[发明专利]一种基于模型特征的动态故障诊断方法

权利要求书

1.一种基于模型特征的动态故障诊断方法,其特征在于，包括下述步骤:

步骤一:针对系统，建立Kalman滤波器估计模型

式中：

X_k——状态变量；第一次由外部给定，以后的计算由上一轮的结果给出；

Φ_k,k-1——t_k-1时刻至t_k时刻的一步转移矩阵；由系统给出；

Z_k——量测量；由外部给定；

H_k——量测矩阵；由外部给定；

W_k——系统激励噪声序列；由外部给定；

V_k——量测噪声序列；由外部给定；

k——循环次数，

卡尔曼滤波递推方程组如下：

a)状态一步预测：

是X_k的估计，初值是0，以后每个步骤用递推结果

是X_k的一步预测；

b)状态估计：

K_k滤波增益用公式(4)计算

c)滤波增益：

P_k/k-1是P_k的一步预测；

P_k是的均方误差；

d)一步预测均方误差：

Q_k是系统方程矩阵，由外部给定；

e)估计均方误差：

R_k量测噪声矩阵，外部给定

步骤二:建立状态递推器

为了检验滤波器估计是否正常，建立一个状态递推器作为基准，状态递推器的状态变量和协方差为已知量，用表示的估计值，通过使用系统的先验模型进行计算，即

步骤三:进行χ²检验

惯导系统中可以一般通过两种途径实现χ²检验：一是通过对新息进行χ²检验实现故障诊断，二是通过对状态进行χ²检验实现故障诊断，

早期多采用新息校验的方法，但是由于滤波器的特性，可直接观测状态的估计结果会跟踪观测量，因此对软故障基本没有诊断能力，硬故障诊断的敏感程度也很大程度取决于滤波器的参数设置，因此目前大多采用状态检验的方法，

状态χ²检验算法计算过程如下所示：

定义

其中为公式7中计算得到的结果，P_k为公式6计算得到的结果；

为公式3计算的结果，是公式7计算的结果；

则符合n维χ²分布，其中n为系统状态个数，

根据χ²检验原理

a)当时，无故障；

b)当时，有故障，

通过查表选择ε_ξ的大小，可以确定检验条件的虚警率，

步骤四:解决故障误报率随时间上升问题

整个故障诊断系统初始化后，递推器1和2同时开始工作，χ²检验部分首先与递推器1连接，检测系统是否存在异常，当第一次到达重置时刻，将χ²检验检验部分与递推器2连接，同时重置递推器1，第二次到达重置时刻，χ²检验部分与递推器1连接，同时重置递推器2，这样，如果递推器1在重置时被污染，仍可以通过递推器2检测到异常，到达第二次重置时刻如果未发现异常，说明第一次重置时递推器1没有受到污染，即可以继续使用递推器1，并重置递推器2，之后以此类推，选择合适的重置周期，可以将递推器被污染的可能性降到很小。