基于兩視角和粒子濾波的非監(jiān)督故障預(yù)報(bào)方法
【專利摘要】本發(fā)明針對(duì)新設(shè)備或新系統(tǒng)沒(méi)有過(guò)往的設(shè)備或部件的失效數(shù)據(jù)（歷史故障數(shù)據(jù)）情況，提出一種兩視角方法結(jié)合粒子濾波進(jìn)行非監(jiān)督的故障預(yù)報(bào)方法。一個(gè)視角是分析觀測(cè)數(shù)據(jù)的變化范圍來(lái)給出健康指標(biāo)，該指標(biāo)評(píng)估系統(tǒng)的當(dāng)前數(shù)據(jù)與已知的健康數(shù)據(jù)之間變化范圍的一致性；另一個(gè)視角關(guān)注系統(tǒng)的預(yù)測(cè)數(shù)據(jù)對(duì)健康數(shù)據(jù)的偏離，并設(shè)計(jì)基于這種偏離程度的潛在故障指標(biāo)。預(yù)測(cè)數(shù)據(jù)的獲取是通過(guò)狀態(tài)空間模型描述系統(tǒng)的故障演化過(guò)程，然后利用粒子濾波算法求出未來(lái)的系統(tǒng)運(yùn)行數(shù)據(jù)。在當(dāng)前監(jiān)測(cè)時(shí)刻，若潛在故障指標(biāo)連續(xù)大于健康指標(biāo)，則給出故障即將來(lái)臨的警報(bào)（即故障預(yù)報(bào)）。本發(fā)明可實(shí)現(xiàn)故障的早期預(yù)報(bào)，是一種有效的故障預(yù)報(bào)方法。
【專利說(shuō)明】
基于兩視角和粒子濾波的非監(jiān)督故障預(yù)報(bào)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種基于兩視角和粒子濾波的非監(jiān)督故障預(yù)報(bào)方法。
【背景技術(shù)】
[0002] 故障預(yù)報(bào)對(duì)于避免事故發(fā)生和保障設(shè)備或系統(tǒng)的正常運(yùn)行具有重要的現(xiàn)實(shí)意義。 對(duì)新設(shè)備或新系統(tǒng)而言，通常沒(méi)有過(guò)往的設(shè)備或部件的失效數(shù)據(jù)(歷史故障數(shù)據(jù)），此種情 況下對(duì)即將發(fā)生故障進(jìn)行預(yù)報(bào)是一個(gè)非監(jiān)督的任務(wù)。具有潛在故障的動(dòng)態(tài)系統(tǒng)可以用狀態(tài) 空間模型描述，而模型中系統(tǒng)的當(dāng)前和未來(lái)狀態(tài)則采用粒子濾波算法求解，基于當(dāng)前觀測(cè) 和未來(lái)預(yù)測(cè)數(shù)據(jù)的故障預(yù)報(bào)方法給出故障預(yù)報(bào)。由于粒子濾波方法具有系統(tǒng)是非線性或非 高斯噪聲情況都適用的優(yōu)點(diǎn)，目前國(guó)內(nèi)外研究人員已將粒子濾波方法用于故障檢測(cè)和預(yù)報(bào) 之中，例如采用隨機(jī)攝動(dòng)粒子的粒子濾波方法、基于高斯混合模型的粒子濾波方法和使用 轉(zhuǎn)移概率核的粒子濾波方法已用于三容水箱系統(tǒng)的故障預(yù)報(bào)，粒子濾波結(jié)合狀態(tài)空間方程 的方法已用于飛行器齒輪盤(pán)裂紋故障的檢測(cè)，粒子濾波結(jié)合衰減狀態(tài)模型的方法已用于軸 承故障的檢測(cè)，并行計(jì)算的粒子濾波方法已用于移動(dòng)機(jī)器人的故障檢測(cè)，以及粒子濾波結(jié) 合觸點(diǎn)溫升模型的方法已用于電力設(shè)備載流故障預(yù)測(cè)等。對(duì)于從兩個(gè)視角設(shè)計(jì)方法再合作 進(jìn)行故障預(yù)報(bào)，即視角一分析系統(tǒng)運(yùn)行的當(dāng)前數(shù)據(jù)與已知的健康數(shù)據(jù)之間變化范圍的一致 性，視角二考慮系統(tǒng)運(yùn)行的預(yù)測(cè)數(shù)據(jù)對(duì)健康數(shù)據(jù)的偏離，這樣的兩視角合作的非監(jiān)督故障 預(yù)報(bào)，是上述故障預(yù)報(bào)/檢測(cè)方法和現(xiàn)有的文獻(xiàn)都沒(méi)有論及的。

