【摘要】：隨著信息技術(shù)和智能控制技術(shù)的快速發(fā)展,現(xiàn)代工業(yè)控制系統(tǒng)的規(guī)模更加龐大,結(jié)構(gòu)更加復(fù)雜,內(nèi)部聯(lián)系更加緊密,且對(duì)其可靠性和安全性要求也越來越高。故障檢測技術(shù)為保障控制系統(tǒng)正常運(yùn)行以及發(fā)生故障后及時(shí)檢測出故障提供了方法和途徑,成為保障系統(tǒng)正常運(yùn)行不可或缺的重要技術(shù)。但是實(shí)際工業(yè)控制系統(tǒng)大多具有一定程度的非線性特性,而目前針對(duì)非線性系統(tǒng)的故障檢測技術(shù)尚未形成完善及成熟的方法。粒子濾波不受噪聲和模型等假設(shè)條件的約束在非線性系統(tǒng)問題的處理上具有獨(dú)特的優(yōu)勢,逐漸成為研究的熱點(diǎn)。但是粒子濾波算法存在粒子退化、樣本枯竭以及難以應(yīng)對(duì)未知噪聲的問題,導(dǎo)致故障狀態(tài)估計(jì)精度不高,從而影響檢測精度。因此本文將針對(duì)此問題進(jìn)行研究,主要的研究內(nèi)容如下:(1)針對(duì)故障狀態(tài)估計(jì)中粒子濾波的粒子退化和樣本枯竭造成估計(jì)精度不高問題,采用權(quán)值抖動(dòng)螢火蟲算法和不完全重采樣策略對(duì)粒子濾波存在的這些問題進(jìn)行研究。首先利用螢火蟲算法的強(qiáng)尋優(yōu)能力特性,在采樣過程中通過權(quán)值抖動(dòng)螢火蟲算法指導(dǎo)粒子的整體移動(dòng),加速粒子向真實(shí)值附近運(yùn)動(dòng),提高狀態(tài)估計(jì)的精度;其次,采用不完全重采樣策略,緩解粒子退化,更好地保持粒子的多樣性。(2)針對(duì)未知噪聲干擾下非線性系統(tǒng)故障狀態(tài)濾波過程中濾波發(fā)散及失效導(dǎo)致估計(jì)精度不高的問題進(jìn)行研究。首先利用Sage-Husa估計(jì)器可以直接實(shí)時(shí)估計(jì)噪聲特性的特點(diǎn),將Sage-Husa估計(jì)器與無跡卡爾曼濾波結(jié)合估計(jì)未知噪聲的統(tǒng)計(jì)特性,并融入最新的量測信息產(chǎn)生建議分布函數(shù);然后,在重采樣階段利用權(quán)值抖動(dòng)螢火蟲算法優(yōu)化粒子集,緩解粒子退化和樣本匱乏,提高未知噪聲下非線性系統(tǒng)的故障狀態(tài)估計(jì)精度。(3)為驗(yàn)證改進(jìn)粒子濾波的故障狀態(tài)估計(jì)方法在故障檢測應(yīng)用中的有效性,文中選取兩組非線性系統(tǒng)模型為研究對(duì)象,即一是選取一維單變量非線性模型并設(shè)置了參數(shù)突變故障模式,二是選取三容水箱DTS200系統(tǒng)模型,并分別設(shè)置了三容水箱系統(tǒng)的傳感器故障模式和執(zhí)行器故障模式,然后進(jìn)行故障檢測實(shí)驗(yàn),驗(yàn)證了該改進(jìn)方法的有效性且能夠有效提高故障檢測的準(zhǔn)確度。
【圖文】：

