摘要：社会不断发展，促使基于神经网络的控制系统得到广泛应用，但是这种控制系统具有较高复杂性，当故障出现时，诊断比较困难，为此应当选择合适的诊断技术进行诊断。本文针对基于神经网络的控制系统故障诊断技术进行了分析。
关键词：神经网络；控制系统；故障诊断技术
近些年，我国科学技术水平不断提升，更加复杂的控制系统被设计和开发出发，并应用在更多领域中。但是控制系统长时间处于复杂环境中工作，出现故障的可能性也大大增加。为此，要采用更多先进的探测技术检测控制系统，尽量规避其出现故障的风险。而当前应用比较广泛的一种探测技术就是，以神经网络控制系统为基础的故障诊断技术，其有更强的诊断功能，在网络故障检测方面有着积极的作用。为此，分析和研究此种技术，可以为今后更有效地应用此技术积累一些经验。
一、基于神经网络控制系统的故障诊断技术的要点
（一）构建数据模拟库，对故障源实施隔离
如果以神经网络为基础的控制系统发生故障，则不能正常化运行，因此其中一些功能也就不可以正常实现，从而影响工作，可能造成系统瘫痪。对于此种问题，必须运用人工智能的手段，对系统中存在的影响运行的原因进行诊断，运用硬件和软件的监控系统，找出故障原点，并将该点进行隔离。然后，在故障数据库中，找出出现故障的机能原因和人工原因。故障诊断技术人员要能从系统的工作参数输出着手，构建数据模拟库，运用数字化技术，把系统故障的信息，做验证处理，并科学地输出，这些数据也能作为诊断故障的理论依据。在神经网络为基础的控制系统中，诊断具体故障的时候，必须要对引发原因进行分类规划，比如，检测系统中变量出现异常情况，则应当把报警装置启动，在排除故障原因后，再撤销报警。同时，如果出现故障，找到了故障引发原因，并确定故障位置源，应当运用隔离措施，对此部分进行隔离，然后量化评估故障程度，采取合适的措施，处理故障，并解决故障。
（二）针对故障，运用BP神经网络形式遗传算法
以神经网络为基础的控制系统，一般分成两大部分，一部分是传感器，另一部分则是执行器，两个部分运行过程中，可能出现的故障包括恒增益、卡死、恒偏差等不同种类的故障。所以，针对此类控制系统出现的故障，可以采用建模仿真的方式进行，把仿真形式设定为故障的类型，从而获取一些系统的变化信息。对于此类型控制系统，一般会使用到BP算法，可是此种形式的算法，在单独使用的时候，并不能提升效率，因此可以与遗传算法进行结合，以遗传算法对神经网络进行优化，具体优化的内容为权值阂值，并在最终系统故障归一化处理的时候，用作训练的数据。因为，遗传算法有着突出的特点，具体表现为全局搜索能力非常强，搜索便捷和高效。原有BP算法接受了遗传算法的优化，就能大大提升针对控制系统的诊断率，大大提升诊断数据的误差比，从而提升运算的速率。
（三）残差序列的存在，以及模型的解析
以神经网络为基础的控制系统，在故障诊断中，需要进行动态化模型建立，就是将这个系统模型化，从而提升故障诊断率和检修准确率，通常情况下，技术人员运用观测器或者滤波器，对控制系统参数和状态进行重构，构成残差序列，针对其中可能存在的故障信息，运用科学方式做信息强化；而对于模型中存在的非故障信息，就要不断抑制。正常的情况下，针对残差序列进行统计和分析，可以直接地检查出系统出现故障的具体位置与原因。系统故障表现的正常数值以及估计值，对其二者存在的偏差进行分析，成为研究控制系统故障处于何种程度的重要信息，一般对参数进行估计，可以运用一些简单的方法，那就是最小乘法，鲁棒性较强，这时就会选择参数估计方法。另外，控制系统的运行状态能通过被控制过程中呈现的状态进行反应，此被控制的过程状态，如果进行重构，也会构成残差数列，此数列中含有一些故障信息，借助建构好的模型则能统计出来，以检验故障，然后可以运用尔曼滤波器对状态进行估计。而针对模型等价空间进行诊断，通常运用无阈值方法，具体则是分类测量信息，获得一致性冗余数据的子集之后，对系统状态进行估计，从而识别出冗余数据的不同，然后结束模型的解析。
二、诊断控制系统技术未来的发展
（一）更具智能性
如果神经网络化控制系统发生故障，必须使用专门技术以专业的技术人员对系统故障信号做搜集和检测，并进行分析，当了解到系统故障可能处于哪个位置后，才能进一步对故障原因进行分析。但是，科学技术水平不断提升，网络信息技术得到更好发展，并被应用到控制系统的故障诊断中，大大提升诊断速度。以神经网络为基础的控制系统被应用在很多领域，只有保证诊断技术水平不断提升，才能促进此系统应用水平提升。为此，将来诊断技术必须具备更高的智能性和数字性。诊断技术要能诊断不同领域使用的不同控制系统可能存在的故障，并分析故障引发原因，诊断方法也要更加丰富。
（二）更具灵活性
在应用诊断技术诊断控制系统存在的故障时，必须具有更强的灵活性。这样才能灵活地进行检查，也能灵活地确定出故障具体位置。因此，技术人员提出构建数据模型的形式，运用数字化技术对控制系统故障进行诊断与处理。这样才能应对技术水平越来越高的神经网络控制系统，从而更快速地诊断故障，找出解决故障的方法，以更灵活地方式处理控制系统的故障。
三、结束语
综上所述，人工智能领域研究的内容非常丰富，而神经网络控制系统则在其中，为保证此系统更安全和可靠地运行，就必须运用智能化诊断技术诊断故障，才能更快速地找到故障，并处理故障，从而保证控制系统高效运行。
参考文献
[1]王磊,刘慧博.基于神经网络的控制系统故障诊断技术探究[J].科技创新与应用,2017(9):67.
[2]李捷辉,顾丽,万文彬.基于神经网络的发动机控制系统故障诊断研究[J].汽车工程,2004(3):345-348.
[3]彭继慎,董晶.基于RBF神经网络的控制系统传感器故障诊断方法[J].现代电子技术,2009(12):186-189.
作者:张良 单位:广东建设职业技术学院