【發(fā)明內(nèi)容】

[0003] 有鑒于此，本發(fā)明的目的在于提供一種基于兩視角和粒子濾波的非監(jiān)督故障預(yù)報(bào) 方法，可成功地實(shí)現(xiàn)故障的早期預(yù)報(bào)。
[0004] 為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案:一種基于兩視角和粒子濾波的非監(jiān) 督故障預(yù)報(bào)方法，其特征在于包括以下步驟：
[0005] 步驟S1:系統(tǒng)初始化:采用狀態(tài)空間模型描述由狀態(tài)變量x和觀測(cè)變量y構(gòu)成的系 統(tǒng)，每個(gè)時(shí)刻t測(cè)量并獲得觀測(cè)數(shù)據(jù)D〇={y t}，其中t = l，2,3,…，m;m為正整數(shù);移除D〇 = {yt}中最大的5%數(shù)據(jù)及最小的5%數(shù)據(jù)后計(jì)算其均值燦和方差〇Q，在所述狀態(tài)空間模型的 基礎(chǔ)上采用粒子濾波算法估計(jì)所述系統(tǒng)的狀態(tài)并獲得汰}和沃丨，其中t = l，2,3,…，m;設(shè) 定步長(zhǎng)為q，并令k=m+l;
[0006] 步驟S2:健康指標(biāo)的計(jì)算：視健康系統(tǒng)的觀測(cè)數(shù)據(jù)近似于高斯分布p(y)=N(y〇， 〇〇 2)，從時(shí)間點(diǎn)k-q+1到k，將觀測(cè)數(shù)據(jù)代入分布函數(shù)p(y)并求p(yt)的均值：
[0008]在時(shí)刻k，計(jì)算所述系統(tǒng)的健康指標(biāo)：
[0010] 步驟S3:潛在故障指標(biāo)的計(jì)算:在時(shí)刻k，在所述狀態(tài)空間模型的基礎(chǔ)上采用粒子 濾波算法計(jì)算4并計(jì)算預(yù)測(cè)數(shù)據(jù)迗}和{爲(wèi)}，其中t = k+l，k+2,…，k+q;計(jì)算預(yù)測(cè)數(shù)據(jù){免}對(duì) 健康范圍的偏離程度，偏離程度4兔)的計(jì)算公式為： (v,-//〇-3c70)/c70 yt >^0 + 3<70
[0011] z(vt)= < (pn-3〇-0- yt)/a0 yt < //" - 3a0 0 其它 v
[0012] 設(shè)Z表示第一次發(fā)生故障時(shí)的偏離，e為指數(shù)函數(shù)的均值參數(shù)，則在某個(gè)偏離z下的 無(wú)故障概率為：
[0013] P(Z>z) =exp{-z/0}
[0014]在時(shí)刻k，當(dāng)用已獲得的預(yù)測(cè)數(shù)據(jù)息代入偏離公式時(shí)，計(jì)算所述系統(tǒng)的潛在故 障指標(biāo)：
[0016] 步驟S4:故障預(yù)報(bào):在時(shí)刻k，其中k>m+2，如果Fk>Hk且Fk-i>Hk-1且Fk-2>Hk-2，給出即將 來(lái)臨故障的預(yù)報(bào)，否則不預(yù)報(bào);k = k+l，轉(zhuǎn)至步驟S2。
[0017] 進(jìn)一步的，所述步驟S3中的健康范圍為M〇=[y『30()，y()+300]。
[0018] 本發(fā)明與現(xiàn)有技術(shù)相比具有以下有益效果：
