导读:本文包含了随机分布系统论文开题报告文献综述及选题提纲参考文献，主要关键词:非高斯,模型辨识,有理熵,分布估计算法
随机分布系统论文文献综述
张金芳,吴迪,黄俊雄,田若璇[1]（2019）在《非高斯随机分布控制系统性能评估》一文中研究指出针对非高斯系统系统性能评估问题,该文提出一种基于最小熵准则的分布估计算法来评估存在非高斯扰动的控制系统性能评估的方法。该方法将递推最小二乘法辨识结果作为分布估计算法的初始种群并且将最小误差熵引入系统参数辨识的准则函数,解决了传统辨识准则大多针对高斯系统,或者对先验知识的依赖无法得到满足,或者不具有适应性的问题;在分布估计算法的迭代过程中,产生的最优种群与新种群交叉,增加了种群多样性,提高了算法的收敛速度。在计算熵值时采用了有理熵,解决了Shannon熵不满足"一致性"的问题。通过对标准测试函数的寻优以及对存在不同噪声干扰的单回路反馈控制系统情况下的辨识,并将辨识结果用于系统性能评估,结果表明了该算法的有效性。而后又提出另一种评估该类系统的方法,结果表明两种评价指标方法有着相似的变化趋势。同时提出的评估指标也可以作为控制系统建模精度的定量指标。(本文来源于《第叁十八届中国控制会议论文集（7）》期刊2019-07-27）
朱晨烜,王艳杰[2]（2019）在《含高比例可再生能源的电力系统随机分布控制》一文中研究指出为解决高比例可再生能源并网造成的电网电源不确定性、随机波动等问题.根据拟哈密顿系统理论建立了含有随机扰动的电力系统模型.利用随机平均方法,对电网的随机稳定性进行理论分析.推导获得了使系统输出满足目标概率密度的随机分布控制律,并用李亚普诺夫函数方法证明了该受控系统的稳定性.通过在多机电力系统中的应用,验证了该方法的可行性和有效性.(本文来源于《中北大学学报(自然科学版)》期刊2019年04期）
舒明星[3]（2019）在《随机分布系统的输出概率密度函数建模及控制研究综述》一文中研究指出随机控制是控制理论与应用的一个重要分支。由于大量实际系统存在非高斯或非线性干扰信号,针对这类系统提出了输出密度函数形状控制方法,以输出概率密度函数作为研究和控制对象,系统地分析多种建模和控制方法。本文围绕输出PDF控制,综述了其控制原理;深入梳理了四种利用B样条模型逼近输出概率密度函数的建模方法以及输出PDF模型建立之后,实现对输出PDF形状完全跟踪的不同跟踪控制算法;最后,指出随机分布控制中存在的问题。(本文来源于《科学技术创新》期刊2019年02期）
康运风[4]（2018）在《随机分布协作控制系统的故障诊断与容错控制》一文中研究指出伴随着工业信息化的步伐不断加大,复杂系统越来越多的出现在工业过程控制当中。现代工业过程控制系统正在向复杂化和智能化的方向快速发展,对现有的实际系统来说,系统规模不断扩大,通常要包含多个相互联系,相互作用的子系统;系统的控制目标往往无法由单个系统、单一的控制算法来完成。而且协作系统中一个子系统发生故障,如果其身能够进行容错控制,那就简化成单个系统的故障诊断与容错控制问题,单个系统众多研究成果都可使用;但是在实际系统中,当故障系统本身没能力修复故障或者修复故障的成本较高时,就需要其他子系统协作来进行容错控制。协作系统是指由多个子系统组成的复杂系统,多个子系统协作来完成单个系统无法完成的控制任务。目前对协作系统的关注较少,关于协作系统的控制研究结果较少,本论文给出协作系统容错控制新思想。协作系统的容错控制是当整个系统中的一个子系统发生故障时,由于发生故障的子系统本身无法补偿故障,利用协作系统中其他未发生故障的子系统来进行容错控制,从而减小故障对整个协作系统的影响,使系统仍然能够实现原来的控制目标。