基于粒子滤波算法的混合系统监测与诊断

利用粒子滤波算法具有同时估计连续状态和离散状态的特点,提出一种可用于混合系 统状态监测与诊断的新方法.给出了该方法的理论推导和设计步骤,讨论了在诊断应用中粒子滤 波器所遇到的问题,并给出了改善的措施.仿真结果证明用粒子滤波器对混合系统进行监测与诊 断是可行的,所提的方法对估计结果有比较好的改善.     

基于进化粒子滤波器的混合系统故障诊断

在混合系统中，需要同时估计系统的混合状态和系统参数．针对存在这类故障的混合系统的混合状态和参数估计问题提出一种解决方案，对混合系统使用混合自动机建模，并使用粒子滤波算法对其混合状态进行估计，对可能发生变化(故障)的参数使用进化粒子滤波算法进行估计，从而实现了混合系统的故障诊断．将这二者结合起来构成混合系统故障诊断的应用框架，实现了混合系统的混合状态和系统参数的在线估计．仿真结果表明所提出的应用框架和方法是可行的．     

基于混合信号的状态估计方法

传统的系统状态估计方法只用到连续信号,而离散测量信号所包含的信息没有得到利用.提出一种基于混合信号(包括连续和离散)的系统状态估计方法,既利用了连续信号,也用到离散信号的信息.该方法将离散信号的变化视作系统的离散事件,提取其准确的信息并参与系统状态估计,构成具有混合系统特性的新型状态估计器.还讨论了该估计器的稳定性条件和设计方法.仿真实验证明这种所提出的状态估计方法可以有效地改善系统的状态估计性能.     

基于混合系统状态估计的故障诊断

如果将故障的发生视为一个离散事件,则存在故障可能的系统可以看作随机混合系 统,那么故障诊断问题就可转化为混合系统的离散状态估计问题.文中试图从这个角度研究 在非高斯噪声环境下非线性系统的故障诊断问题.在发生故障后的系统模型是已知的假定条 件下,使用随机混合自动机对系统建模,并利用基于粒子滤波的混合估计算法估计出混合状 态,从而完成故障诊断.仿真结果表明,所提的方法是可行的,可以处理某类故障诊断.     

不完备多模型混合系统故障诊断的粒子滤波算法

针对模型不完备的混合动态系统故障诊断问题提出了一种粒子滤波算法. 系统未建模动态利用未知故障模式描述, 当存在未知模式时, 常规的粒子滤波器算法存在发散现象. 本文分析了常规粒子滤波器发散的原因, 提取了两个基于粒子集合的统计量: 粒子集的规格化因子 W 以及最大后验概率估计状态的信度 B. 在此基础上设计了检测未知故障模式的阈值逻辑, 即当 W 几乎为0且 B 较小时离散状态为未知故障模式. 在一定假设下从理论上证明了算法的正确性. 通过不完备的非线性混合系统诊断问题验证了算法的有效性.     

线性混合系统的可观性分析

线性混合系统的控制输入(包括离散控制和连续控制)会影响混合系统的状态可观性．混合系统的可观性包括初始的离散状态和连续状态，以及离散状态的切换时间．对此．分析了系统的控制输入对线性混合系统状态(主要是离散状态)的影响，并论述这将有助于改善某些线性混合系统状态的可观性．通过分析给出了在这种情形下比较宽松的线性混合系统状态可观性条件及其秩检验条件，并给出说明性示例．     

混合系统在matlab环境下的建模和仿真

混合系统是集连续动态系统和离散事件为一体的复杂动态系统,是近年来控制理论研究领域的热门课题.由于混合系统既含连续变量义含离散事件,给处理这类系统带来了复杂性.一般混合系统建立模方法有:混合自动机,混合petri,时段演算及其扩展等模型.在概述混合系统概念与特点的基础上,介绍了混合系统研究中的建模与仿真问题.结合超市冰柜系统用混合自动机建模,并用MATLAB中的SIMULINK和STATEFLOW进行仿真.仿真结果表明效果很好,为系统分析和设计提供了有力的工具.     

基于正则化的高斯粒子滤波算法

针对非线性系统的状态估计问题,提出一种改进的高斯粒子滤波算法。该算法是基于正则化粒子滤波(RPF),将重采样中离散的概率分布函数近似为连续分布,进而在高斯粒子滤波(GPF)中引入正则化粒子滤波算法得到的最新预测值,并利用这一观测值进行状态估计的更新。最后,对RGPF和GPF两种算法进行综合分析和实验仿真,结果表明,与标准GPF算法相比,RGPF具有较高的滤波精度。     

目标跟踪状态估计排序粒子群算法研究

基于视觉的无人机地面目标跟踪状态估计为非线性滤波问题,针对使用一般粒子滤波算法存在粒子退化和计算量大的缺陷问题,提出了一种基于排序的粒子滤波算法,对粒子依误差大小进行排序并计算粒子权重。仿真试验表明,该方法减轻了粒子贫化的影响,提高了状态估计精度。     

多传感器分布式信息融合粒子滤波器

针对非线性非Gaussian系统的状态估计问题,提出一种基于信息融合的多传感器分布式粒子滤波算法。该算法首先利用粒子滤波方法分别计算局部传感器的状态估值,再应用分布式标量加权融合准则对状态估值进行信息融合。仿真结果表明和单传感器情形相比可提高滤波的精度。     

