留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种基于二元估计与粒子滤波的故障预测算法

张磊 李行善 于劲松 高占宝

张磊, 李行善, 于劲松, 等 . 一种基于二元估计与粒子滤波的故障预测算法[J]. 北京航空航天大学学报, 2008, 34(7): 798-802.
引用本文: 张磊, 李行善, 于劲松, 等 . 一种基于二元估计与粒子滤波的故障预测算法[J]. 北京航空航天大学学报, 2008, 34(7): 798-802.
Zhang Lei, Li Xingshan, Yu Jinsong, et al. Fault prognostic algorithm based on dual estimation and particle filter[J]. Journal of Beijing University of Aeronautics and Astronautics, 2008, 34(7): 798-802. (in Chinese)
Citation: Zhang Lei, Li Xingshan, Yu Jinsong, et al. Fault prognostic algorithm based on dual estimation and particle filter[J]. Journal of Beijing University of Aeronautics and Astronautics, 2008, 34(7): 798-802. (in Chinese)

一种基于二元估计与粒子滤波的故障预测算法

基金项目: 总装"十一五"预研资助项目(51317050302)
详细信息
  • 中图分类号: TP 206+.3

Fault prognostic algorithm based on dual estimation and particle filter

  • 摘要: 假设对象系统的故障演化过程可以由一个含有未知缓变参数的状态空间模型加以描述,则故障预测问题就可以转化为一个在已知当前系统信息的条件下,对系统未来某一时刻的状态变量的估计问题.针对该问题的求解提出了一种基于二元估计和粒子滤波的故障预测算法.算法的实施分为两个主要阶段:在状态估计阶段,采用两个并联的粒子滤波器迭代估计当前时刻对象系统故障演化模型状态和未知参数的后验分布.在状态预测阶段,对当前时刻故障演化模型状态的后验分布进行迭代采样,以采样样本粒子来近似估计未来时刻的状态变量的先验分布密度.在上述计算结果的基础上,结合相应的故障判据,算法采用计算对象系统未来时刻故障概率的方法预测其剩余使用寿命.仿真实验中将本文提出的算法与基于联合估计的故障预测算法进行对比,实验结果证明了所提算法的有效性.

     

  • [1] Ray A, Tangirala S. Stochastic modeling of fatigue crack dynamics for on-line failure prognostics[J]. IEEE Transactions on Control Systems Technology, 1996, 4(4):443-451 [2] Swanson D C. A general prognostic tracking algorithm for predictive maintenance Proceedings of IEEE Aerospace Conference. Big Sky, Mantana:IEEE, 2001:2971-2977 [3] Chelidze D. Multimode damage tracking and failure prognosis in electromechanical system Willett P K, Kirubarajan T. Components and Systems Diagnostics, Prognostics, and Health Management II, Proceedings of SPIE. Orlando:SPIE, 2002:1-12 [4] Wan E A, Van Der Merwe R. The unscented Kalman filter for nonlinear estimation Adaptive Systems for Signal Processing, Communication, and Control Symposium 2000. Lake Louise, Alta:IEEE, 2000:153-158 [5] Doucet A, Godsill S J, Andrieu C. On sequential Monte Carlo sampling methods for Bayesian filtering[J]. Statistics and Computing, 2000, 10(3):197-208 [6] Xie X Q, Zhou D H, Jin Y H. Strong tracking filter based adaptive generic model control[J]. Journal of Process Control, 1999, 9(4):337-350
  • 加载中
计量
  • 文章访问数:  3067
  • HTML全文浏览量:  99
  • PDF下载量:  964
  • 被引次数: 0
出版历程
  • 收稿日期:  2007-06-20
  • 网络出版日期:  2008-07-31

目录

    /

    返回文章
    返回
    常见问答