本文针对一类随机分布协作系统进行故障诊断与容错控制研究,具体内容如下:(1)对一类由两个线性子系统组成的随机分布协作系统进行故障诊断和容错控制,其中第二个子系统的系统参数受到第一个子系统的输出概率密度函数(Probability density function,PDF)的影响,在第一个子系统发生故障时无法补偿故障,对第二个子系统进行容错控制来保证整个系统在发生故障时的稳定运行。首先在第一个子系统发生故障后通过设计残差信号、故障自适应调节律来进行故障诊断。然后通过故障诊断结果和系统其他可测量信息,在第二个子系统中使用模型预测控制策略进行容错控制,对无约束的预测控制系统进行优化求解,设计出主动容错控制器,并分析容错控制后闭环系统的稳定性。最后用计算机数值仿真验证了协作系统容错控制算法的有效性。(2)考虑由叁个随机分布线性子系统组成的协作系统,其中后一个子系统的系统参数受到前一个子系统输出概率密度函数的影响,整个系统的输出PDF由RBF神经网络来逼近。在第一个子系统发生故障后,构造一个故障诊断观测器来估计故障的幅值。但由于故障本身无法在第一个子系统中进行补偿,并且系统期望的输出PDF未知,因此在第二个和第叁个子系统中设计了最小熵容错控制器,使故障发生后整个协作系统输出的熵极小化。MATLAB数值实例仿真也说明了叁子系统协作系统的容错控制算法的有效性。(3)针对一类由两个随机分布非线性子系统组成的协作控制系统,其中非线性动态用T-S模糊模型逼近,第二个子系统的系统参数受到第一个子系统输出概率密度函数的影响,整个系统的输出PDF由模糊逻辑系统逼近。在第一个子系统发生故障后,构造一个故障诊断观测器来估计故障的幅值。但由于故障本身无法在第一个子系统中进行补偿,因此在第二个子系统中设计了模型预测容错控制方案,使得故障发生后的协作系统的最终输出PDF仍能和期望的输出PDF形状保持一致。最后通过数值仿真验证了非线性随机分布协作系统容错控制算法的有效性。(本文来源于《郑州大学》期刊2018-05-01）
尹旋[5]（2018）在《随机分布理论在非高斯系统中的研究》一文中研究指出工业系统由于外部干扰及本身具有的非线性因素,系统内的变量通常是非高斯分布的,这给系统辨识和控制带来了一定难度。随着随机分布理论的不断发展,针对非高斯系统提出了很多行之有效的算法理论。神经网络具有很好的逼近和分类能力,在系统辨识和控制上得到了广泛应用。超限学习机作为神经网络的一种,在对数据训练过程中由于不需迭代调整网络权重,实现最小训练误差的同时能够保证输出权重范数最小,因而具有学习速度快、泛化性能好的特点。本文将超限学习机算法用于有机朗肯循环(ORC-Organic Rankine Cycle)系统中工质泵转速到过热度段的辨识,同时考虑了烟气温度和烟气质量流量对系统输出的非高斯干扰,通过与最小二乘支持向量机在训练时间和辨识精度方面的对比,凸显了超限学习机辨识法的优势。此外,本文还研究了非高斯系统的输出形状控制问题,也称作随机分布控制问题。首先,针对带有非高斯噪声影响的非线性多变量随机系统,基于两步神经网络框架,先利用RBF(Radial Basis Function)神经网络对输出PDF(Probability Density Function)逼近后,再利用动态神经网络辨识得到权向量和控制输入间的关系。通过设计基于SIP的控制器,实现了输出形状控制的目的。其次,针对分子量分布输出形状控制问题,基于B样条逼近输出形状后得到的输入输出数据,采用子空间辨识法得到了关于权向量和控制输入间的状态空间模型,通过仿真验证,最终实现了分子量分布的形状跟踪。(本文来源于《华北电力大学(北京)》期刊2018-03-01）
