李仿华 ，王爱平 ，姚丽娜 ，国玮玮 ，徐晓燕

(1.安徽大学 计算机科学与技术学院，安徽 合肥230039；2.郑州大学 电气工程学院，河南 郑州450001)

随着工业化程度的提高，工业过程对系统的安全性和可靠性的要求也越来越高。因此，对故障检测技术的研究也越来越重要。目前已形成了多种故障检测技术，如人工智能[1]、线性矩阵不等式[2]、小波分析[3]和专家系统等方法。由于神经网络具有在微观结构上模拟人的认识能力的优点，它通过模拟人的大脑结构的形象思维来解决实际问题，决策时依据的是经验，而不是一组规划，对于任意非线性系统都可以看作是由输入到输出的一个映射，而神经网络具有很好的函数逼近能力，如RBF神经网络[4]，所以基于神经网络的故障检测方法[5]是一种有效的手段。理论上分析，只要选择合适的网络拓扑结构和连接权值，多层前馈网络和RBF网络均可以逼近任意的非线性函数。但由于BP网络具有学习速度慢、易陷入局部最优等不足，而RBF网络具有学习快、能够避免陷入局部最优等优点，因此本文将两种单一网络相互结合构成一个网络，即 RBF-BP，且只考虑稳定状态下的故障检测。

1 RBF-BP网络模型

对于非线性系统：

其中 f(·)和 g(·)均为非线性函数，可以根据系统的输入X(t)和输出Y(t)在正常状态和N个可能的故障状态对神经网络进行训练，对于样本集合，输入 xi(xi∈Rl)和输出 yi(yi∈Rm)存在某一映射 g，使得：

现要求得到某一映射h，在某种条件下，映射h是映射g的最佳逼近，神经网络就是一个最好的选择。……