[0019] 1.本發(fā)明從兩個(gè)角度分析系統(tǒng)運(yùn)行的異常征兆，即健康指標(biāo)評(píng)估當(dāng)前觀測(cè)數(shù)據(jù)屬 于系統(tǒng)運(yùn)行的健康范圍的程度，潛在故障指標(biāo)評(píng)估系統(tǒng)運(yùn)行的預(yù)測(cè)數(shù)據(jù)對(duì)健康運(yùn)行數(shù)據(jù)的 偏離程度；
[0020] 2.本發(fā)明基于預(yù)測(cè)數(shù)據(jù)的潛在故障指標(biāo)與基于觀測(cè)數(shù)據(jù)的健康指標(biāo)這兩個(gè)角度 合作進(jìn)行故障預(yù)報(bào)。
【附圖說(shuō)明】
[0021] 圖1是本發(fā)明算法流程圖。
【具體實(shí)施方式】
[0022]下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明。
[0023] 請(qǐng)參照?qǐng)D1，本發(fā)明提供一種基于兩視角和粒子濾波的非監(jiān)督故障預(yù)報(bào)方法，其特 征在于包括以下步驟：
[0024] 步驟S1:系統(tǒng)初始化:采用狀態(tài)空間模型描述由狀態(tài)變量x和觀測(cè)變量y構(gòu)成的系 統(tǒng)，在每個(gè)時(shí)刻t測(cè)量并獲得觀測(cè)數(shù)據(jù)D〇={y t}，其中t=l，2,3,…，m;m為正整數(shù);移除D〇 = {yt}中最大的5%數(shù)據(jù)及最小的5%數(shù)據(jù)后計(jì)算其均值yo和方差〇〇,在所述狀態(tài)空間模型的 基礎(chǔ)上采用粒子濾波算法估計(jì)所述系統(tǒng)的狀態(tài)并獲得{元}和抒 f}，其中t = l，2,3,…，m;設(shè) 定步長(zhǎng)為q，并令k=m+l;
[0025] 步驟S2:健康指標(biāo)的計(jì)算:從第一個(gè)視角，我們聚焦于觀測(cè)數(shù)據(jù)的變化范圍來(lái)分析 系統(tǒng)的健康狀態(tài)。假設(shè)健康系統(tǒng)是一個(gè)近似的平穩(wěn)隨機(jī)過(guò)程，即觀測(cè)時(shí)間序列具有近似固 定的均值和方差，則健康狀態(tài)下的觀測(cè)數(shù)據(jù)將在一個(gè)近似固定的范圍內(nèi)變動(dòng)(稱為健康范 圍），設(shè)計(jì)一個(gè)健康指標(biāo)來(lái)測(cè)量當(dāng)前觀測(cè)數(shù)據(jù)屬于健康范圍的程度。
[0026]設(shè)系統(tǒng)的初始階段是健康階段，其觀測(cè)數(shù)據(jù)為0〇={71}(1 = 1，2,3，~，!11);當(dāng){71} 圍繞其均值變化時(shí)，Do可視為近似來(lái)自于高斯分布口(7)=1^()，〇()2)，7的概率密度函數(shù)為：
[0028]從離散時(shí)間點(diǎn)k-q+1到k(共q個(gè)時(shí)間點(diǎn)），將所述觀測(cè)數(shù)據(jù){yt}代入分布函數(shù)p(y) 并求p(yt)的均值：
L〇〇3〇J 我們知道滿足分布N(y〇，of)的數(shù)據(jù)Do中的99 ? 7 %落入范圍M〇=[訓(xùn)-300，y0+300]， 這里將Mo視為健康范圍。這樣，系統(tǒng)健康運(yùn)行時(shí)的數(shù)據(jù)Do被設(shè)置為基準(zhǔn)，則我們可以通過(guò)與 基準(zhǔn)數(shù)據(jù)的對(duì)比來(lái)評(píng)估當(dāng)前系統(tǒng)的健康狀態(tài)。具體地，當(dāng)前觀測(cè)數(shù)據(jù)落入Mo時(shí)，系統(tǒng)運(yùn)行在 健康狀態(tài)，其健康程度用數(shù)值〇. 5至1來(lái)描述(觀測(cè)數(shù)據(jù)越靠近yo，值越接近1);與此對(duì)照，當(dāng) 一些或所有觀測(cè)數(shù)據(jù)跑出Mo時(shí)，其健康程度用數(shù)值0至0.5(小于0.5)來(lái)描述;特別地，當(dāng)觀 測(cè)數(shù)據(jù)都遠(yuǎn)離Mo時(shí)，其健康程度值應(yīng)當(dāng)靠近0。
