不确定退化测量数据下的剩余寿命估计

剩余寿命估计是工程系统预测与健康管理的关键.目前,基于观测的系统退化数据进行剩余寿命估计得到了很大的关注.由于系统随机退化过程和测量误差的影响,测量数据中不可避免包含退化随机性和测量不确定性.然而,现有基于观测数据的剩余寿命估计研究中,没有将退化随机性和测量不确定性对估计的剩余寿命分布的影响同时考虑.鉴于此,提出了一种基于Wiener过程且同时考虑随机退化和不确定测量的退化建模方法,利用Kalman滤波技术,实现了潜在退化状态的实时估计.在退化状态估计的基础上,得到了同时考虑退化状态不确定性和测量不确定性的解析剩余寿命分布.此外,提出了一种基于极大似然方法的退化模型参数估计方法.最后,通过陀螺仪的退化测量数据验证了本文提出的方法优于不考虑测量不确定性的方法,可以提高剩余寿命估计的准确性.     

基于退化轨迹的增强粒子滤波设备剩余寿命预测方法

目前粒子滤波算法在建立状态转移方程和量测方程时,未考虑到设备的退化趋势,导致预测设备的退化曲线准确性不高.针对以上问题,提出了一种基于退化轨迹的设备剩余寿命预测方法,使用设备已知的退化数据,利用粒子滤波方法对设备退化模型的参数进行更新,通过建立与传统方法不同的粒子滤波量测方程,使依赖于更新后的退化模型参数的预测曲线符合...     

基于TCN-AGRU的滚动轴承全寿命周期剩余使用寿命预测分析

阐述实际工程需要的滚动轴承非故障阶段剩余使用寿命（RUL）预测问题,提出基于时间卷积神经网络（TCN）与融合注意力机制的门控循环单元（AGRU）的滚动轴承剩余寿命预测模型。通过实验验证模型在滚动轴承全寿命周期的RUL预测性能。结果表明,TCN-AGRU模型在滚动轴承全寿命周期剩余寿命预测上有较好的预测性能,为滚动轴承全寿命周期剩余使用寿命预测模型的研究,提供新思路。     

一个拓展的基于相似性的剩余寿命预测框架

基于相似性的剩余寿命预测方法是近年来兴起的一类部件剩余寿命预测方法,它可以提供合理的剩余寿命预测同时无需进行衰退过程建模(或仅需少量的相关工作)。针对当前基于相似性的剩余寿命预测方法仅利用失效的历史样本的问题,提出一个基于相似性的剩余寿命预测框架,同时利用失效与未失效(由于预防维护或终止使用等)的历史样本。在该框架中,提出两种估计未失效历史样本寿命,进而利用其衰退过程信息的方案(记为方案A和方案B)。一个系统的数值试验验证了在存在有限失效历史样本与存在大量失效历史样本的情况下,基于方案A的框架始终优于对应的传统方法。此外,试验结果揭示基于方案B的框架在失效历史样本有限的情况下并不有效,但随着失效历史样本的增多其表现迅速提升。数值试验的发现建议,在失效历史样本有限的情况下使用基于方案A的框架,而在可用大量失效历史样本时使用基于方案B的框架。     

基于DEPSO-RVM的B787电池剩余寿命预测

锂离子电池已经被应用于B787客机,为进一步提高B787锂离子电池的可靠性,针对传统基于相关向量机的电池剩余使用寿命预测方法的不足,提出一种把相关向量机、差分进化算法和粒子群优化算法融合的的方法。通过差分进化算法和粒子群优化算法对相关向量机的参数进行优化,增强其对电池历史监测数据退化趋势的预测能力。应用卡尔曼滤波器对融合算法实施优化,将优化后的预测结果作为在线样本添加到训练集中,对提出的模型重新训练,以此来动态调整系数矩阵和相关向量以执行下一次迭代预测。基于B787锂离子电池测量数据,对所提方法的有效性和鲁棒性进行了验证。     

基于相似性的剩余寿命预测：鲁棒性与不确定性研究

基于相似性的剩余寿命预测方法是近年来兴起的一类部件寿命预测方法。关于该方法预测结果的鲁棒性及不确定性研究尚未见报道,然而上述性质对于广泛应用该方法具有重要意义。首先,介绍了基于相似性的剩余寿命预测方法的主要思想,并介绍了一种基于相似性的剩余寿命预测方法（简称方法A）,提出一种基于历史样本估计来预测不确定性的方法;而后,基于一个广泛应用的随机衰退模型,在比较方法A的预测结果与某基于时间序列预测的剩余寿命预测方法结果的过程中,探究了方法A预测结果的鲁棒性;最后,基于同样的数据,运用所建议的方法,考察了方法A预测结果的不确定性。     

基于改进VMD与BiLSTM的滚动轴承剩余寿命预测模型

为提取能表示滚动轴承寿命退化的深层特征,用变分模态分解算法（Variational Model Decomposition,VMD）分解轴承的横向振动信号。为了解决VMD中需要手动选取惩罚因子α及模态分量数目K的问题,用粒子群优化算法（Particle Swarm Optimization,PSO）对VMD进行了优化,以提取出更能代表寿命变化的特征。在此基础上,将筛选的特征输入到双向长短时记忆（Bi-directional Long Short-Term Memory,BiLSTM）网络中进行剩余使用寿命预测。通过实验并与其他深度模型进行对比,该文提出模型的均方误差等指标均比其他几种模型更低,证明了该文模型在轴承剩余使用寿命预测上的有效性。     

直升机机载设备剩余寿命可靠性评估

通过对剩余寿命抽样的罗必塔方法的引用,过对罗必塔方法抽样误差的理论分析和仿真实验证明．简便,具有很好的适用性和可靠性。提出了直升机机载设备剩余寿命的可靠性评估方法。经对于耗损型的直升机机载设备的寿命分布。该方法计算     

