[发明专利]一种基于模型特征的动态故障诊断方法

说明书

一种基于模型特征的动态故障诊断方法。本发明属于优化方法，具体涉及一种多元信息融合故障检测优化方法。它包括：步骤一：建立滤波器估计模型和递推方程组；步骤二：建立状态递推器；步骤三：进行χ²检验；步骤四：带状态递推器的χ²检验的优化。本发明的有益效果是：本发明提供了一种适用于惯导系统的多元信息融合算法，在进行多信息融合的同时，结合组合导航系统的实际工作情况，以及惯导系统本身高可靠性的特点，减小了对存储空间的要求，同时对硬故障和软故障均能很好的检测，提高了组合导航系统的可靠性。

技术领域

本发明属于故障诊断方法，具体涉及一种基于模型特征的动态故障诊断方法。

背景技术

组合导航系统中，惯性导航系统，特别是高精度惯性导航系统/航姿测量系统自身的可靠性很高，但精度会随时间逐渐下降，因此为了提高惯导系统的长期导航精度，会引入外部辅助导航信息，一般为GPS、DVL等定位、测速设备。这些外部导航信息特性与惯性导航系统不同——长期精度很高，但却容易受到外部环境干扰出现测量误差。如果将包含干扰误差的辅助信息直接引入惯导系统，会严重影响惯导系统精度，引起滤波器振荡，此后几秒至几分钟内(与误差大小及惯导系统滤波器参数有关)，惯导系统的精度都会下降。因此为了保证惯导系统能够长时间的正常工作，很重要的一点是提高系统对外部参考信息的诊断和隔离能力。

一般的检测方法对硬故障(突变)具有很好的检测效果，但对于软故障(缓变)则不能及时的识别。

发明内容

本发明的目的是针对现有技术的缺陷，提出一种基于模型特征的动态故障诊断方法。

本发明是这样实现的：一种基于模型特征的动态故障诊断方法,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：