紛紛投入大量的人力和財(cái)力，并成立了故障行研究；隨著計(jì)算機(jī)技術(shù)的高速發(fā)展以及信號(hào)處理技術(shù)的90 年代，故障檢測開始廣泛應(yīng)用于實(shí)際控制系統(tǒng)中。比如汽輪發(fā)電機(jī)組智能化故障檢測專家系統(tǒng)，英國也在電力工面開始投入應(yīng)用故障檢測技術(shù)服務(wù)等。而我國是在 20 世故障檢測技術(shù)，這些年國內(nèi)許多研究機(jī)構(gòu)和高校已經(jīng)對(duì)故的研究，不斷提出新的方法和技術(shù)，并取得豐厚的科研成院、航空 618 研究所、清華大學(xué)的周東華教授[8]、南京航授[9]、浙江大學(xué)的孫優(yōu)賢院士[10]和國防科技大學(xué)張育林教測技術(shù)已成為控制界研究的重要課題和熱點(diǎn)方向，它在電工等諸多領(lǐng)域得到多方面的應(yīng)用。，國內(nèi)外研究學(xué)者對(duì)故障檢測技術(shù)進(jìn)行了廣泛深入的研究的故障檢測方法。依據(jù)國內(nèi)外大量文獻(xiàn)分析，，故障檢測方析模型的方法、基于數(shù)據(jù)驅(qū)動(dòng)的方法和基于知識(shí)的方法，示。

碩士學(xué)位論文行故障檢測。依據(jù)對(duì)基于解析模型方法的分析研究大法、參數(shù)估計(jì)方法、等價(jià)空間方法。法是通過比較估計(jì)測量值與真實(shí)測量值來構(gòu)造殘差序到故障檢測的目的。它是研究成果最多的方法，主要法。Mehra 等[15]最早將卡爾曼濾波應(yīng)用于故障檢測中著粒子濾波的出現(xiàn)，研究學(xué)者逐漸利用粒子濾波進(jìn)行非高斯系統(tǒng)的故障檢測問題[16]。基于觀測器的故障檢確，其應(yīng)用范圍受到局限，只適用于一些特定的系統(tǒng)應(yīng)觀測器[17]、滑模觀測器(SMO)[18]和非線性未知own Input Observer, NUIO)[19]等。
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP277

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳志敏;田夢楚;吳盤龍;薄煜明;顧福飛;岳聰;;基于蝙蝠算法的粒子濾波法研究[J];物理學(xué)報(bào);2017年05期

2 張建春;康鳳舉;梁洪濤;徐皓;;基于雞群優(yōu)化的粒子濾波算法研究[J];系統(tǒng)仿真學(xué)報(bào);2017年02期

3 王久崇;位占杰;;融入模糊推理的新型故障樹診斷方法[J];計(jì)算機(jī)測量與控制;2016年10期

4 王強(qiáng);劉永葆;賀星;劉樹勇;;噪聲方差自適應(yīng)修正的混合系統(tǒng)故障診斷方法[J];振動(dòng)與沖擊;2016年08期

5 張勇剛;王剛;黃玉龍;李寧;;遞推更新高斯粒子濾波器[J];控制理論與應(yīng)用;2016年03期

6 吳培良;孔亮;段亮亮;孔令富;;一種基于提議分布選擇的改進(jìn)邊緣粒子濾波算法[J];小型微型計(jì)算機(jī)系統(tǒng);2016年02期

7 蔣棟年;李煒;;基于自適應(yīng)閾值的粒子濾波非線性系統(tǒng)故障診斷[J];北京航空航天大學(xué)學(xué)報(bào);2016年10期

8 田夢楚;薄煜明;陳志敏;吳盤龍;趙高鵬;;螢火蟲算法智能優(yōu)化粒子濾波[J];自動(dòng)化學(xué)報(bào);2016年01期

9 畢軍;張棟;常海濤;邵賽;;人工免疫粒子濾波算法估計(jì)電動(dòng)汽車電池SOC[J];交通運(yùn)輸系統(tǒng)工程與信息;2015年05期

10 楊麗華;葛磊;李保林;黃海波;;強(qiáng)跟蹤UKF粒子濾波算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年09期

相關(guān)碩士學(xué)位論文 前3條

1 肖曉;非線性系統(tǒng)的智能故障診斷研究[D];中國礦業(yè)大學(xué);2015年

2 鄭茜予;基于主元分析的微小故障檢測[D];華北電力大學(xué);2015年

3 閆紀(jì)如;粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)在交通流預(yù)測中的應(yīng)用[D];浙江工業(yè)大學(xué);2013年

本文編號(hào)：2550826