龔蕾　李龍星

【摘 要】針對超級電容組的故障診斷問題，研究了基于似然函數(shù)的粒子濾波方法，該方法利用輸出殘差信息對系統(tǒng)傳感器及其他元部件故障進(jìn)行故障診斷。通過實(shí)驗(yàn)仿真，結(jié)果表明該故障診斷方法可以有效地診斷出相關(guān)故障，具有較好的工程價值。

【關(guān)鍵字】粒子濾波；故障診斷；超級電容

中圖分類號： TN713 文獻(xiàn)標(biāo)識碼： A 文章編號： 2095-2457（2018）19-0142-002

DOI：10.19694/j.cnki.issn2095-2457.2018.19.062

Fault Diagnosis Method based on Particle Filter Of Supercapacitor

GONG Lei LI Long-xing

（Luoyang Institute of Science and Technology，Luoyang Henan 471003，China）

【Abstract】The likelihood method of fault detection are introduced in view of the Fault Diagnosis of the supercapacitor.This paper researched the residual error to perform fault diagnosis on the current sensor and other electric component.The experiment results indicates that the fault diagnosis strategy is effective and has the good potential of engineering application.

【Key words】Particle Fileter；Fault Diagnosis；Likelihood

0 引言

超級電容儲能系統(tǒng)是以超級電容單體為基礎(chǔ)，應(yīng)用均壓電路等電力電子技術(shù)與計算機(jī)測量控制技術(shù)對單體進(jìn)行規(guī)?；尚纬傻膬δ茉O(shè)備。超級電容儲能系統(tǒng)的研究開發(fā)與推廣對于新能源發(fā)電市場發(fā)展具有重大經(jīng)濟(jì)意義。

故障診斷的目的是在檢測到超級電容故障信息后，及時采取適當(dāng)?shù)拇胧?，將損失降到最低。在基于粒子濾波[1-3]的故障診斷方法中，通過系統(tǒng)實(shí)際的觀測值和理想的觀測值來產(chǎn)生殘差。系統(tǒng)發(fā)生了故障時，實(shí)際的觀測值和理想的觀測值就會存在一定的偏差，這個偏差包含了大量的故障信息。故障診斷主要是通過殘差的變化來判斷系統(tǒng)是否發(fā)生了故障。文獻(xiàn)[4]表明粒子濾波算法在非線性系統(tǒng)故障診斷中不論是誤報率還是漏報率均優(yōu)于 EKF；Alrowaie在文獻(xiàn)[5]中提出了一種改進(jìn)的似然比計算方法，并將其運(yùn)用于化工領(lǐng)域故障診斷中；張柏等在文獻(xiàn)[6]中運(yùn)用粒子濾波器提出了一種基于方差自適應(yīng)粒子濾波器的非線性非高斯隨機(jī)系統(tǒng)的故障診斷方法，可以用來解決系統(tǒng)的參數(shù)偏差型故障診斷問題；胡振濤等在文獻(xiàn)[7]將代價評估的粒子濾波、交互式多模型和序貫概率比檢驗(yàn)三者的有機(jī)結(jié)合，提出了一種基于代價評估粒子濾波的殘差似然比檢驗(yàn)故障診斷算法；本文對超級電容研究了基于粒子濾波似然函數(shù)的故障診斷方法。并通過仿真實(shí)驗(yàn)，證明該故障診斷方法可以有效的診斷出相關(guān)故障。

1 基于粒子濾波似然函數(shù)值的故障診斷方法

基于似然函數(shù)值的故障診斷的基本思想是：在系統(tǒng)正常運(yùn)行時，各個粒子的似然函數(shù)值的平均值比較高；在系統(tǒng)發(fā)生故障時，即系統(tǒng)從正常狀態(tài)跳變到某一種故障狀態(tài)，似然函數(shù)值的平均值比較低；利用最近 M 個時刻粒子的似然函數(shù)平均值作為殘差，當(dāng)殘差大于預(yù)先設(shè)定的閾值時，判斷發(fā)生了故障，否則未發(fā)生故障。算法主要步驟如下：

