基于狀態(tài)估計的多方法融合的故障預(yù)測算法研究.pdf

1、隨著人們對系統(tǒng)性能的安全性和可靠性要求的不斷提高，人們希望在系統(tǒng)僅僅出現(xiàn)微小的異常變化時，就能獲得故障未來發(fā)展變化的信息，從而控制故障的持續(xù)發(fā)展，進一步減少事故發(fā)生的可能。與傳統(tǒng)的計劃維護體制相比，基于故障預(yù)測的預(yù)測維修技術(shù)能夠提高設(shè)備的使用率，從而減少維護費用和生產(chǎn)成本。因此，研究和發(fā)展故障預(yù)測技術(shù)具有重要的理論意義和應(yīng)用價值。故障預(yù)測算法通常先通過狀態(tài)的監(jiān)控信息和己知的歷史運行數(shù)據(jù)等對系統(tǒng)的狀態(tài)做出估計，然后對系統(tǒng)狀態(tài)的演變趨勢進行

2、預(yù)測?；诖?，本文的研究內(nèi)容分為兩個部分，第一部分分析了系統(tǒng)的非線性、模型不確定性、多重測量丟失、傳感器的采樣方式等因素對系統(tǒng)性能的影響，研究了幾類隨機的不確定性動態(tài)系統(tǒng)的狀態(tài)估計問題；第二部分考慮在己知系統(tǒng)解析模型時，基于機理模型的方法可以有效地預(yù)估系統(tǒng)的運行狀態(tài)，但對復(fù)雜工業(yè)系統(tǒng)來說依據(jù)機理建立精確的數(shù)學(xué)模型十分困難。數(shù)據(jù)驅(qū)動的方法可以利用系統(tǒng)的離、在線數(shù)據(jù)和其他知識，實現(xiàn)對故障的預(yù)報和診斷。但數(shù)據(jù)驅(qū)動的故障預(yù)報方法除了需要系統(tǒng)正常

3、運行的歷史數(shù)據(jù)之外還需要系統(tǒng)非正常運行時的數(shù)據(jù)，要獲得系統(tǒng)故障狀態(tài)下的運行數(shù)據(jù)常需要極高的代價，甚至是災(zāi)難性的。本文研究了融合兩類方法的合適框架，充分使用已有的機理知識和歷史數(shù)據(jù)，研究了動態(tài)數(shù)據(jù)驅(qū)動的狀態(tài)估計方法來提高預(yù)測精度的問題。
　　本研究主要內(nèi)容包括：⑴針對時變隨機的非線性系統(tǒng)狀態(tài)估計問題，綜合考慮了乘性噪聲、參數(shù)不確定性和多重測量數(shù)據(jù)丟失對濾波器性能的影響，設(shè)計了最小方差意義下的具有迭代形式的濾波器，使得該濾波器不僅對系

4、統(tǒng)參數(shù)的不確定性具有魯棒性，對濾波器參數(shù)的變化也有非脆弱性。⑵針對一類基于事件驅(qū)動采樣控制、帶有多重測量丟失和不確定性的非線性系統(tǒng)，根據(jù)最小方差準(zhǔn)則，研究了濾波器的設(shè)計問題，在每一個采樣時刻，通過設(shè)計合適的濾波器增益矩陣實現(xiàn)最小化狀態(tài)估計誤差協(xié)方差的上界。所采用的濾波器具有迭代遞推的形式，能夠在線的進行計算。同時，對系統(tǒng)估計誤差進行了分析，利用隨機分析理論，在一定條件下，證明了估計誤差的均方有界性。⑶針對基于模型的濾波方法過度依賴所建立

5、的系統(tǒng)模型，而數(shù)據(jù)驅(qū)動方法的預(yù)測穩(wěn)定性和準(zhǔn)確性較差的問題，提出了基于無跡卡爾曼濾波和相關(guān)向量機融合的預(yù)測方法。綜合考慮長期和短期數(shù)據(jù)對未來趨勢的影響，將相關(guān)向量機預(yù)測得到的未來時刻的濾波器殘差項與短期的殘差項數(shù)據(jù)進行動態(tài)加權(quán)，并代入到無跡卡爾曼濾波器之中實現(xiàn)了對濾波器的動態(tài)調(diào)整和預(yù)測更新，從而提高了預(yù)測的準(zhǔn)確性。⑷針對中/長時間跨度的預(yù)測精度較低的問題，同時，改善隨著預(yù)測步長的增加數(shù)據(jù)驅(qū)動方法的預(yù)測值誤差增大對融合算法的不利影響，在融合