隨著現(xiàn)代化系統(tǒng)總體呈現(xiàn)出大型化、互聯(lián)性和復(fù)雜化等趨勢,定期維修和事后維修的成本越來越高。人們希望利用故障預(yù)報技術(shù)實現(xiàn)早期的狀態(tài)預(yù)測和剩余使用壽命估計,在故障發(fā)生之前及時發(fā)現(xiàn)問題并采取相應(yīng)維修決策,從而避免安全事故的發(fā)生。故障預(yù)報通常在系統(tǒng)退化模型或歷史監(jiān)測數(shù)據(jù)的基礎(chǔ)上實現(xiàn)系統(tǒng)的狀態(tài)估計和狀態(tài)趨勢預(yù)測,包括了基于模型的故障預(yù)報方法和基于數(shù)據(jù)的故障預(yù)報方法。這兩類方法各有千秋,并不能相互取代。因此,充分利用已知的數(shù)據(jù)信息和有限的機(jī)理知識,發(fā)展組合故障預(yù)報方法,成為提升系統(tǒng)可靠性和安全性的新思路。為了避免單一模型刻畫實際運動模式的不準(zhǔn)確性,本文首先從狀態(tài)估計角度出發(fā),研究基于擴(kuò)展卡爾曼濾波的交互多模型估計算法,然后將其應(yīng)用于制導(dǎo)律辨識,提出基于交互多模型擴(kuò)展卡爾曼濾波的制導(dǎo)律辨識算法。該算法利用多模型算法輸出的模型概率來表征候選模型的使用程度,通過尋找最大概率對應(yīng)的模型辨識出制導(dǎo)律,同時實現(xiàn)制導(dǎo)律參數(shù)的估計�？紤]到支持向量回歸機(jī)具有較好的小樣本回歸預(yù)測能力,本文同時研究一類基于支持向量回歸機(jī)的早期故障預(yù)報算法,實現(xiàn)了健康狀態(tài)預(yù)報。由于支持向量回歸機(jī)的參數(shù)好壞嚴(yán)重影響著其預(yù)測精度,本文在優(yōu)化理... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：129 頁

【學(xué)位級別】：博士

【部分圖文】：

基于-不敏感損失函數(shù)的經(jīng)驗風(fēng)險

區(qū)分各運動對象，我們稱已知飛行器為 T，未知飛行器為 M�？紤]模型，如圖 3.2 所示，并做如下假設(shè)：（1）雙方飛行器近似迎面相2）雙方飛行器可以表示成質(zhì)點模型；（3）雙方飛行器具有近似定方側(cè)向加速度具有界；（5）雙方的機(jī)動動態(tài)特性可以近似表示成一所獲得的相對運動狀態(tài)信息含測量噪聲。述假設(shè)條件下，雙方飛行器的非線性相對運動關(guān)系和動態(tài)特性在如式（3.9）所示方程來描述，其中 表示雙方飛行器的相對距 和 分別表示雙方飛行器的航跡角（速度方向與初始視線方向 ， 分別為雙方飛行器的加速度及線速度， 和 分別為雙方度。構(gòu)造狀態(tài)向量 = 相關(guān)參數(shù)， ， ， 分別為存在于建模動態(tài)中的零均值高斯

圖4.1座頭鯨捕食機(jī)制（4.3）

【參考文獻(xiàn)】：
期刊論文
[1]數(shù)據(jù)驅(qū)動的可靠性評估與壽命預(yù)測研究進(jìn)展:基于協(xié)變量的方法[J]. 喻勇,司小勝,胡昌華,崔忠馬,李洪鵬.  自動化學(xué)報. 2018(02)
[2]基于多模型自適應(yīng)估計的導(dǎo)彈導(dǎo)引律辨識方法[J]. 張譽(yù),周中良,李飛,茍新禹.  計算機(jī)仿真. 2015(08)
[3]一種導(dǎo)彈導(dǎo)引律及參數(shù)的非線性MMAE辨識方法[J]. 王小平,蔡遠(yuǎn)利,于振華,林秦穎,葉希貴,狄方旭.  飛行力學(xué). 2015(05)
[4]帶測量誤差的非線性退化過程建模與剩余壽命估計[J]. 司小勝,胡昌華,周東華.  自動化學(xué)報. 2013(05)
[5]基于神經(jīng)網(wǎng)絡(luò)的球軸承剩余壽命預(yù)測[J]. 奚立峰,黃潤青,李興林,劉中鴻,李杰.  機(jī)械工程學(xué)報. 2007(10)
[6]成敗型產(chǎn)品可靠性的Bayes評估[J]. 張士峰,樊樹江,張金槐.  兵工學(xué)報. 2001(02)



本文編號：3494885