[发明专利]建立机电作动器的卡尔曼滤波模型及故障诊断方法

摘要

本发明涉及一种建立机电作动器的卡尔曼滤波模型及故障诊断方法，利用交互式多模型和UKF相结合，提出一种基于卡尔曼滤波模型的机电作动器故障诊断和隔离方法。将Unscented卡尔曼滤波器和交互式多模型方法相结合，来解决非线性系统的故障诊断和隔离技术，并进行数字仿真。在卡尔曼滤波模型的故障检测和诊断方法中，各个模型之间有交互作用，可以很好地实现在多个模型间的切换、融合和交互，具有更高的滤波估计精度和运行速度，而且诊断结果快速准确。本发明将交互式多模型方法和UKF算法结合，利用UKF的卡尔曼滤波模型方法，得到了更加接近真实值的系统状态估计量。实验结果表明，新方法不仅能够较好的估计系统状态量，而且能够快速准确的诊断并隔离故障。

主权项

一种建立机电作动器的卡尔曼滤波模型库的方法，其特征在于：机电作动器的卡尔曼滤波模型库内包含四个模型：系统正常情况下的卡尔曼滤波模型，舵面传感器恒偏差故障情况下的卡尔曼滤波模型，电机B相绕组开路故障情况下的卡尔曼滤波模型和两者同时发生故障情况下的卡尔曼滤波模型；建立步骤如下：步骤1、建立系统正常情况下的卡尔曼滤波模型：$\left\{\begin{array}{c}\hat{x}\left(k\right|k-1)=\mathrm{\Φ}\left(k\right|k-1)\hat{x}(k-1)\\ P\left(k\right|k-1)=\mathrm{\Φ}\left(k\right|k-1)P(k-1){\mathrm{\Φ}}^T\left(k\right|k-1)+Q(k-1)\\ K\left(k\right)=P\left(k\right|k-1)H^T\left(k\right){\left(P^Z\right(k\left)\right)}^{-1}\\ P^T\left(k\right)=H\left(k\right)P\left(k\right|k-1)H^T\left(k\right)+R\left(k\right)\\ \hat{x}\left(k\right)=\hat{x}\left(k\right|k-1)+K\left(k\right)r\left(k\right)\\ r\left(k\right)=z\left(k\right)-h\[\hat{x}\left(k\right|k-1)\]\\ P\left(k\right)=\[I-K\left(k\right)\]P\left(k\right|k-1)\end{array}\right.$其中，Φ(k)＝I+F(k)；为最新外推的状态估计；P(k|k‑1)为扩散状态误差协方差矩阵；K(k)为卡尔曼增益；P^Z(k)为残差协方差；为状态最优估计；r(k)为残差；z(k)为测量向量；为测量向量的估计，当测量系统为线性时P(k)为状态估计均方差；建立系统正常情况下的卡尔曼滤波模型过程为：建立系统正常情况下的卡尔曼滤波模型：根据伺服电机电压平衡方程、电机转矩方程、电机运动方程以及传动机构模型，建立待诊断机电作动器的数学模型；推由三相定子变量建立的电机电压平衡方程为

×

专利文献下载

说明：

1、专利原文基于中国国家知识产权局专利说明书；

2、支持发明专利 、实用新型专利、外观设计专利（升级中）；

3、专利数据每周两次同步更新，支持Adobe PDF格式；

4、内容包括专利技术的结构示意图、流程工艺图或技术构造图；

5、已全新升级为极速版,下载速度显著提升！欢迎使用！

请您登陆后，进行下载，点击【登陆】 【注册】

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：。

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

周一至周五 9:00-18:00

版权所有http://www.vipzhuanli.com/公布日期

咨询在线客服

tel code back_top

服务热线：

投诉建议：

扫一扫，微信关注钻瓜专利网

定制专利/购买专利

行业大牛为您服务 快来咨询~