主动容错控制

在主动容错控制方面， 其大致分为基于参数的自适应调节、 基于切换策略 (或多模型)、 基于故障观测器、 基于支持向量机、 基于信息融合、基于虚拟传感器等方法。Andrea等人[77]提出当系统发生故障后，进行控制器重组， 将故障估计信息引入参数的自适应调节律中。 当系统发生故障后， 包含故障估计信息的重组控制器仍然能保证系统正常工作。 龙志强等人[78]针对多种故障离线设计控制律，当故障发生时，通过判断故障系统所处的模态， 快速将控制器切换到针对当前故障所对应的控制律， 从而保证故障系统仍能正常工作。Hao Yang等人[79]针对不同时间有不同故障发生的情况， 通过一个简单的监督切换机制在控制器间轮流切换， 直到发现合适的控制器。

Christopher等人[80]提出了基于广义内模控制的主动容错控制器设计方法。 由外系统描述故障的动态行为并设计故障观测器， 其中控制器的故障补偿应用了在线故障估计信息。 Qian Liu等人[81]提出了一种基于模糊CMAC神经网络的水下无人机器人的故障辨识和容错控制方法。 该方法利用模糊CMAC神经网络辨识故障， 基于输出反馈设计主动容错控制器。Hua Han等人[82]针对多故障自动诊断和检测问题，提出了一种基于支持向量机(Support Vector Machine， SVM) 和多标签方法 (Multi-Label， ML)的混合策略。 应用多标签方法对多故障进行解耦， 以此来训练多个支持向量机，将训练好的支持向量机再用于故障检测。Karim等人[83]应用SVM和ANFIS (Adaptive Neuro-fuzzy Inference System) 分类方法分别计算故障的属性值， 这些属性值通过有序加权算子 (OWA) 融合成一个属性单一的集结值， 从而做出故障判断， 并对三种情况下的故障诊断结果进行了对比。Alain等人[84]提出了带有故障检测和辨识的多传感器融合的容错控制方法。 他们所提出的容错控制器包括多传感器组合、 故障检测和辨识单元(判断哪些传感器可用)、 具有重构能力的估计融合机制 (卡尔曼滤波器)及一个带有参考轨迹的状态反馈控制器。Ponsart等人[85]针对缠绕机的传感器故障提出了一种虚拟传感器法。 该方法于2005年被提出， 它通过设计类似于观测器的虚拟传感器模块使被控对象得到重组， 重组后的被控对象在发生故障时无需进行控制律的重新调度和重构， 仍然能够保持正常运行。