基于Transformer模型的IGBT剩余寿命预测

为了提前预测IGBT的剩余寿命(RUL),减小失效造成的损失并辅助维护,提出了一种基于Transformer模型的RUL预测方法,使用瞬态热阻曲线预测RUL.首先,使用不同的热循环参数进行老化试验,观察到IGBT模块结-壳瞬态热阻会随着老化而变化;然后,通过处理采集到的数据,计算出瞬态热阻并删除异常值;最后,训练一个Transformer神经网络来预测IGBT的寿命.试验结果表明,根据瞬态热阻的变化,神经网络能很好地预测IGBT剩余寿命.Transformer模型平均预测误差为0.188％,与长短时记忆网络模型进行对比,Transformer模型的预测准确度提高了0.126％.     

基于卡尔曼粒子滤波的目标跟踪算法

目标跟踪在计算机视觉领域有着重要的应用。文中在对运动目标跟踪算法进行研究之后,应用卡尔曼粒子滤波算法进行运动目标的跟踪,同时利用Matlab 对卡尔曼滤波算法、粒子滤波算法及卡尔曼粒子滤波算法进行了实验仿真。实验结果表明,运用卡尔曼粒子滤波算法能够更快、更准确地对运动目标进行跟踪,可将其广泛应用于目标跟踪中。     

一种基于平方根卡尔曼的二阶滤波算法的研究

在平方根Kalman滤波(SREKF)算法的基础上,本文研究一种二阶非线性滤波算法。该算法利用状态误差协方差阵的平方根因式对状态向量作正交变换,消除状态误差项之间的相关性,从而降低了二阶滤波算法的运算量。通过仿真验证了该算法的效能。     

基于Kalman滤波的Helmholtz机进化算法

根据信息融合的思想,提出了基于Kalman滤波的Helmholtz进化算法(KFHMEA)。在KFHMEA中,首先将种群分成若干子种群,各子种群独立使用Helmholtz机来估计其状态,然后用Kalman滤波器把这些状态信息相融合,并将融合后的信息反馈到各子种群中。仿真实验表明,这种Kalman融合机制能够大大增强原有算法的稳定性和全局搜索能力,从而提高了算法的整体性能。     

一种基于卡尔曼滤波及粒子滤波的目标跟踪算法

针对卡尔曼跟踪算法在非线性非高斯情况下跟踪结果不再准确,以及粒子滤波跟踪算法计算量大难以满足实时性的缺陷,提出了卡尔曼滤波及粒子滤波相结合的算法。利用卡尔曼滤波进行跟踪得到候选目标并计算目标模型与候选模型的匹配程度,若与目标模型匹配度小于一定阈值,则转换跟踪方式利用粒子滤波进行跟踪来修正卡尔曼滤波结果;同时,采用"模板缓冲区法"对目标模型进行更新以保证跟踪的连续性、稳定性及准确性。实验结果表明,这种跟踪算法既发挥了卡尔曼滤波的实时性又保持了粒子滤波的准确性,有较好的跟踪性能。     

基于SRCDKF的交互式多模型算法

给出了一种基于平方根中心差分卡尔曼滤波的交互多模型(IMM)算法.该算法较好地解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波(EKF)的IMM算法更好的数值稳定性、计算精度和收敛速度,还避免了复杂的Jacobi矩阵运算.Monte Carlo仿真验证了该算法的可行性和有效性.     

基于卡尔曼滤波的接收信号强度指示差值定位算法

针对频谱监测系统中被监测信号无法控制并且没有任何先验知识,只能通过对信号被动监测,即接收与处理信号来估计信号源位置的要求,该文提出一种基于接收信号强度指示差值(RSSID)的定位算法,并利用卡尔曼滤波提高其定位精度。该文将两监测站之间的RSSID转换成信号源到两监测站的距离之比,根据距离之比构造定位方程矩阵,进而利用最小二乘法求取信号源位置。仿真结果表明：所提算法比经典RSSI定位算法性能更优,降低了环境因素对定位精度的影响,并且能更好地满足参数较少的定位服务需求,可以有效地应用于频谱监测系统中。同时,卡尔曼滤波可以有效改善系统的定位精度,达到预期的定位效果。

     

卡尔曼时延值滤波器

介绍一种已用于水下被动跟踪的卡尔曼时延值滤波器,并给出了其滤波性能和跟踪能力的实验结果。     

多核相关向量机优化模型的锂电池剩余寿命预测方法

基于相关向量机的剩余寿命预测方法,核函数是影响相关向量机模型预测性能的重要因素.目前的相关向量机预测模型以单核为主,且核函数的选择存在较大主观性,导致所构建的预测模型性能有限.本文提出一种融合多个核函数构建相关向量机预测模型的方法,通过果蝇算法优化多个核函数优化组合的线性方程系数,提高了模型的预测性能,并将该方法应用于预测锂离子电池的循环剩余寿命.分别采用美国NASA和马里兰大学的电池退化数据集,对本文的方法进行了实验验证.实验结果表明：多核相关向量机预测方法的平均绝对误差和均方根误差都小于最优的单核相关向量机预测方法.     

基于逻辑切换的改进强跟踪卡尔曼滤波器

针对线性随机系统提出了一种改进强跟踪卡尔曼滤波器(MSTKF).通过改变强跟踪滤波器的多重时变渐消因子,MSTKF在卡尔曼滤波和强跟踪滤波两种工作状态之间切换.当卡尔曼滤波不能有效跟踪突变状态时,MSTKF切换为可变弱化因子的强跟踪滤波.数值仿真实例显示了本方法的有效性.