基于粒子濾波的超級電容故障診斷方法

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的粒子濾波方法，該方法利用輸出殘差信息對系統傳感器及其他元部件故障進行故障診斷。通過實驗仿真，結果表明該故障診斷方法可以有效地診斷出相關故障，具有較好的工程價值。

【關鍵字】粒子濾波；故障診斷；超級電容

中圖分類號： TN713 文獻標識碼： 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

超級電容儲能系統是以超級電容單體為基礎，應用均壓電路等電力電子技術與計算機測量控制技術對單體進行規?；尚纬傻膬δ茉O備。超級電容儲能系統的研究開發與推廣對于新能源發電市場發展具有重大經濟意義。

故障診斷的目的是在檢測到超級電容故障信息后，及時采取適當的措施，將損失降到最低。在基于粒子濾波[1-3]的故障診斷方法中，通過系統實際的觀測值和理想的觀測值來產生殘差。系統發生了故障時，實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是否發生了故障。文獻[4]表明粒子濾波算法在非線性系統故障診斷中不論是誤報率還是漏報率均優于 EKF；Alrowaie在文獻[5]中提出了一種改進的似然比計算方法，并將其運用于化工領域故障診斷中；張柏等在文獻[6]中運用粒子濾波器提出了一種基于方差自適應粒子濾波器的非線性非高斯隨機系統的故障診斷方法，可以用來解決系統的參數偏差型故障診斷問題；胡振濤等在文獻[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三者的有機結合，提出了一種基于代價評估粒子濾波的殘差似然比檢驗故障診斷算法；本文對超級電容研究了基于粒子濾波似然函數的故障診斷方法。并通過仿真實驗，證明該故障診斷方法可以有效的診斷出相關故障。

1 基于粒子濾波似然函數值的故障診斷方法

基于似然函數值的故障診斷的基本思想是：在系統正常運行時，各個粒子的似然函數值的平均值比較高；在系統發生故障時，即系統從正常狀態跳變到某一種故障狀態，似然函數值的平均值比較低；利用最近 M 個時刻粒子的似然函數平均值作為殘差，當殘差大于預先設定的閾值時，判斷發生了故障，否則未發生故障。算法主要步驟如下：

（1）狀態預測：

其中為 k 時刻系統的狀態，初始狀態服從均值為0方差為2的高斯分布，yk為狀態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N取600，在非高斯噪聲情況進行仿真。假設wk服從參數為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和基于似然函數的粒子濾波對系統狀態進行估計，狀態估計結果和誤差分別如圖 1和圖2所示。

從圖 1，圖 2可以看出，當過程噪聲服從伽馬分布時，UKF 對狀態估計誤差較大，基本已經失效。因此，UKF 不再適用于非線性非高斯系統?；谒迫缓瘮档牧Ｗ訛V波算法仍然可以準確的對非高斯系統狀態進行估計，并且誤差更小，估計精度更高。

3 故障診斷

系統模型選取典型的非線性高斯模型。狀態初始值為x0=1；仿真時間為600個時間點，當采樣時刻k=300時系統處于正常運行狀態，當采樣時刻300

對故障模式 M1首先進行仿真分析，在t=300 ，系統處于模式 M0，即正常運行，在t>300時系統狀態由模式 M0 跳變到 M1，即參數b 發生跳變，值變為原來的2倍。當故障發生時，采用基于似然函數值的粒子濾波故障診斷方法，診斷結果如圖 3所示。圖4 為故障M2的診斷結果。

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

4 結束語

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

【參考文獻】

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

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

[3]龍鳳，等.基于粒子濾波與線性自回歸的故障預測算法[J].計算機技術與發展，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.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系統的故障診斷方法[J].控制工程，2005（2）：167-170.

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