控制理论与应用
控製理論與應用
공제이론여응용
CONTROL THEORY & APPLICATIONS
2014年
8期
1047-1052
,共6页
杜占龙%李小民%郑宗贵%毛琼
杜佔龍%李小民%鄭宗貴%毛瓊
두점룡%리소민%정종귀%모경
强跟踪滤波%非线性滤波%状态和参数联合估计%平方根容积卡尔曼滤波(SCKF)%故障预测
彊跟蹤濾波%非線性濾波%狀態和參數聯閤估計%平方根容積卡爾曼濾波(SCKF)%故障預測
강근종려파%비선성려파%상태화삼수연합고계%평방근용적잡이만려파(SCKF)%고장예측
strong tracking filter%nonlinear filters%state and parameter joint estimation%square-root cubature Kalman filter (SCKF)%fault prediction
为了解决非线性系统中不可测量参数的预测问题,提出一种带有次优渐消因子的强跟踪平方根容积卡尔曼滤波(STSCKF)和自回归(AR)模型相结合的故障预测方法.利用AR模型时间序列预测法预测未来时刻的测量值,将预测的测量值作为STSCKF的测量变量,从而将预测问题转化为滤波估计问题.STSCKF通过在预测误差方差阵的均方根中引入渐消因子调节滤波过程中的增益矩阵,克服了故障参数变化函数未知情况下普通SCKF跟踪故障参数缓慢甚至失效的局限性,使得STSCKF能较好地预测故障参数的发展趋势.连续搅拌反应釜(CSTR)仿真结果表明,STSCKF的预测精度高于普通SCKF和强跟踪无迹卡尔曼滤波(STUKF),验证了方法的有效性.
為瞭解決非線性繫統中不可測量參數的預測問題,提齣一種帶有次優漸消因子的彊跟蹤平方根容積卡爾曼濾波(STSCKF)和自迴歸(AR)模型相結閤的故障預測方法.利用AR模型時間序列預測法預測未來時刻的測量值,將預測的測量值作為STSCKF的測量變量,從而將預測問題轉化為濾波估計問題.STSCKF通過在預測誤差方差陣的均方根中引入漸消因子調節濾波過程中的增益矩陣,剋服瞭故障參數變化函數未知情況下普通SCKF跟蹤故障參數緩慢甚至失效的跼限性,使得STSCKF能較好地預測故障參數的髮展趨勢.連續攪拌反應釜(CSTR)倣真結果錶明,STSCKF的預測精度高于普通SCKF和彊跟蹤無跡卡爾曼濾波(STUKF),驗證瞭方法的有效性.
위료해결비선성계통중불가측량삼수적예측문제,제출일충대유차우점소인자적강근종평방근용적잡이만려파(STSCKF)화자회귀(AR)모형상결합적고장예측방법.이용AR모형시간서렬예측법예측미래시각적측량치,장예측적측량치작위STSCKF적측량변량,종이장예측문제전화위려파고계문제.STSCKF통과재예측오차방차진적균방근중인입점소인자조절려파과정중적증익구진,극복료고장삼수변화함수미지정황하보통SCKF근종고장삼수완만심지실효적국한성,사득STSCKF능교호지예측고장삼수적발전추세.련속교반반응부(CSTR)방진결과표명,STSCKF적예측정도고우보통SCKF화강근종무적잡이만려파(STUKF),험증료방법적유효성.
