非线性系统故障诊断的粒子滤波方法

fordies1

摘 要： 针对粒子滤波存在粒子退化问题，提出一种基于无迹卡尔曼滤波和部分重采样的改进的粒子滤波算 法．通过无迹卡尔曼滤波产生重要性分布函数和使用部分重采样算法进行重采样，以丰富粒子的多样性．并针对非线 性系统故障诊断中非高斯背景下，似然函数检测量难以导出的问题，提出一种基于多模型和似然函数值的诊断方法． 仿真结果表明：改进的滤波算法的估计精度优于标准的粒子滤波算法及其现有的两种改进算法，提出的故障诊断方法 能够做到快速检测与准确隔离． 关键词： 故障诊断；粒子滤波；无迹卡尔曼滤波；非线性系统；似然函数

8 T4 r- y; c# a: M( n2 l       目前对于线性动态系统的滤波问题，已经形成了比 较成熟的理论和方法，卡尔曼滤波 ＫＦ是 其中典型的代表．扩展卡尔曼滤波 ＥＫＦ是 ＫＦ在非线性领域的扩展，但是对于强非线性 系统容易造成算法不收敛的情况．无迹卡尔曼滤波 ＵＫＦ［１］与 ＥＫＦ将非线性问题近似线 性化处理不同，ＵＫＦ对非线性函数的概率密度分布进行 了近似，比 ＥＫＦ适用范围更广．但是不论 ＫＦ、ＥＫＦ还是 ＵＫＦ，都必须服从高斯噪声的假设．然而实际的系统都 存在着非线性特性，甚至是强非线性，并且受到非高斯 噪声的干扰．对于非线性非高斯系统的滤波问题，上述 方法具有很大的局限性．
1 F% w1 S8 a; _6 x! W( f; T- u( B附件下载：

游客，如果您要查看本帖隐藏内容请回复

1 f, _, r8 k# U  P
5 ?, Q/ A* E: m' [# ~# j

Zmb

非线性系统