[发明专利]基于仿生优化粒子滤波的非线性系统故障诊断方法和系统

权利要求书

1.一种基于仿生优化粒子滤波的非线性系统故障诊断方法，其特征在于，包括：

建立待诊断非线性系统的状态空间模型；所述状态空间模型包括一个正常状态模型和n个待诊断故障状态模型，n为正整数；

针对于所述状态空间模型中的每一个模型，生成N个初始粒子，并初始化每个初始粒子的位置和权重；每个初始粒子的位置对应所述状态空间模型所在的状态空间中的一种状态；N为正整数；

基于所述状态空间模型，利用麻雀算法和莱维飞行变异迭代更新所述N个初始粒子的位置；

计算更新之后的N个初始粒子的权重并进行归一化；

基于归一化之后的权重，对所述状态空间中的粒子进行重采样，得到所述状态空间模型中每一个模型对应的系统状态预测量；

基于所述状态空间模型中每一个模型对应的系统状态预测量，对所述待诊断非线性系统进行故障诊断;

基于所述状态空间模型，利用麻雀算法和莱维飞行变异迭代更新所述N个初始粒子的位置，包括：

基于所述状态空间模型，对所述N个初始粒子的位置进行更新；

基于更新之后的N个初始粒子，建立初始麻雀种群；每一个粒子对应一只麻雀；

通过麻雀算法对所述初始麻雀种群中每个麻雀的位置进行迭代更新；其中，每次迭代更新过程中对每个麻雀的位置进行一次莱维飞行变异；

基于更新之后的每个麻雀的位置，再次对所述N个初始粒子的位置进行更新。

2.根据权利要求1所述的方法，其特征在于，所述状态空间模型包括：

其中，i=0时表示正常状态模型，X_i(k)和Y_i(k)分别代表第i个系统在k时刻的系统状态向量和观测向量，X_i(k-1)为第i个系统在k-1时刻的系统状态向量，gⁱ(·)和hⁱ(·)分别为第i个系统的状态转移函数和观测函数，Θ_i为第i个系统的参数集合，U_i(k)为第i个系统在k时刻的系统控制量输入向量，U_i(k-1)为第i个系统在k-1时刻的系统控制量输入向量，Q_i(k)和R_i(k)为第i个系统的状态噪声和观测噪声变量，且Q_i(k)和R_i(k)均为统计特征未知噪声。

3.根据权利要求1所述的方法，其特征在于，通过麻雀算法对所述初始麻雀种群中每个麻雀的位置进行迭代更新，包括：

基于预设适应度函数，计算所述初始麻雀种群中每个麻雀的适应度，选择适应度最小的N_pop·P_t只麻雀作为发现者，其余麻雀作为跟随者；N_pop为所述初始麻雀种群的规模，且N_pop=N，P_t为麻雀算法中发现者比例；

基于随机生成的警戒值，更新所述初始麻雀种群中每个麻雀的位置；

在所述初始麻雀种群中生成S_d个警戒者，并更新每个警戒者的位置；S_d为随机整数；

基于预设适应度函数，计算位置更新之后的麻雀种群中每个麻雀的适应度；

基于位置更新之后的麻雀种群中每个麻雀的适应度，对所述更新之后的麻雀种群进行莱维飞行变异，并计算变异后的麻雀种群的适应度；

若所述变异后的麻雀种群的适应度的最小值不大于预设适应度阈值，或麻雀算法的迭代次数等于预设寻优次数，则停止优化。

4.根据权利要求3所述的方法，其特征在于，对所述更新之后的麻雀种群进行莱维飞行变异，包括：

基于当前迭代次数，计算惯性权重因子；

利用锦标赛选择，每次有放回的抽取M个麻雀参与锦标赛，选取M个麻雀当中适应度最小的麻雀进行莱维飞行变异，总共选择N_pop次；其中，，为向上取整函数，η为所述惯性权重因子。