基于粒子滤波的分布式问题故障诊断.pdf

《基于粒子滤波的分布式问题故障诊断.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据30传感器与微系统(TransducerandMicmsystemTechnologies)2008年第27卷第3期基于粒子滤波的分布式故障诊断刘喜梅，魏婉韵，于飞(青岛科技大学自动化与电子工程学院。山东青岛266042)摘要：针对非线性、非高斯环境下多传感器的系统故障诊断问题，提出了一种新的基于粒子滤波的分布式故障诊断方法。通过粒子滤波得到的状态估计值的全概率分布信息可用于故障检测。首先建立系统分布式故障诊断模型，由于通信限制，假设各传感器只能向信息融合中心传输二迸制数。在各观测值独立同分布的条件下，提出了分布式故障诊断算法，包括本地判决的设计和融合中心的准则设计。

2、仿真结果表明了所提出算法的有效性和优越性。关键词：粒子滤波；故障诊断；分布式；状态估计中图分类号：TP273文献标识码：A文章编号：1000--9787(2008)03--0030一04DistributedfaultdiagnosisbasedonparticlefilteringLIUXi-mei，WEIWan—yun，YUFei(DepartmentofAutomationandElectronicEngineering，QingdaoUniversityofScienceandTechnology，Qingdao266042，China)Abstract：Aiming

3、atthefaultdiagnosisfornonlinear，non—Gaussiansystemsmonitoredbymultiplesensors，anovelparticlefilteringbasedapproachtodistributedfaultdiagnosisisdeveloped．Oneofitsadvantagesisthatthecompleteprobabilitydistributioninformationofstateestimationfromparticlefilteringisutilizedforfaultdetection．Fir

4、stlythedistributedfaultmodelofsystemissetup，anditisassumedthatsensorscanonlysendbinarydatatothefusioncenterbecauseofthecommunicationconstraints．Undertheassumptionofindependent，identicallydistributedobservations，adistributedfaultdetectionalgorithmisproposed，includinglocaldetectordesignanddec

5、isionfusionruledesign．Simulationresultsshowtheefficiencyandsuperiorityofourproposedalgorithm．Keywords：particlefiltering；faultdiagnosis；distributed；stateestimationO引言随着自动控制系统的日益复杂和可靠性的不断提高，动态系统的故障检测和诊断的研究已经越来越为人们所重视。由此产生了很多算法：基于观测器的方法¨’2J，基于参数辨识的方法旧J。这些已有方法中大多数的出发点为线性系统，并且，假设噪声和干扰服从高斯分布。然而，实

6、际系统的模型往往是非线性的，观测噪声也存在复杂的非线性和非高斯分布。粒子滤波器是～种序贯蒙特卡罗信号处理技术HJ，其基本思想是哺1由一组加权的随机采样点近似所需要随机变量的后验概率密度。根据这些随机采样点和权重可以计算随机变量的各种估计值。当采样点数很大时，这些样本点能完全表征后验概率密度。由于其特别适合处理非线性、非高斯问题，高性能计算机的出现使该算法变得流行。文献[6]结合粒子滤波和基于信息的故障检测技术，开发出了一种新的故障检测和隔离方案，有效地克服了传统方法的不足。收稿日期：2007—07--10针对具有多传感器的非线性非高斯随机系统的分布式故障诊断问题，本文提出采用

7、粒子滤波与信息融合技术相结合的分布式故障诊断方法，这种方法可有效提高故障诊断的准确性和有效性。1问题的描述假设系统共有肘只传感器，那么，非线性离散时间系统状态方程可描述为fxk=A(xH’y¨’。，(1)【J，?=^?(算。。埘?)，m=l，2，⋯，肘式中屯为k时刻系统的状态向量航为非线性状态转移函数；y7为第m只传感器在．

8、}时刻的观测向量；"为该传感器非线性量测函数；以，埘：分别为独立同分布的过程噪声向量序列和观测噪声序列，且各传感器的观测噪声互不相关。假设状态向量以服从马尔可夫过程，先验分布为p(