李进[6]（2018）在《随机分布系统的控制研究》一文中研究指出随机分布系统的控制研究问题是控制理论体系中的一个重要组成部分。由于大部分实际系统均存在非线性和不确定性,导致系统输出或状态变量服从非高斯分布。当工业生产过程中存在的随机变量不再满足高斯分布的假设前提时,系统输出的均值和方差便不能包含描述被控对象所需要的足够信息。考虑到输出概率密度函数(probability density function,PDF)能够对系统的输出信息有更完整的描述,王宏教授提出了随机分布控制理论,该理论以非高斯随机系统输出的整个PDF形状作为控制对象,并已在很多的工业场合取得了良好的应用效果。另外,随着精密仪器、图像采集以及数据处理等技术的快速发展与提高,目前已经可以较容易的通过对图形处理设备等得到的图像信息进行处理来获得系统输出PDF形状。在一些实际生产过程中,可以通过对系统的叁维输出分布信息展开研究进而提高系统的控制品质,例如针对锅炉炉膛燃烧系统中燃烧稳定性以及燃烧效率等问题,可以利用炉膛的叁维温度场分布信息,将其引入控制回路,从而在一定程度上改善燃烧工况、防止火焰偏斜,进一步提高燃烧经济性。本文在现有随机分布系统建模和控制理论研究的基础上,一方面针对具有在建模过程中约束较少这一优点的B样条函数有理平方根PDF模型,因其利用常规梯度法设计的控制器在对期望输出PDF跟踪时,存在跟踪效果不佳的缺点,设计了迭代学习控制器,并对所设计的控制算法进行了仿真研究,相关工作丰富了随机系统输出分布理论。另一方面,针对目前对叁维输出分布控制理论所做研究较少的局面,本文研究了利用二维B样条函数建立叁维输出PDF模型等问题,论文具体给出了建模步骤以及控制器的设计方法,为进一步提高控制效果,论文讨论了针对该模型的预测控制器的设计方法。综上所述,论文丰富了输出分布控制理论的相关建模以及控制算法,为随机分布控制理论的工业应用进一步提供了理论基础。(本文来源于《华北电力大学(北京)》期刊2018-03-01）
宁明月[7]（2018）在《随机分布控制理论在非高斯系统中的应用研究》一文中研究指出随机干扰几乎无处不在,对系统的影响也是无法避免的。以往的设计方法仅用均值和方差描述系统特性,并且假设干扰服从高斯分布,但在实际工业过程中,干扰不一定服从高斯分布,对于非线性非高斯系统,原有设计方法不能描述系统的全部统计特性,而随机分布控制理论(SDC)能够描述系统的高阶矩信息,具有更广泛的意义。本文首先建立了风能转换系统中各个子系统的数学模型,将各个子系统连接起来就可以得到风能转换系统的整体模型。然后根据不同风速下系统运行在不同区域,分别建立了低风速和高风速下风能转换系统的整体模型,同时给出了一种便于仿真分析的组合风速模型。其次,针对低风速下风能转换系统模型,由于随机风速的存在,考虑在随机框架内,提出了基于生存信息势(SIP)的控制器来控制风轮转速,以实现低风速下的最大风能捕获,并将此方法与PID控制算法进行对比。由于PID控制效果不佳,本文还提出了基于RBF神经网络的PID自校正控制算法,考虑到非高斯扰动的影响,采用SIP作为辨识和控制器设计的性能指标,仿真结果表明该算法能够有效改善PID控制效果。最后,本文针对受噪声干扰的非高斯系统,利用互熵描述系统的不确定性,基于最大互熵准则设计了互熵滤波器,并且提出基于互熵滤波器的传感器两级故障诊断方法,即通过滤波器产生残差从而判断传感器是否发生故障,然后利用概率神经网络(PNN)进行故障定位。最后将此方法应用于含有随机风速干扰和测量噪声的高风速下风能转换系统中,仿真结果表明该方法能够有效地诊断出传感器故障。(本文来源于《华北电力大学(北京)》期刊2018-03-01）
