基于粒子滤波算法的传感器故障诊断方法研究

摘要

传感器故障诊断一直以来都是工业界与学术界研究的热点话题。由于传感器通常安装在现场，一般在工作一段时间以后，其性能会受到现场恶劣环境的影响，甚至发生故障。据统计，在控制系统的各种故障中，传感器和执行器的故障占80％左右，所以在控制系统的诊断中，首先应进行传感器的故障诊断，对其状态进行有效的监视和评估。
　　本文研究的内容主要为:针对非线性系统中的传感器故障问题，提出了一种基于粒子滤波与假设检验方法的故障诊断算法，对几种常见类型的传感器故障进行在线、实时诊断。通过使用一组粒子滤波器来获取系统当前的状态和输出的估计值，并与传感器真实的量测值进行比较。并用序贯概率比检验法和广义最大似然法则分析、辨识具体的故障类型，得出最终的诊断结果。
　　本文的创新点主要在以下几个方面:
　　1.本文提出的一种自适应的粒子滤波方法，能够在传感器发生故障时进行诊断并且对故障值进行补偿。且在本文所研究的方法只使用一个粒子滤波器，相较于其他使用多个粒子滤波器进行故障诊断的算法能够减小很大一部分的计算负载量。
　　2.在传感器故障诊断中，将粒子滤波算法与序贯概率比检验方法相结合。相较于其他需要固定样本数的假设检验法，序贯概率比方法能够在最小的时间得出准确的诊断结果。这有利于当故障发生以后，工作人员能够在最短时间内得知并及时做出措施，避免在事态变得更加严重。
　　3.传统的假设检验方法无法解决涉及多元问题的复合假设检验问题。对此，本文提出通过广义最大似然法则方法对不同类型的传感器故障进行辨识，最终得到准确的故障的类别以及故障的严重程度。
　　最后本文以锅炉汽包模型作为仿真对象，对本文所提出的算法进行验证。通过仿真，所研究算法能够快速、精确的对故障进行检测、隔离和辨识，具有简易性、快速性和精确性。

目录

声明

摘要

第一章 绪论

1．1 问题的提出与研究意义

1．2 传感器故障诊断的任务及所研究的内容

1．2．1 传感器故障诊断定义

1．2．2 故障诊断方法

1．3 粒子滤波算法在故障诊断中的应用现状

1．4 本文主要研究内容及结构

第二章 粒子滤波算法推导

2．1 贝叶斯滤波估计

2．2 粒子滤波算法

2．2．1 蒙特卡洛方法

2．2．2 重要性采样

2．2．3 序贯重要性采样

2．2．4 重采样

2．2．5 完整粒子滤波算法

2．3 粒子滤波改进算法

2．3．1 核密度粒子滤波算法

2．3．2 带约束条件的粒子滤波算法

2．4 本章小结

第三章 基于粒子滤波的故障诊断算法设计

3．1 假设检验模型的建立

3．2 序贯概率比检验方法

3．3 故障辨识方法

3．4 算法设计

3．5 本章小结

第四章 传感器故障诊断实例

4．1 传感器故障模型建立

4．2 仿真实例：锅炉汽包模型

4．3 分析与讨论

4．4 本章小结

第五章 总结与展望

5．1 本文的主要工作

5．2 论文后续工作的展望

参考文献

致谢