[发明专利]基于粒子滤波的正向与逆向预测误差的故障预报方法

说明书

技术领域

本发明涉及故障的预报方法，特别是涉及基于粒子滤波的正向与逆向预测误差的故障预报方法。

背景技术

对于可能发生故障的机械设备/系统，若能对其潜在故障进行提早预报，就可以及早采取应对措施，避免可能的损失。我们可以连续采集设备或系统运行状况的观测数据，通过分析和研究与故障有关的时序数据，实现对潜在故障的预报。粒子滤波方法提供了有效的技术解决连续信号（时序数据）处理中的状态估计问题，正适合于对上述系统的工作状态进行描述和求解，其主要优点是适用于系统是非线性或具有非高斯噪声的情况。目前国内外研究人员已将粒子滤波方法用于故障检测和预报之中，例如采用随机摄动粒子的粒子滤波方法、基于高斯混合模型的粒子滤波方法和使用转移概率核的粒子滤波方法已用于三容水箱系统的故障预报，粒子滤波结合状态空间方程的方法已用于飞行器齿轮盘裂纹故障的检测，粒子滤波结合衰减状态模型的方法已用于轴承故障的检测，以及并行计算的粒子滤波方法已用于移动机器人的故障检测等。上述故障检测和预报方法中均是正向（顺着时间轴方向）使用粒子滤波算法，即跟踪估计系统的当前状态或预测系统的未来状态，但尚未有文献论及粒子滤波算法的逆向（逆时间轴方向）预测方法用于故障预报。

发明内容

本发明的目的在于提供一种有效实现故障的早期预报的基于粒子滤波的正向和逆向预测误差的故障预报方法，该方法采用粒子滤波算法的前向（正向）预测方法预测系统的未来状态，其正向预测误差用于评估系统的健康度；采用粒子滤波算法的后向（逆向）预测方法预测系统的过去状态，其逆向预测误差用于评估系统的故障度；然后，结合健康度和故障度实现故障预报。

为实现上述目的，本发明的技术方案是：一种基于粒子滤波的正向与逆向预测误差的故障预报方法，其特征在于：包括如下步骤，

S1：系统工作情况的统计计算：

采用状态空间模型描述由状态变量x和观测变量y构成的系统，在每个时刻t，测量并获得观测数据                                                ，使用粒子滤波算法估计系统的状态并获得估计数据和；设初始阶段系统工作正常，计算观测序列的标准差作为健康波幅，计算跟踪序列的均值，计算误差序列{}的方差，其中t=1,2,3,…,m；

S2：正向预测误差的计算：

在时刻k（k>m），由出发，利用粒子滤波算法和状态空间模型进行q步前向预测，求出预测序列和，其中j=1,2,…,q，且q>0；在时刻k+q，计算正向预测的误差序列，其中t= k+1, k+2,…, k+q；

S3：计算系统在时刻t=k+q的健康度H_k+q(0,1]：

；

S4：逆向预测误差的计算：

在时刻k+q（k>m），由=出发进行s+q步后向预测，求出逆向预测序列和，其中t=k-s,…,k+q-2,k+q-1，且k>s>0，q>0；然后，计算逆向预测的误差序列{}，其中t=k-s,k-s+1,…,k-1；

S5：计算系统在时刻t=k+q的故障度F_k+q[0,1)：

；