[发明专利]一种基于改进权值生成方式的粒子滤波舵机状态预测方法

说明书

一种基于改进权值生成方式的粒子滤波舵机状态预测方法。其包括按顺序进行的下列步骤：F分布粒子滤波预测框架；F核构造；动态筛选过程。本发明优点：①即使由于最新量测值不符合正常的系统发展趋势情况下，同时得到的当前粒子集不处于正确的区域，但是预测得出的系统状态也能够通过权值的修正来缓解嘈杂量测值带来的不确性；②与传统的粒子滤波方法，该方法能够获得较好的故障预测精度。

技术领域

本发明属于故障诊断与健康管理(PHM)技术领域，特别是涉及基于粒子滤波的舵机状态预测方法。

背景技术

在自动飞行控制系统中，电液联合舵机作为核心执行部件，实现对升降舵、副翼和方向舵三大主控舵面以及襟翼、缝翼和调整片等辅助舵面的驱动。舵机作为执行机构，其性能及可靠性的好坏直接影响着自动飞行系统乃至整个飞行器的性能及可靠性。伴随自动飞行技术的发展，舵机系统渐渐成为时下研究关注的焦点。

目前线性动态系统开展的研究无论在理论层面还是实际应用都形成了较为成熟的体系，而电液联合舵机系统都具有非常强的非线性特性。因此，寻找一种针对舵机系统的故障诊断方法尤为重要。粒子滤波作为一种解析模型和数据驱动结合的方法对非线性非高斯问题的处理显示出明显的优越性，基于此本发明将对粒子滤波算法及其在故障诊断中的应用进行深入研究。

大量研究表明，基于粒子滤波的预测方法已经能够被用来实现向前的状态预测，但是实际上，粒子滤波本身在缺少量测值的情况下不具有预测未来状态的能力，而是通过在粒子滤波状态估计完毕后引入合适的过程才完成了预测的过程，这种状态预测过程称为基于粒子滤波的预测过程。图1总结了现有的基于粒子滤波预测方法的框架。首先将整个预测过程分成两个阶段，由粒子滤波利用模型和历史量测值估计得到当前时刻的粒子集，这个部分称为状态估计过程；再由当前时刻的粒子集预测到寿命结束的过程称为预测阶段。在现有的研究中，实现该预测阶段主要有两种方法，粒子映射和量测值重构。

粒子映射即产生下一时刻的粒子集并用以计算未来时刻的状态概率密度，一种常采用的粒子映射方法即将粒子通过系统动态模型向前迭代，从计算效率方面来说，这是最简单有效的方式，然而该映射方法有个明显的缺陷，即没有考虑到噪声和系统非线性能随时间改变预测的状态概率密度，在该方法在整个预测阶段中粒子的权值一直保持不变。目前粒子权重的更新过程已经成为预测阶段的一个必要步骤，但是又不能依靠新量测值的引入，为了解决这个问题，有研究学者新定义一种Epanechnikov核函数，该函数在预测阶段的每个时刻重构状态的概率密度函数，能够明确预测误差的界限并缓解模型随时间变化带来的误差增长，然而长时间粒子修正容易导致粒子滤波算法中重采样过程的持续运行，从而产生额外的计算负担。因此，平衡预测准确性和计算负担成为粒子映射方法研究的一大挑战。

量测值重构是在基于粒子滤波预测算法框架中预测阶段的另一种典型的实施手段，利用一系列的基于数据驱动的方法，比如神经网络，最小二乘支持向量回归来生成所需要的量测值序列。将历史量测值以时间序列排列并实施长周期预测迭代计算得到未来的量测值序列，并以新的量测值作为粒子滤波估计的输入从而得到所需要的未来时刻状态或参数。对于观测值重构方法，研究的重要主要放在数据驱动预测方法的不确定性传播问题上，因为重构量测值的误差会极大地影响粒子滤波本身的估计性能，特别当涉及到不同性质的噪声项时，很难形成一个标准来控制预测的最终误差。对于大量带有时变参数的复杂系统来说，部件参数在系统寿命终止前会有持续的变化，对于需要大量利用时变模型迭代计算的量测值重构方法，容易造成累积误差。

发明内容

为了解决上述问题，本发明的目的在于提供一种在非线性系统模型下，一种对部件寿命的简单、直接、有效的预测粒子滤波舵机状态预测方法

为了达到上述目的，本发明提供的一种基于改进权值生成方式的粒子滤波舵机状态预测方法(即F分布粒子滤波)包括按顺序进行的下列步骤：

(1)F分布粒子滤波预测框架

(2)F核构造