张艳娜[8]（2017）在《非高斯随机分布控制系统的主动故障检测、故障分离与容错控制》一文中研究指出20世纪70年代以后,自动化开始向复杂的系统控制和高级的智能控制方向发展,如何对系统进行早期和准确的故障诊断与容错控制备受关注;同时,随着控制理论内容的不断丰富以及在实际工程应用中的不断完善,在理论上为复杂系统的容错控制的研究奠定了基础。由于实际的被控对象往往受外界随机干扰、随机参数摄动等的影响,使得被控对象高斯分布的假设条件受到限制。因此,为了更加贴近工程实际运行环境,在非高斯条件下对随机分布控制系统进行研究更有现实意义。很多实际的工业过程都存在严重的非线性、耦合性和未建模动态等,因此很难对控制系统进行精确的建模。结合专家经验构造的T-S模糊规则有很强的拟合能力,适用于处理复杂的非线性函数。T-S模糊模型可用于逼近随机分布系统复杂的动态特性,为非高斯随机分布系统的建模和控制算法的研究提供了便利。干扰和多个故障并存的情况对控制系统的性能提出了更大的难题和挑战,在这种情况下,迫切需要对系统进行故障的检测与分离。为了实现对微小故障的检测,提高故障检测的精度,对随机分布系统进行主动故障检测的探索与研究。本文以典型的随机分布控制系统——化工反应过程为背景,用T-S模糊模型逼近系统的非线性动态特性,并用径向基函数(RBF)神经网络对系统的输出概率密度函数(PDF)进行逼近。为了满足随机分布控制系统更高的性能要求,进行了更为全面的研究,分别对非高斯随机分布控制系统进行主动故障检测、故障分离与模型预测容错控制叁个方面问题的研究,具体内容如下:(1)对非高斯随机分布控制(SDC)系统设计合适的辅助输入信号,激励系统显现出潜在的故障,从而进行主动故障检测,提高故障检测的质量。主动故障检测的策略是:在给定的测试周期内输入合适的辅助信号,用集员估计方法将输出残差用椭球集合进行描述,通过判断正常和故障系统输出残差的椭球集合的交集是否为空来进行故障检测。为了减小辅助输入信号对正常系统输出的影响,考虑设计最小能量的辅助信号。应用集员估计时不需要扰动的分布信息,只需假设扰动未知但有界,与非高斯随机分布系统的扰动不服从高斯分布的条件相契合。在考虑系统外界扰动等不确定性最大的情况下,进行椭球集合的更新,求解出最优的辅助输入信号,并代入系统进行主动故障检测。最后用MATLAB仿真对主动故障检测方法进行验证。(2)针对扰动和多个故障并存的情况,对基于T-S模糊模型的非高斯SDC系统进行故障的检测、分离与估计。只考虑发生执行器故障的情况,将待分离以外的故障均看做是扰动,组成增广扰动向量,并通过设计与执行器数目相同的多个非奇异线性坐标变换矩阵实现扰动和待分离故障的解耦。解耦后将系统变换成两个子系统,其中一个子系统只含一种待分离的故障,为故障的分离提供方便,同时也便于确定故障发生的通道。给出了故障发生的时间的确定方法及故障发生的通道,并设计与执行器数目相同的多个自适应故障诊断观测器分别进行故障的估计。最后用MATLAB仿真验证故障分离与估计算法的可行性。(3)对用T-S模糊模型描述的非高斯SDC系统进行模型预测控制的研究。对发生故障的系统如果不及时进行容错控制,将影响产品的质量并造成巨大的财产损失,因此对SDC系统进行故障诊断与容错控制非常必要。通过设计残差、调节观测器增益和自适应调节律实现故障诊断。然后,基于故障诊断的结果将模型预测控制算法与随机分布系统相结合,在预测时域内对系统未来权值进行预测,并选择合适的目标函数求解控制时域内最优的控制输入增量,从而构造出主动容错控制器。最后通过MATLAB仿真验证所提算法。(本文来源于《郑州大学》期刊2017-05-01）
王浩然[9]（2017）在《基于神经网络的非高斯非线性随机分布系统的故障诊断与容错控制》一文中研究指出随着科技的飞速发展,工业系统日益复杂化,系统故障不可避免地出现在每一个实际工业生产的过程中,因此针对于故障诊断与容错控制这一方面的研究受到了与日俱增的关注。近叁十年来,该领域的研究已取得很快的发展,到目前为止,研究界主要采用基于经验知识或信号处理或解析模型的手段解决相关的问题。故障发生后,利用最优控制、PI控制、滑模控制等控制方法,使故障发生后的系统仍能保持稳定,并能够满足一定的性能指标,这个过程即为容错控制。