基于粒子濾波的故障診斷方法研究.pdf

1、隨著現(xiàn)代生產生活對系統(tǒng)設備可靠性、安全性要求的提高,故障診斷吸引了眾多國內外學者的研究興趣。故障診斷為實時檢測、定位、排除故障提供了有力的科學依據(jù)?，F(xiàn)在的系統(tǒng)設備結構復雜,多為非線性系統(tǒng),工作現(xiàn)場噪聲干擾嚴重,不同于實驗室的理想高斯噪聲。粒子濾波算法是解決非高斯非線性系統(tǒng)故障診斷問題的一種有效算法。粒子濾波是遞推貝葉斯估計的一種蒙特卡洛實現(xiàn)方法,讓樣本粒子通過系統(tǒng)模型按時間順序向前傳播,得到各時刻系統(tǒng)的狀態(tài)樣本,從而求得系統(tǒng)狀態(tài)的后驗概

2、率密度函數(shù)?；诹Ｗ訛V波的故障診斷方法的核心思想是:利用粒子濾波算法估計系統(tǒng)狀態(tài)值,和系統(tǒng)狀態(tài)真實值進行比較,其殘差作為故障診斷的依據(jù)。當殘差大于設定閾值時,判斷故障發(fā)生,小于設定閾值時,判斷故障未發(fā)生。
　　 主要研究內容包括:
　　 (1)研究粒子濾波的基礎算法和兩種改進算法,分析每種算法的特點。序貫重要性采樣算法(Sequential Importance Sample)是粒子濾波算法的基礎算法,通過從重要性函數(shù)中

3、采樣,利用樣本估計后驗概率密度,解決了無法直接從真實后驗概率分布中采樣的問題。采樣重要性重采樣算法(Sample Importance Resampie)采用重采樣降低了序貫重要性采樣算法(SIS)存在的粒子退化現(xiàn)象。無跡粒子濾波算法(Ijnscented Particle Filter)用無跡卡爾曼濾波(Unscented Kalman Filter)的結果作為建議分布,估計系統(tǒng)狀態(tài),使得估計結果的均方誤差最小。
　　 (2)

4、為了提高非高斯非線性系統(tǒng)故障診斷的精確性,深入研究了兩種粒子濾波算法一采樣重要性重采樣算法(Sampling Importance Resampling)、無跡粒子濾波算法(Unscented Particle filter)和一種無跡卡爾曼濾波算法(Unscented Kalman Filter),提出了使用故障誤報率和漏報率構成的平均代價作為衡量診斷方法效果的評價指標。以水位/溫度控制系統(tǒng)和一維非線性單變量模型作為研究對象,由系統(tǒng)狀

5、態(tài)方程或觀測方程的參數(shù)變化模擬故障。仿真結果表明,三種算法都能診斷出故障發(fā)生,基于無跡粒子濾波(UPF)的故障診斷方法的平均代價小于采樣重要性采樣算法(SIR)和無跡卡爾曼濾波算法,診斷效果優(yōu)于后兩種算法,提高了故障診斷的可靠性。兩模型代表了一般的非線性系統(tǒng),基于無跡粒子濾波(UPF)的故障診斷方法適用于一般的非線性系統(tǒng)。
　　 (3)為了更接近真實故障情況,提出利用模糊邏輯代替?zhèn)鹘y(tǒng)的二值邏輯,將其和粒子濾波算法相結合應用到故障