紧格式动态线性化模型中Φ1k，Φ2k对应估计值的更新算法如下所示： 式中，μ＞0，γ＞0，α+β＝1，该算法可以保证估计误差有界； 根据已有的控制输入uk的更新算法，得到包含估计故障信息的控制输入更新算法，如下所示： 式中，为Φ1k，Φ2k，Δpk的估计值，其中ρ为步长序列，λ为权重因子； 给出数据驱动的容错控制方法保证闭环系统一致最终有界的收敛性证明，具体为: B001：当y*k+1＝y*＝const时，则系统是收敛的； B002：系统误差定义如下所示： ek＝y*k-yk； B003：将控制算法带入到系统的动态线性化方程中可得： B004：定义如下函数： B005：化简B003得到下式： B006：上式两端同时减去y*可得： B007：由于Φ1k，Φ2k，Δpk，均是有界的，因此满足： 式中ξ1是一个较小的正数； B008：将B006代入B007中，得到下式： |ek+1|≤1-d1|ek|+ξ1 |ek+1|≤1-d12|ek-1|+1-d1ξ1+ξ1 |ek+1|≤1-d1k|e1|+1-d1k-1ξ1+...1-d1ξ1+ξ1 B009：由B008可得下式： 即系统的输出误差是收敛的。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京工业大学，其通讯地址为：210009 江苏省南京市鼓楼区新模范马路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。