基于新型粒子群优化粒子滤波的故障诊断方法

被引：10

作者：

陈志敏

薄煜明

吴盘龙

田梦楚

黎绍鑫

赵文科

机构：

[1] 南京理工大学自动化学院

来源：

计算机应用 | 2012年 / 32卷 / 02期

基金：

高等学校博士学科点专项科研基金;

关键词：

粒子群优化; 粒子滤波; 温控系统; 变异; 故障诊断;

D O I：

暂无

中图分类号：

TM621.6 [控制设备]; TP18 [人工智能理论];

学科分类号：

080802 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对基于粒子群优化算法的粒子滤波(PSO-PF)算法精度不高,容易陷入局部最优,难以满足电厂温控系统故障诊断的需求,提出一种适用于故障诊断的新型粒子群优化粒子滤波(NPSO-PF)算法。该算法引入社会个体对群体的认知规律优化了粒子更新的方式,并且完善了粒子速度的更新策略,对优势速度赋有较小概率的变异,提高了粒子的寻优能力,同时随机初始化劣势速度,保证了样本的多样性。实验结果表明,与PSO-PF相比,NPSO-PF提高了故障检测的精度和鲁棒性,可以有效地应用于温控系统故障的诊断。

引用

页码：432 / 435+439 +439

页数：5

共 14 条

[1] On sequential Monte Carlo sampling methods for Bayesian filtering [J].

Doucet, A ;

Godsill, S ;

Andrieu, C .

STATISTICS AND COMPUTING, 2000, 10 (03) :197-208

[2]

Kong A,Liu J S,Wong W H.Sequential imputations and bayesian missing data problems. Journal of the American Statistical Association . 1994

[3] 遗传重采样粒子滤波器 [J].

叶龙 ;

王京玲 ;

张勤 .

自动化学报, 2007, (08) :885-887

[4] 基于粒子群优化的粒子滤波定位方法 [J].

方正 ;

佟国峰 ;

徐心和 .

控制理论与应用, 2008, (03) :533-537

[5] 基于混合粒子滤波的目标跟踪 [J].

胡学友 ;

陶亮 ;

倪敏生 .

计算机应用, 2011, 31 (06) :1602-1604+1608

[6] 具有长时延和异步时钟的网络控制系统的故障检测 [J].

黎煊 ;

吴晓蓓 ;

胡维礼 ;

樊卫华 .

南京理工大学学报(自然科学版), 2009, 33 (02) :172-177+182

[7] 粒子群优化粒子滤波方法 [J].

方正 ;

佟国峰 ;

徐心和 .

控制与决策, 2007, (03) :273-277

[8]

YU YIHUA,,ZHENG XUANYUAN.Particle filter with ant colonyoptimization for frequency offset estimation in OFDM systems withunknown noise distribution. Signal Processing . 2011

[9]

Kadirkamanathan V,Li P,Jaward M H, et al.Particle filtering-based fault detection in non-linear stochastic systems. International Journal of Systems Science . 2002

[10] 基于几何主动轮廓模型的粒子滤波跟踪算法 [J].

曹洁 ;

曾庆红 ;

王进花 .

计算机应用, 2011, 31 (05) :1205-1208

← 1 2 →