[0031]這種健康程度的評(píng)估適合用概率密度函數(shù)p(y)來(lái)實(shí)現(xiàn)，我們可以發(fā)現(xiàn):離Mo的中 心越遠(yuǎn)，P(y)的值越?。籔(y)/p(y〇)具有值域（0,1];為在M〇的邊界y〇±3〇()處滿足健康值 0.5，p(y)/p(yQ)中的 〇〇 被擴(kuò)大為 2.55〇〇,于是 p(y〇±3〇())/p(y())=0.5006。按照上述思路，我 們利用概率密度函數(shù)P (y)和當(dāng)前觀測(cè)數(shù)據(jù){yi} (i = k_q+1，k-q+2，…，k)設(shè)計(jì)一個(gè)健康指標(biāo) 來(lái)評(píng)估一個(gè)系統(tǒng)的健康狀況。
[0032]當(dāng)Ek中的〇〇被擴(kuò)大為2.55〇〇且￡1<用口(訓(xùn))規(guī)范化之后，在時(shí)刻1^所述系統(tǒng)的健康指 標(biāo)HkG (〇，1]被定義為：
[0034]步驟S3:潛在故障指標(biāo)的計(jì)算:從另一個(gè)視角，我們關(guān)注預(yù)測(cè)數(shù)據(jù)對(duì)健康數(shù)據(jù)的偏 離，并設(shè)計(jì)基于這種偏離程度的潛在故障指標(biāo)。為更早地發(fā)現(xiàn)這種偏離(故障征兆），一種可 行的方法是對(duì)系統(tǒng)的未來(lái)狀態(tài)進(jìn)行預(yù)測(cè)并對(duì)預(yù)測(cè)數(shù)據(jù)進(jìn)行分析。為此，第一項(xiàng)任務(wù)是在設(shè) 計(jì)潛在故障指標(biāo)之前獲得預(yù)測(cè)數(shù)據(jù)。因此在時(shí)刻k，在所述狀態(tài)空間模型的基礎(chǔ)上采用粒子 濾波算法計(jì)算4并計(jì)算預(yù)測(cè)數(shù)據(jù)氏】和氏丨其中t = k+l，k+2，…，k+q;具體的:通過(guò)粒子濾波 算法估計(jì)系統(tǒng)狀態(tài)求得{筆，4,…，，在當(dāng)前時(shí)刻k對(duì)系統(tǒng)狀態(tài)方程使用粒子濾波算法， 可進(jìn)行q_步預(yù)測(cè)給出未來(lái)狀態(tài){毛 +1，之+2，…，毛+v}，依據(jù)系統(tǒng)狀態(tài)方程可獲得預(yù)測(cè)數(shù)據(jù) Hi，+2,…* AuJ °
[0035]當(dāng)前觀測(cè)數(shù)據(jù)偏離健康范圍Mo,這是動(dòng)態(tài)系統(tǒng)中異常行為的征兆。假設(shè)這異常行 為來(lái)自于系統(tǒng)部件的磨損，則偏離越多，預(yù)示部件的磨損越嚴(yán)重，故障即將來(lái)臨的概率越 大。
[0036]在可靠性理論中，設(shè)備或部件的失效常常符合一個(gè)泊松過(guò)程，直到第一個(gè)事件發(fā) 生(例如故障發(fā)生)時(shí)的時(shí)間長(zhǎng)度(T)超過(guò)時(shí)間t的概率可以用指數(shù)函數(shù)P(T>t) = exp{-t/ 來(lái)描述，這是在時(shí)刻t不發(fā)生事件的概率。在系統(tǒng)連續(xù)出現(xiàn)異常行為之后，隨著時(shí)間的增 長(zhǎng)，部件的磨損程度具有增長(zhǎng)的趨勢(shì)。這樣，在異常行為連續(xù)出現(xiàn)之后，時(shí)間增長(zhǎng)近似對(duì)應(yīng) 于偏離的增長(zhǎng)，或者說(shuō)時(shí)間與數(shù)據(jù)偏離之間有正相關(guān)關(guān)系。因此，在某個(gè)偏離值下無(wú)事件 (例如無(wú)故障）的概率可以近似采用相同的指數(shù)函數(shù)來(lái)描述。