基于粗糙集与K-均值聚类的故障知识挖掘

针对连续数据故障诊断知识挖掘,提出了一种将粗糙集理论与K-均值聚类算法相结合的故障诊断知识挖掘方法。该方法在提取设备状态参数数据的基础上,应用K-均值聚类算法将各状态参数下的连续数据离散化为有限类别,再应用粗糙集对所获得的离散数据表进行约简,获得由状态数据出发的故障诊断知识表格。应用于柴油机故障诊断数据知识挖掘,可以快速准确地获得故障诊断知识,方法简单易用。     

一类基于状态估计的非线性系统的智能故障诊断

针对一类含有建模误差的非线性系统,研究了基于状态估计的智能故障诊断方法.首先提出一种状态估计器设计方法;然后在进行状态估计的同时用RBF神经网络来逼近系统所发生的故障.故障估计器的输入为系统的状态估计,所估计出的故障既可用作故障容错控制,也可用作报警.根据微分同胚,将含有建模误差的非线性系统变换为易于分析的规范形式,并在此基础上分析了故障诊断系统的稳定性和鲁棒性.仿真例子证明了该方法的有效性.     

基于不确定观测下离散事件系统可诊断性的研究

在实际应用系统中,由于传感器故障、传感器限制和网络中的数据包丢失等原因,事件的可观测值变得不确定,使得观测系统行为变得尤为复杂。针对离散事件系统中,同个事件串可能有多个观测值以及不同状态下同个事件观测值也可能不同的问题,提出一种不确定观测下故障诊断验证的方法。首先对不确定观测的离散事件系统的可诊断性进行形式化,然后构建出用于上述故障诊断验证的验证器;基于验证器提出了系统基于不确定观测下可诊断的充要条件及验证算法;最后,实例说明不确定观测下故障诊断验证算法的应用。与现有研究相比,提出的方法对故障事件的观测值没有约束,可以为0个或多个观测值,使此方法应用的场景更为广泛。     

Diagnosability of fuzzy discrete event systems

In this paper, discrete event systems (DESs) are reformulated as fuzzy discrete event systems (FDESs) and fuzzy discrete event dynamical systems (FDEDSs). These frameworks include fuzzy states, events and IF-THEN rules. In these frameworks, all events occur at the same time with different membership degrees. Fuzzy states and events have been introduced to describe uncertainties that occur often in practical problems, such as fault diagnosis applications. To measure a diagnoser’s fault discrimination ability, a fuzzy diagnosability degree is proposed. If the diagnosability of the degree of the system yields one a diagnoser can be implemented to identify all possible fault types related to a system. For any degree less than one, researchers should not devote their time to distinguish all possible fault types correctly. Thus, two different diagnosability definitions FDEDS and FDES are introduced. Due to the specialized fuzzy rule-base embedded in the FDEDS, it is capable of representing a class of non-linear dynamic system. Computationally speaking, the framework of diagnosability of the FDEDS is structurally similar to the framework of diagnosability of a non-linear system. The crisp DES diagnosability has been turned into the term fuzzy diagnosability for the FDES. The newly proposed diagnosability definition allows us to define a degree of diagnosability in a class of non-linear systems. In addition, a simple fuzzy diagnosability checking method is introduced and some numerical examples are provided to illustrate this theoretical development. Finally, the potential applications of the proposed method are discussed.     

基于共轭先验分布的贝叶斯网络分类模型

针对贝叶斯网络后验概率需计算样本边际分布,计算代价大的问题,将共轭先验分布思想引入贝叶斯分类,提出了基于共轭先验分布的贝叶斯网络分类模型.针对非区间离散样本,提出一种自适应的样本离散方法,将小波包提取模拟电路故障特征离散化作为分类模型属性.仿真验证表明,模型分类效果较好,算法运行速度得以提高,也可应用于连续样本和多分类的情况,扩展了贝叶斯网络分类的应用范围.     

基于粗糙集-BP神经网络的机车滚动轴承故障诊断

论文提出了一种基于粗糙集理论与BP神经网络相结合的机车滚动轴承故障诊断方法.首先对原始故障诊断样本的连续属性进行离散化处理,然后利用粗糙集理论,对条件属性进行约简,删除冗余信息,最后将约简的最小属性集作为BP神经网络的输入,并设计BP神经网络对滚动轴承进行诊断.仿真结果表明粗糙集-BP模型不仅简化神经网络结构,而且提高了收敛速度和故障诊断正确率.     

模型未知的离散事件系统故障诊断方法

针对离散事件系统模型难以建立的大型实际系统,无法对其进行有效故障诊断的问题,提出一种基于主动学习的故障诊断方法。首先,为获取到的系统事件日志添加正常/故障标签,并将日志集划分为训练集和测试集,提出一种基于抽象技术的迭代算法提取训练集中日志的故障特征样本。然后,通过故障特征样本构造初始故障识别器,并利用测试集中的日志检验识别器的准确性。仿真结果表明,该故障诊断算法使得模型未知下诊断精度更高。最后,实例说明系统模型未知下故障诊断算法的应用。与现有研究相比,提出的方法可以在系统模型未知下进行故障诊断且算法复杂度为多项式,诊断精度更高,应用范围更加广泛。     

Real-time spacecraft actuator fault diagnosis with state-segmented particle filtering

Fault diagnosis permits computational redundancy, which renders a system sustainable and eventually leads to hardware cost reduction. To achieve the posterior distribution computation needed for fault diagnosis along with motion estimation, we suggest a particle filtering (PF)-based state-segmentation approach. Here, both a continuous state vector and fault states are segmented accordingly to allow flexible reasoning for fault diagnosis and motion estimation. For each segmented space, an attempt is made to construct a corresponding posterior distribution independently, resulting in a reduction of the number of particles. Our experimental simulation demonstrates fault diagnosis among billions of fault states. Our state-segmentation approach reduced 98% of particles compared with the ordinal PF approach.