1.一种基于滤波最优平滑确定故障首达时刻的故障诊断方法,其特征在于该方法具体包括以下各步骤:
步骤(1)通过系统的状态方程和观测方程使用Kalman滤波算法对系统状态进行估计,并持续迭代:
步骤(1‑1)Kalman滤波过程:给定如下离散线性系统:
n n r
其中,k为离散时间,系统在时刻k的状态为Xk∈R ;Yk∈R 为对应观测信号;Wk∈R为输m
入的白噪声;Vk∈R为观测噪声;称式(1)为状态方程和观测方程;A为状态转移矩阵,C为观测矩阵;
递推Kalman滤波器如下:式(2)为状态一步预测式;
式(3)为新息表达式;式(4)为状态更新式;
T T ‑1
Kk+1=Pk+1|kA[APk+1|kA+R] (5)式(5)为滤波增益矩阵求取式;
T
Pk+1|k=APk|kA+Q (6)式(6)为一步预测协方差阵;
Pk+1|k+1=[In‑Kk+1A]Pk+1|k (7)式(7)为协方差更新式;
其中状态估计值的初始值和初始协方差阵为:步骤(1‑2)某一状态分量发生故障:系统状态某一分量f开始发生故障,由于故障首达时刻未知,将其设为r;此时系统的状态方程中状态转移部分加入缓变矩阵Xfault:Xk+1=AXk‑Xfault+Wk (9)
1 f‑1 f+1 n f其中X到X 和X 到X为正常的状态分量,X为发生故障的状态分量;此时观测方程不变;
步骤(2)滤波过程发现状态发生故障或漂移:在迭代过程中,状态真实值无法直接获取,只能通过传感器的观测获得状态的观测值,对历史估计值和观测值之间的误差求取2‑范数均值,设定报警阈值为3倍2‑范数均值;
其中N为迭代当前时刻;若N时刻状态估计值和观测值的误差大于报警阈值,则认为系统状态已经发生了故障或漂移;
步骤(3)对系统状态进行平滑:平滑过程如下:
T ‑1
Jk=Pk|kA[Pk|k+1] (12)式(12)为最优平滑增益矩阵求取式;式(12)的边界条件为:k=N‑1时,Pk+1|N=PN|N;
式(13)为最优平滑状态更新式;式(13)的边界条件为:k=N‑1时,式(14)为最优平滑协方差阵更新式;
步骤(4)确定故障的首达时刻:在后验分析中,等待获得更多的观测数据,这时对状态的估计可以通过最优平滑进一步提高精度;在最优平滑过程中,判断平滑后当前时刻状态是否超过(11)报警阈值,如果超出则可确定故障首达时间。