[0037] 當(dāng)觀測(cè)數(shù)據(jù)Do={yt}偏離健康范圍Mo時(shí)，這種偏離被設(shè)計(jì)為觀測(cè)值y與yQ±3〇Q之間 的差值Z，并用〇0進(jìn)行規(guī)范化后的偏離Z為： (.y~//〇-3c70)/c70 .v'>"0 + 3a〇
[0038] 2(v) = i(//0-3a-0-v)/'ct0 v<//0-3ct0 0 其它
[0039] 上述偏離公式也適用于計(jì)算預(yù)測(cè)數(shù)據(jù)!兌丨對(duì)健康范圍的偏離程度，即將預(yù)測(cè)數(shù)據(jù) A取代y代入偏離公式計(jì)算。
[0040] 設(shè)Z表示第一次發(fā)生故障時(shí)的偏離，0為指數(shù)函數(shù)的均值參數(shù)，則在某個(gè)偏離z下的 無(wú)故障概率為：
[0041] P(Z>z) =exp{-z/0}
[0042]考慮到3〇〇為Mo邊界到中心的距離，特做如下設(shè)計(jì):指數(shù)分布從Mo邊界出發(fā)，伸展到3〇0 作為指數(shù)分布的均值，即0=3。在當(dāng)前時(shí)亥Ijk使用預(yù)測(cè)數(shù)據(jù)氓}和辦,)???，々+々)， 我們?cè)O(shè)計(jì)一個(gè)基于指數(shù)函數(shù)和偏離數(shù)據(jù) Z(A)的潛在故障指標(biāo)。
[0043]在當(dāng)前時(shí)刻k，當(dāng)用已獲得的預(yù)測(cè)數(shù)據(jù)鳥(niǎo)?代入偏離公式z(y)時(shí)，潛在故障指標(biāo)FkG [0，1)被定義為：
[0045] 步驟S4:故障預(yù)報(bào):為了能更早給出即將到來(lái)故障的警告，在當(dāng)前時(shí)刻k，潛在故障 指標(biāo)Fk使用了預(yù)測(cè)數(shù)據(jù)以使該指標(biāo)具有超前性。健康指標(biāo)H k和潛在故障指標(biāo)Fk-起合作進(jìn) 行故障預(yù)測(cè)，即在時(shí)刻k，其中k>m+2，如果F k>Hk且Fk-OUFk^Hi^，給出即將來(lái)臨故障的 預(yù)報(bào)，否則不預(yù)報(bào);k = k+l，轉(zhuǎn)至步驟S2。
[0046] 于本實(shí)施例中，所述步驟S1和步驟S3中在所述狀態(tài)空間模型的基礎(chǔ)上采用粒子濾 波算法的具體計(jì)算方法如下：
[0047] 所述系統(tǒng)的故障演化過(guò)程采用如下的狀態(tài)空間模型描述：
[0048] Xk = f (Xk-i, 〇k-i ,9k) +Uk-i (1)
[0049] yk = h(xk, 9k)+Vk (2)
[0050] 公式（1)為系統(tǒng)的狀態(tài)方程，公式(2)為系統(tǒng)的觀測(cè)方程;式中，xk和yk分別為系統(tǒng) 的狀態(tài)變量和觀測(cè)變量，〇k為系統(tǒng)的輸入變量，Qk為所述狀態(tài)空間模型的參數(shù)，Uk和Vk分別 為系統(tǒng)噪聲和觀測(cè)噪聲；
[0051] 在所述狀態(tài)空間模型中設(shè)計(jì)狀態(tài)變量x與系統(tǒng)的故障演化過(guò)程相關(guān)，當(dāng)可獲得系 統(tǒng)從起始時(shí)亥Ut = 0至當(dāng)前時(shí)刻t = k的觀測(cè)序列{y〇，yi, . . .，yk}，即所述觀測(cè)數(shù)據(jù)D〇={yt} 時(shí)，由粒子濾波算法實(shí)現(xiàn)對(duì)模型中未知的狀態(tài)變量x的求解，即求出跟蹤序列保,i 2,…，幻以 及預(yù)測(cè)值為hj和，其中j>〇;
