申请/专利权人：杭州电子科技大学

申请日：2019-08-22

公开（公告）日：2019-12-10

公开（公告）号：CN110555398A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G01S19/37(20100101)

优先权：

专利状态码：有效-授权

法律状态：2021.11.30#授权;2020.01.03#实质审查的生效;2019.12.10#公开

摘要：本发明公开了一种基于滤波最优平滑确定故障首达时刻的故障诊断方法。本发明中历史数据首先要通过Kalman滤波迭代获得，迭代步数的上限为总的采样次数，下限为滤波过程中发现状态产生故障或漂移的时刻。对历史数据中的观测值和状态估计值的误差求取平均范数，设定故障或漂移的阈值为3倍误差平均2‑范数。通过对历史数据的最优平滑估计使得估计精度得到提升，从而更加精确的判断故障或漂移产生的首达时刻，并可将该方法应用在船舶航行发生漂移后GPS导航定位系统中。

主权项：1.一种基于滤波最优平滑确定故障首达时刻的故障诊断方法，其特征在于该方法具体包括以下各步骤：步骤1通过系统的状态方程和观测方程使用Kalman滤波算法对系统状态进行估计，并持续迭代：步骤1-1Kalman滤波过程：给定如下离散线性系统： 其中，k为离散时间，系统在时刻k的状态为Xk∈Rn；Yk∈Rn为对应观测信号；Wk∈Rr为输入的白噪声；Vk∈Rm为观测噪声；称式1为状态方程和观测方程；A为状态转移矩阵，C为观测矩阵；递推Kalman滤波器如下： 式2为状态一步预测式； 式3为新息表达式；式4为状态更新式；Kk+1＝Pk+1|kAT[APk+1|kAT+R]-15式5为滤波增益矩阵求取式；Pk+1|k＝APk|kAT+Q6式6为一步预测协方差阵；Pk+1|k+1＝[In-Kk+1A]Pk+1|k7式7为协方差更新式；其中状态估计值的初始值和初始协方差阵为： 步骤1-2某一状态分量发生故障：系统状态某一分量f开始发生故障，由于故障首达时刻未知，将其设为r；此时系统的状态方程中状态转移部分加入缓变矩阵Xfault：Xk+1＝AXk-Xfault+Wk9 其中X1到Xf-1和Xf+1到Xn为正常的状态分量，Xf为发生故障的状态分量；此时观测方程不变；步骤2滤波过程发现状态发生故障或漂移：在迭代过程中，状态真实值无法直接获取，只能通过传感器的观测获得状态的观测值，对历史估计值和观测值之间的误差求取2-范数均值，设定报警阈值为3倍2-范数均值； 其中N为迭代当前时刻；若N时刻状态估计值和观测值的误差大于报警阈值，则认为系统状态已经发生了故障或漂移；步骤3对系统状态进行平滑：平滑过程如下：Jk＝Pk|kAT[Pk|k+1]-112式12为最优平滑增益矩阵求取式；式12的边界条件为：k＝N-1时，Pk+1|N＝PN|N； 式13为最优平滑状态更新式；式13的边界条件为：k＝N-1时， 式14为最优平滑协方差阵更新式；步骤4确定故障的首达时刻：在后验分析中，等待获得更多的观测数据，这时对状态的估计可以通过最优平滑进一步提高精度；在最优平滑过程中，判断平滑后当前时刻状态是否超过11报警阈值，如果超出则可确定故障首达时间。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于滤波最优平滑确定故障首达时刻的故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD