基于粒子濾波的故障診斷方法研究.pdf

1、隨著現(xiàn)代生產(chǎn)生活對(duì)系統(tǒng)設(shè)備可靠性、安全性要求的提高,故障診斷吸引了眾多國(guó)內(nèi)外學(xué)者的研究興趣。故障診斷為實(shí)時(shí)檢測(cè)、定位、排除故障提供了有力的科學(xué)依據(jù)?，F(xiàn)在的系統(tǒng)設(shè)備結(jié)構(gòu)復(fù)雜,多為非線性系統(tǒng),工作現(xiàn)場(chǎng)噪聲干擾嚴(yán)重,不同于實(shí)驗(yàn)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(jì)的一種蒙特卡洛實(shí)現(xiàn)方法,讓樣本粒子通過系統(tǒng)模型按時(shí)間順序向前傳播,得到各時(shí)刻系統(tǒng)的狀態(tài)樣本,從而求得系統(tǒng)狀態(tài)的后驗(yàn)概

2、率密度函數(shù)。基于粒子濾波的故障診斷方法的核心思想是:利用粒子濾波算法估計(jì)系統(tǒng)狀態(tài)值,和系統(tǒng)狀態(tài)真實(shí)值進(jìn)行比較,其殘差作為故障診斷的依據(jù)。當(dāng)殘差大于設(shè)定閾值時(shí),判斷故障發(fā)生,小于設(shè)定閾值時(shí),判斷故障未發(fā)生。
　　 主要研究?jī)?nèi)容包括:
　　 (1)研究粒子濾波的基礎(chǔ)算法和兩種改進(jìn)算法,分析每種算法的特點(diǎn)。序貫重要性采樣算法(Sequential Importance Sample)是粒子濾波算法的基礎(chǔ)算法,通過從重要性函數(shù)中

3、采樣,利用樣本估計(jì)后驗(yàn)概率密度,解決了無法直接從真實(shí)后驗(yàn)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(jié)果作為建議分布,估計(jì)系統(tǒng)狀態(tài),使得估計(jì)結(jié)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(bào)率和漏報(bào)率構(gòu)成的平均代價(jià)作為衡量診斷方法效果的評(píng)價(jià)指標(biāo)。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(duì)象,由系統(tǒng)狀

5、態(tài)方程或觀測(cè)方程的參數(shù)變化模擬故障。仿真結(jié)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(jià)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(shí)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(jié)合應(yīng)用到故障