实际工业生产中存在着各种各样的随机干扰,对随机系统进行研究十分重要。通常,随机系统是在基于系统变量服从高斯分布的假设下进行研究,但是在现实过程中这一条件并不总能成立。王宏教授提出了随机分布控制(SDC)理论,在不满足高斯输入假设的条件时,仍能控制输出概率密度函数(PDF)。从本质上讲,实际的系统基本上全是非线性系统。但是,现在对非线性系统的研究,基本上都是假设非线性部分满足Lipschtiz条件,因此对于非高斯非线性随机分布系统故障诊断与容错控制的研究是特别需要的。本文的主要工作为:(1)针对线性B样条逼近输出PDF静态模型的非高斯非线性系统,采用T-S模糊模型建立动态模型。利用RBF神经网络诊断一个因状态变化而引起的渐变故障,并自适应修正其权值,再基于差分进化算法优化其宽度和中心向量,由此获得较佳的输出结果。在基于滑模控制原理的容错控制中,先求出了等效控制律,使系统能够在滑模面稳定,然后设计滑模控制律,由此实现任意位置到达滑模面的时间是有限的。最后,在计算机MATLAB软件中设计程序,不断调试及改善,检验上述方案的可行性。(2)针对一类非高斯非线性系统,对于系统中含有不满足Lipschitz条件的非线性项,利用RBF神经网络进行逼近,非线性部分的研究更具有一般性,并利用RBF神经网络对系统故障进行估计。基于模糊控制原理,设计了一个改进的PI主动容错控制器,控制器参数可以通过模糊理论来实现实时调整,使故障发生后的PDF可以满足期望。最后,在计算机MATLAB软件中设计程序,不断调试及改善,检验上述方案的可行性。(3)针对非高斯非线性奇异系统,基于自适应原理,完成了对故障的估计。基于神经网络原理,设计了一个改进的PI主动容错控制器,控制器参数可以通过神经网络来实现实时调整,使故障发生后的PDF可以满足期望。最后,在计算机MATLAB软件中设计程序,不断调试及改善,检验上述方案的可行性。(本文来源于《郑州大学》期刊2017-05-01）
孙源呈[10]（2017）在《非高斯不确定随机分布控制系统的故障诊断与容错控制》一文中研究指出伴随着现代工业技术的飞速发展,工业控制系统的复杂性随之急剧增加,对实际系统的可靠性以及安全性的要求也越来越高。系统运行一旦发生故障,如不能及时检测诊断且采取正确的方式消除影响,会产生极其严重的后果,这就使得故障诊断与容错控制相关领域的研究得到深入关注。同时,现实生产过程中可能会受到各种未知的随机扰动,这就使得针对随机系统领域的研究成为控制学科的重要组成部分。通常,随机系统是在基于系统变量服从高斯分布的假设下进行研究,但是在现实过程中这一条件并不总能成立。随机分布控制(Stochastic Distribution Control,SDC)系统对输出的概率密度函数(Probability Density Function,PDF)的形状进行控制,从而避免对系统随机变量分布的限制,可以归属于随机系统研究分支之一。SDC系统的研究在诸如造纸工业过程控制、磨矿过程矿物粒径分布控制、化工过程高分子聚合反应以及锅炉火焰燃烧和温度场分布控制等实际过程得到了广泛的应用。由于实际工业系统建模的复杂性,描述其精确动态特性的数学模型很难获取,需要对建模进行适当简化。此外,工业生产的环境及条件可能发生改变,这将对系统模型产生不可预知的影响。系统模型的简化或由于环境变化、参数漂移等未知变化导致的模型与实际工程对象之间存在的差异,称为模型不确定性。这种不确定性对系统的影响不同于如外源扰动、噪声等外部输入不确定因素,使得一般的故障诊断与容错控制技术的应用过程中产生一系列问题,降低故障诊断以及容错控制的灵敏度与精确度,这就使得针对非高斯不确定SDC系统故障诊断与容错控制的研究成为必要。以造纸和层燃煤锅炉燃烧为应用背景,本论文对非高斯不确定SDC系统进行了故障诊断和容错控制的研究。