网络控制系统是通过数据通信网络传输信息的闭环控制系统。随着网络控制系统的广泛应用,对其进行故障检测可以提高系统的安全保障。本文假设网络控制系统存在传感器到控制系统时延,并且这个时延可能大于一个周期,进一步对时延大于一个周期的网络控制系统做故障检测。主要涉及的工作内容如下:了解控制系统工作机制,实例分析时延对控制系统的不良影响,建立了基于神经网络预测采样值的长时延网络化控制系统的故障检测模型。神经网络是模拟人脑生物神经系统的新型信息系统,有良好的自学习、自组织以及强大的非线性映射能力,将其预测功能与网络控制系统相结合,预测控制系统的采样值,能够减小时延的影响。但是BP神经网络与Elman神经网络都有一些缺陷,容易陷入局部极值以及全局搜索能力差等。为此,本文在深入学习遗传算法的基础上,提出了GA-Elman神经网络,该模型结合了神经网络和遗传算法各自的优点,神经网络有较好的局部搜索能力以及遗传算法有较好的全局搜索能力。用遗传算法优化Elman神经网络的连接权值与阈值,避免神经网络陷入局部极值的情况,加快神经网络的收敛速度。与前两种神经网络相比,GA-Elman神经网络对采样值的预测精度更高,收敛所用的步数更少。在传感器与控制器之间加入GA-Elman神经网络预测模块,根据预测值进行观测器的设计,并利用李雅谱诺夫定理证明了闭环系统的一致稳定性,对系统进行仿真研究。实验结果表明,所设计的基于神经网络预测采样值的故障观测器能够很好地跟踪系统的状态,并且在故障发生时,能够及时检测故障,有效地降低时延对系统的影响。