故障检测和诊断方案的提出见图1。 测量点为u，输出为y，中间状态x，反应控制等级及管理等级。  保护等级包含简单的故障检测方法和不在这篇文章所关注的焦点。他们通常包括限制和阈值检查，单独检查潜在的危险状态。

故障诊断监管采用基于模型的故障检测和诊断方法，可以检测出微小危害及初期的故障，不会系统产生危害。至今没有损害系统稳定。此外，这些方法允许进行更详细的诊断。 通过奇偶校验方程将神经网络模型用于特征生成，稍后说明。将特征提供给故障检测阶段，其中某些特征与其标准的差异可以进行分类或推理将症状映射到故障的症状。然后可以将确切的诊断用于实施反措施，这就提出了容错的主题，在 Muenchhof et al。 [2009a,b]。有论述。

2神经网络LOLIMOT

LOLIMOT 网络见 Nelles [2000] and Nelles and Fink [2002]是一种局部模型方法，可以根据局部模型的三个典型特征进行分类：

12①。分区原理/结构识别：通过不同的方法进行空间的划分。 最突出的方法是网格结构或递归分区。LOLIMOT采用轴正交递归分割算法，其中始终将性能最差的模型分为两个子模型。选择要尽可能地增加模型保真度。见图2a。为了尽可能隔离结果和得到隶属函数，Töpfer[2002]提出了LOLIMOT的轴倾斜分割算法。如图2a所示。为了尽可能隔离结果和得到专有函数，Töpfer[2002]提出了LOLIMOT的轴倾斜分割算法。论文网

②。子模型之间的转换：子模型之间的转换可能是硬的或软的。 LOLIMOT使用软转换，因为硬转换是非人为的，自然界中很少遇到。 硬转换只会在非线性的情况下有意义（例如整流）。LOLIMOT使用软转换，允许通过改变内部参数使该转换更突然，并且因此也能够建立较硬的非线性模型。此外，专有函数在输入空间的每一点进一步归一化为一个，如图2b所示。

③。局部模型结构：局部模型通常具有多项式结构。 由于计算量，通常优选常数或线性模型，有时候选择二次模型。LOLIMOT使用线性子模型。各个线性子模型如图2c所示。