强跟踪平方根容积卡尔曼滤波和自回归模型融合的故障预测

摘要：

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.

关键词：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

所属期刊栏目：31

分类号：TP273(自动化技术及设备)

资助基金：总装院校科技创新工程项目

在线出版日期：2014-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1047-1052