基于強跟蹤濾波器的故障診斷方法研究.pdf

1、在實際生產過程中,非線性故障診斷問題越來越引起人們的關注。其宗旨是提前發(fā)現(xiàn)設備的隱患來達到對設備事故防忠于未然的目的,以滿足生產過程中的安全和質量的需求,確保人員及財產安全。由此利用卡爾曼濾波器進行非線性故障診斷的問題也越來越具有非常重要的現(xiàn)實意義,許多基于卡爾曼濾波器的改進方法被引入到該領域,這也日益成為自動控制界故障診斷的研究的熱點。本文重點研究了基于強跟蹤濾波器及其改進算法的故障診斷方法,以及基于強跟蹤濾波器新息特征的故障檢測方法

2、,以便快速準確的檢測出故障。
　　 由于擴展卡爾曼濾波器在故障診斷中對模型失配的魯棒性很差,本文采用了強跟蹤濾波器算法即在卡爾曼濾波器算法的基礎上在線調整增益矩陣使殘差序列處處正交的改進算法。首先對模型進行系統(tǒng)狀態(tài)與參數的聯(lián)合估計,再通過對人為設定的故障進行仿真。仿真結果表明強跟蹤濾波器比擴展卡爾曼濾波器具有更強的跟蹤性能,它對系統(tǒng)參數的任何一種規(guī)律的變化都具有極強的跟蹤能力。
　　 針對在矩陣迭代過程中因為系統(tǒng)精度或者

3、舍入誤差引起的誤差協(xié)方差陣不正定的現(xiàn)象,本文采用了將誤差協(xié)方差陣進行‘UD分解的改進算法,再利用最小二乘法來求解漸消矩陣,這樣在保證矩陣正定的同時也提高了濾波器的精度,擺脫了對先驗知識的依賴性,提高了計算速率。通過仿真驗證了該方法的比STF算法有更強的跟蹤能力,跟蹤速度較快,并通過修正的Bayes分類算法驗證了該方法能快速的檢測出故障。
　　 針對非線性多變量過程,本文采用了基于強跟蹤濾波器新息特征的兩種故障診斷方法:X2統(tǒng)計方