欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2020105240100
申请人: 江南大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2023-10-10
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种三自由度直升机系统传感器运行状态监测方法,其特征在于:包括以下步骤,计算出传感器的测量噪声协方差矩阵的估计值;

分析所述传感器的测量噪声协方差矩阵估计值,判断出所述传感器的运行状态是否正常:若所述传感器的测量噪声协方差矩阵估计值偏离所述传感器的标称值范围,判断出所述传感器的运行状态不正常;若所述传感器的测量噪声协方差矩阵估计值包含在所述传感器的标称值范围内,判断出所述传感器的运行状态正常。

2.如权利要求1所述的三自由度直升机系统传感器运行状态监测方法,其特征在于:计算传感器的测量噪声协方差矩阵的估计值包括以下步骤,(1)创建所述传感器所在的三自由度直升机系统的随机跳变系统模型,

xk=fk(xk-1,rk)+ωk;

yk=gk(xk,rk)+νk;

k为时间索引;xk为k时刻系统状态值;yk为k时刻系统测量值;fk(·)为系统状态方程;gk(·)为系统测量方程;rk为k时刻系统模态;ωk为过程噪声且ωk服从均值为零的高斯分布即ωk~N(0,Qk),Qk为过程噪声协方差矩阵;νk为测量噪声且νk服从均值为零的高斯分布即νk~N(0,Rk),Rk为k时刻系统测量噪声协方差矩阵;xk-1为k-1时刻系统状态值;

(2)基于变分贝叶斯理论将每一模态下系统状态和测量噪声协方差的联合后验概率密度函数 用两个独立的概率密度函数 来表示,即表示系统k时刻的模态为s,y1:k为从时刻1到时刻k的测量值序列;

用一组加权粒子描述系统状态分布,用逆伽马分布描述测量噪声协方差;

(3)k时刻,先对每一模态下系统状态以及逆伽马分布参数进行预测,再根据k时刻的测量值对每一模态下系统状态和逆伽马分布参数进行迭代更新,输出k时刻的系统状态估计值和测量噪声协方差矩阵估计值。

3.如权利要求2所述的三自由度直升机系统传感器运行状态监测方法,其特征在于:步骤(3)中,输出k时刻的系统状态估计值和测量噪声协方差矩阵估计值包括,重采样获得每一模态下新的状态粒子及权重 并输出k时刻系统各模态下的状态估计值其中, 为k时刻s模态下系统状态粒子, 为k时刻s模态下粒子权重,Np为粒子数,i为粒子数索引。

4.如权利要求3所述的三自由度直升机系统传感器运行状态监测方法,其特征在于:步骤(3)中,输出k时刻的系统状态估计值和测量噪声协方差矩阵估计值还包括,计算系统模态概率的更新值:其中, 为系统在k时刻处于s模态下的概率,

m为系统模态总数;πns为模态n到模态s的转移概率; 为系统在k-1时刻处于n模态下的概率; 为系统状态粒子的预测值; 为k时刻s模态下粒子权重的预测值;δ为狄拉克δ函数; 为k时刻测量噪声协方差矩阵估计值;N(·)表示高斯分布;

根据系统模态概率的更新值,将各模态下的状态估计值进行融合得到k时刻的系统状态估计值和测量噪声协方差矩阵估计值。

5.如权利要求2所述的三自由度直升机系统传感器运行状态监测方法,其特征在于:步骤(3)还包括,k-1时刻,使用交互式多模型算法将系统在每一模态下的状态粒子值进行融合,融合后的状态粒子值作为k时刻每一模态下的状态粒子初始值;

其中, 为粒子在s模态下的初始权重, 为s模态下的融合初始粒子, 和分别为k时刻逆伽马分布的形状参数和尺度参数的初始值。

6.如权利要求2所述的三自由度直升机系统传感器运行状态监测方法,其特征在于:步骤(2)中,生成一组加权粒子来表示系统在k-1时刻处于n模态下的系统状态的概率分布,即其中, 表示系统在k-1时刻处于n模态;y1:k-1为从时刻1到时刻k-1的测量值序列;Np为粒子数; 为粒子权重;δ为狄拉克δ函数; 为状态粒子,i为粒子数索引。

7.如权利要求2所述的三自由度直升机系统传感器运行状态监测方法,其特征在于:步骤(2)中,设定系统测量噪声协方差与系统模态无关,且定义 其中,为Rk的对角线元素,dy为yk的维度,使用逆伽马分布 来描述测量噪声协方差的概率密度,在k-1时刻有,其中,αk-1,j和βk-1,j分别为逆伽马分布的形状参数和尺度参数,Rk-1为系统k-1时刻的测量噪声协方差矩阵, 为系统k-1时刻处于n模态,y1:k-1为从时刻1到时刻k-1的测量值序列,j为矩阵对角线元素索引,dy为yk的维度, 为k-1时刻测量噪声协方差矩阵第j个对角线元素,diag(·)为对角矩阵。

8.如权利要求2所述的三自由度直升机系统传感器运行状态监测方法,其特征在于:步骤(3)中,使用状态预测模型对每一模态下系统状态进行预测,所述状态预测模型为,为系统状态粒子预测值; 为根据过程噪声的分布产生的噪声采样粒子; 为s模态下的融合初始粒子; 表示系统k时刻的模态为s。

9.如权利要求2所述的三自由度直升机系统传感器运行状态监测方法,其特征在于:步骤(3)中还包括计算每一模态下的粒子权重 计算公式为:为k时刻s模态下粒子权重的预测值,exp(·)为以自然常数e为底的指数函数,(·)T为矩阵的转置, 为k时刻测量噪声协方差矩阵逆的期望。

10.如权利要求9所述的三自由度直升机系统传感器运行状态监测方法,其特征在于:步骤(3)中还包括,判断是否满足l=L,是则输出k时刻系统各模态下的粒子权重值和逆伽马分布的尺度参数更新值,否则l=l+1,并计算测量噪声协方差矩阵逆的期望其中, 为k时刻s模态下粒子权重, 为第L步迭代时粒子权重值, 为第L步迭代时逆伽马分布的尺度参数,βk,j为逆伽马分布的尺度参数;

为第l-1步迭代时逆伽马分布的形状参数, 为第l-1步迭代时逆伽马分布的尺度参数,且