本文的主要工作如下:(1)对非高斯不确定SDC系统,采取线性B样条模型输出PDF进行静态建模,建立权值系统动态模型。首先利用权值跟踪误差的反馈设计无故障时的控制器,使系统能够跟踪给定分布,并证明了权值变量的有界性。故障发生后设计自适应观测器来估计系统出现故障的时间及大小,将系统输入和期望权值增广为新的控制输入,并利用输出PDF跟踪误差的积分和故障诊断信息构造增广控制输入,将控制器重构获得容错跟踪控制器,使得出现故障的系统输出PDF仍尽可能满足跟踪给定PDF的性能要求。最后,计算机仿真的示例证明了本章算法对定值故障具有很好的效果。(2)对输出PDF静态模型由线性B样条逼近的非高斯不确定SDC系统,考虑输出PDF逼近误差,给出了鲁棒故障诊断和滑模容错控制的集成方法。通过将不确定输入和PDF逼近误差视为未知外源扰动,利用未知输入观测器的思想,给出增广的自适应诊断观测器进行故障估计,证明了增广观测误差动态系统稳定且满足H?性能指标。利用B样条权值跟踪误差动态系统设计积分型切换函数,并给出滑模容错控制器的等效部分,证明了闭环系统和跟踪误差动态系统可以同时稳定以及滑模面的可达性,从而实现使故障发生后的系统输出性能仍满足给定分布的容错控制。最后,通过两种不同系统不同复杂时变故障的仿真实例证明了本章中提出的算法的有效性。(3)针对非高斯不确定奇异SDC系统,其输出PDF静态模型由平方根B样条逼近,同时考虑了PDF逼近误差。首先在故障发生前利用PDF跟踪误差积分作为反馈给出PDF跟踪控制器,使得正常运行的系统输出PDF满足给定的期望,排除模型不确定性和PDF逼近误差对系统正常运行的影响,并证明了系统状态的有界性。设计自适应诊断观测器估计系统出现故障的时间和幅值。结合故障估计信息,重构跟踪控制器从而实现容错控制,并证明了容错控制后跟踪误差动态系统的稳定性,使系统输出PDF仍可跟踪期望分布。最后,为验证算法的有效性,给出了时变故障的仿真实例。(本文来源于《郑州大学》期刊2017-05-01）
随机分布系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为解决高比例可再生能源并网造成的电网电源不确定性、随机波动等问题.根据拟哈密顿系统理论建立了含有随机扰动的电力系统模型.利用随机平均方法,对电网的随机稳定性进行理论分析.推导获得了使系统输出满足目标概率密度的随机分布控制律,并用李亚普诺夫函数方法证明了该受控系统的稳定性.通过在多机电力系统中的应用,验证了该方法的可行性和有效性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
随机分布系统论文参考文献
[1].张金芳,吴迪,黄俊雄,田若璇.非高斯随机分布控制系统性能评估[C].第叁十八届中国控制会议论文集（7）.2019
[2].朱晨烜,王艳杰.含高比例可再生能源的电力系统随机分布控制[J].中北大学学报(自然科学版).2019
[3].舒明星.随机分布系统的输出概率密度函数建模及控制研究综述[J].科学技术创新.2019
[4].康运风.随机分布协作控制系统的故障诊断与容错控制[D].郑州大学.2018
[5].尹旋.随机分布理论在非高斯系统中的研究[D].华北电力大学(北京).2018
[6].李进.随机分布系统的控制研究[D].华北电力大学(北京).2018
[7].宁明月.随机分布控制理论在非高斯系统中的应用研究[D].华北电力大学(北京).2018
[8].张艳娜.非高斯随机分布控制系统的主动故障检测、故障分离与容错控制[D].郑州大学.2017
[9].王浩然.基于神经网络的非高斯非线性随机分布系统的故障诊断与容错控制[D].郑州大学.2017
[10].孙源呈.非高斯不确定随机分布控制系统的故障诊断与容错控制[D].郑州大学.2017