（1）狀態(tài)預(yù)測：

其中為 k 時刻系統(tǒng)的狀態(tài)，初始狀態(tài)服從均值為0方差為2的高斯分布，yk為狀態(tài)xk的觀測值。xk是過程噪聲，xk是觀測噪聲。a=0.5，b=25，c=8，d=20，粒子數(shù)N取600，在非高斯噪聲情況進(jìn)行仿真。假設(shè)wk服從參數(shù)為g1=1，g2=0.5的伽馬分布wk～？灼（g1，g2），觀測噪聲服從均值為0方差為1的高斯分布vk～N（0，1）。分別使用UKF和基于似然函數(shù)的粒子濾波對系統(tǒng)狀態(tài)進(jìn)行估計，狀態(tài)估計結(jié)果和誤差分別如圖 1和圖2所示。

從圖 1，圖 2可以看出，當(dāng)過程噪聲服從伽馬分布時，UKF 對狀態(tài)估計誤差較大，基本已經(jīng)失效。因此，UKF 不再適用于非線性非高斯系統(tǒng)。基于似然函數(shù)的粒子濾波算法仍然可以準(zhǔn)確的對非高斯系統(tǒng)狀態(tài)進(jìn)行估計，并且誤差更小，估計精度更高。

3 故障診斷

系統(tǒng)模型選取典型的非線性高斯模型。狀態(tài)初始值為x0=1；仿真時間為600個時間點(diǎn)，當(dāng)采樣時刻k=300時系統(tǒng)處于正常運(yùn)行狀態(tài)，當(dāng)采樣時刻300

對故障模式 M1首先進(jìn)行仿真分析，在t=300 ，系統(tǒng)處于模式 M0，即正常運(yùn)行，在t>300時系統(tǒng)狀態(tài)由模式 M0 跳變到 M1，即參數(shù)b 發(fā)生跳變，值變?yōu)樵瓉淼?倍。當(dāng)故障發(fā)生時，采用基于似然函數(shù)值的粒子濾波故障診斷方法，診斷結(jié)果如圖 3所示。圖4 為故障M2的診斷結(jié)果。

從上圖可知，從第k≥300以后，系統(tǒng)處于故障狀態(tài)，此時的故障診斷函數(shù)明顯要大于第k≥300之前的，即大于系統(tǒng)正常狀態(tài)時的故障診斷決策函數(shù)值，表明基于似然函數(shù)的粒子濾波故障診斷方法均能及時檢測出系統(tǒng)的各類故障。

4 結(jié)束語

本文研究了基于例子濾波似然函數(shù)故障診斷方法的基本思想，給出了其實(shí)現(xiàn)流程，并通過實(shí)例仿真驗(yàn)證在非線性非高斯系統(tǒng)，基于似然函數(shù)的粒子濾波估計精度較高，相比現(xiàn)有的UKF濾波方法具有明顯的優(yōu)越性。最后以三類故障為例進(jìn)行仿真測試，驗(yàn)證了此方法均可及時有效地檢測出系統(tǒng)故障，結(jié)果表明該方法對故障類型識別是切實(shí)有效的。

【參考文獻(xiàn)】

[1]張磊，等.一種基于高斯混合模型粒子濾波的故障預(yù)測算法[J].航空學(xué)報，2009（02）：319-324.

[2]張琪，等.基于權(quán)值選優(yōu)粒子濾波器的故障預(yù)測算法[J].系統(tǒng)工程與電子技術(shù)，2009（01）：221-224.

[3]龍鳳，等.基于粒子濾波與線性自回歸的故障預(yù)測算法[J].計算機(jī)技術(shù)與發(fā)展，2011（11）：133-136+140.

[4]Kadirkamanathan V，et al.Particle filtering-based fault detection in non-linear stochastic systems[J].International Journal of Systems Science，2002，33（4）：259-265.

[5]Alrowaie，F(xiàn).R.B.Gopaluni and K.E.Kwok.Fault detection and isolation in stochastic non-linear state-space models using particle filters[J].Control Engineering Practice，2012（0）：1-17.

[6]張柏，陳敏澤，周東華.一種非線性非高斯隨機(jī)系統(tǒng)的故障診斷方法[J].控制工程，2005（2）：167-170.

[7]胡振濤，等.基于CRPF的殘差似然比檢驗(yàn)故障檢測算法[J].系統(tǒng)工程與電子技術(shù)，2009（12）：3022-3025.