基于粒子濾波器的故障診斷研究.pdf

1、粒子濾波是一種基于蒙特卡羅方法和遞推貝葉斯估計的統(tǒng)計濾波方法，它依據(jù)大數(shù)定理采用蒙特卡羅方法來求解貝葉斯估計中的積分運算。其基本思想是：首先依據(jù)系統(tǒng)狀態(tài)向量的經驗條件分布在狀態(tài)空間產生一組隨機樣本的集合，這些樣本稱為粒子；然后根據(jù)觀測量不斷地調整粒子的權重和位置，通過調整后的粒子的信息，修正最初的經驗條件分布。其核心思想是：用由粒子及其權重組成的離散隨機測度近似相關的概率分布，并且根據(jù)算法遞推更新離散隨機測度。當樣本容量很大時，這種蒙特

2、卡羅描述就近似于狀態(tài)變量真實的后驗概率密度函數(shù)。這種技術適用于任何能用狀態(tài)空間模型以及傳統(tǒng)的卡爾曼濾波表示的非高斯背景的非線性隨機系統(tǒng)，精度可以逼近最優(yōu)估計，是一種很有效的非線性濾波技術。 本文系統(tǒng)介紹了適用于解決非線性非高斯系統(tǒng)問題的粒子濾波器的基本原理和關鍵技術，針對標準粒子濾波器（PF）中存在的粒子退化及算法實時性問題，把遺傳算法中的選擇、交叉、變異進化思想引入到PF中進行算法改進，提出了改進的遺傳粒子濾波器（GPF）。首

3、先由于遺傳算法具有獨特的尋優(yōu)能力，可以使每次運算粒子的使用效率得到搞高，使逼近后驗概率分布最大值所需的粒子數(shù)大大減少，并且避免了重采樣，也就在一定程度上減少計算量，能有效提高算法估計的實時性；再者由于遺傳運算能有效增加粒子的多樣性，解決粒子退化問題，從而提高GPF的算法精度，可有效防止出現(xiàn)濾波發(fā)散現(xiàn)象，也就提高了狀態(tài)估計的精度。并將GPF應用到非線性、非高斯系統(tǒng)狀態(tài)估計中，與PF進行了性能仿真對比分析，仿真結果表明GPF不僅能增加粒子多

4、樣性，有效防止粒子退化現(xiàn)象，改善濾波精度，而且能提高算法的實時性。 現(xiàn)代系統(tǒng)正朝著大規(guī)模、復雜化的方向發(fā)展，這類系統(tǒng)一旦發(fā)生事故就有可能造成人員和財產的巨大損失，因此切實保證現(xiàn)代復雜系統(tǒng)的可靠性與安全性具有十分重要的意義。在實際生產過程中，在事故發(fā)生前，控制系統(tǒng)往往都會出現(xiàn)故障預兆，如果能夠及時檢測到這種預兆并加以控制，完全能避免事故的發(fā)生。故障診斷技術的出現(xiàn)為提高復雜系統(tǒng)的可靠性提供了可能。 非線性系統(tǒng)故障診斷問題的一

5、種解決方法是基于解析模型，通過濾波器，對系統(tǒng)的狀態(tài)或參數(shù)進行估計，對比系統(tǒng)的實際輸出與預測輸出，產生殘差，通過分析殘差，對系統(tǒng)的工作狀況進行判斷，診斷出故障。本文將粒子濾波技術應用到傳感器故障診斷中，介紹了傳感器故障模型的建立，殘差的產生，及故障檢測與辨識方法。針對常見的恒偏差、恒增益、卡死三種類型的傳感器故障，舉例進行了性能仿真分析，結果表明應用PF和GPF方法進行傳感器故障診斷是可行的，尤其進行非線性非高斯系統(tǒng)故障診斷時，該方法仍能