[0052] 令公式（1)簡(jiǎn)記為Xk = f(xk-設(shè)uk和vk為高斯噪聲，用于求解涉及故障演化的狀 態(tài)空間模型的粒子濾波算法的簡(jiǎn)要步驟如下：
[0053] 1)在初始時(shí)刻k = 0,抽樣生成服從先驗(yàn)分布p(x〇)的Ns個(gè)粒子(樣本）{之}，其中i = 1，2,…，Ns，每個(gè)粒子對(duì)應(yīng)的權(quán)值設(shè)為1/Ns，抽樣生成對(duì)應(yīng)的高斯系統(tǒng)噪聲〃/vmi); 令k = k+l;
[0054] 2)在時(shí)刻k，抽樣生成服從參考分布r.v,f_N s個(gè)粒子(樣本丨丨，其中i = 1，2，."，NS;例如，選定參考分布IxL,.&) = /?('_ |xi_J，則由x; =/(.〇產(chǎn)生N個(gè)粒子； 抽樣生成對(duì)應(yīng)的高斯系統(tǒng)噪聲〃丨~;
[0055] 3)給每個(gè)粒子％分配對(duì)應(yīng)的權(quán)值<，當(dāng)選定參考分布為/? I 時(shí)，有
[0056] < = M'L/H.Vi | X:)，其中戶(J | X;) = iV(_vA- - /z(x; )，ex,2); j ,V,v
[0057] 4)對(duì)每個(gè)權(quán)值進(jìn)行歸一化:w) ;
[0058] 5)估計(jì)時(shí)刻k的狀態(tài):毛=^;
[0059] 6) q步前向預(yù)測(cè):毛+/ = /(之+)，戶1，2:，…，奶
[0060] 7)令 k = k+l，轉(zhuǎn)步驟 2)。
[0061]以上所述僅為本發(fā)明的較佳實(shí)施例，凡依本發(fā)明申請(qǐng)專利范圍所做的均等變化與 修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。
【主權(quán)項(xiàng)】
1. 一種基于兩視角和粒子濾波的非監(jiān)督故障預(yù)報(bào)方法，其特征在于包括W下步驟： 步驟SI:系統(tǒng)初始化:采用狀態(tài)空間模型描述由狀態(tài)變量X和觀測(cè)變量y構(gòu)成的系統(tǒng)，每 個(gè)時(shí)刻t測(cè)量并獲得觀測(cè)數(shù)據(jù)Do={yt}，其中t = l，2,3,…，m;m為正整數(shù);移除Do={yt}中最 大的5%數(shù)據(jù)及最小的5%數(shù)據(jù)后計(jì)算其均值y日和方差〇日，在所述狀態(tài)空間模型的基礎(chǔ)上采 用粒子濾波算法估計(jì)所述系統(tǒng)的狀態(tài)并獲得戰(zhàn)巧日巧,}，其中t = l，2,3,…，m;設(shè)定步長(zhǎng)為q， 并令k=m+l; 步驟S2:健康指標(biāo)的計(jì)算:視健康系統(tǒng)的觀測(cè)數(shù)據(jù)近似于高斯分布p(y)=N(ii〇,〇()2)，從時(shí)間點(diǎn)k-q+l至|Jk，、吃7面'?l嫩d田件入A如品嫩r。^^r、±fc古。^^r、於^?！┕? 在時(shí)刻k，計(jì)莫 步驟S3:潛在故障指標(biāo)的計(jì)算:在時(shí)刻k，在所述狀態(tài)空間模型的基礎(chǔ)上采用粒子濾波 算法計(jì)算衣并計(jì)算預(yù)測(cè)數(shù)據(jù)助和化}，其中t = k+l，k+2,…，k+q;計(jì)算預(yù)測(cè)數(shù)據(jù)化閑健康 范圍的偏離程度，偏離程度Z(衣)的計(jì)算公式為：設(shè)Z表示第一次發(fā)生故障時(shí)的偏離，0為指數(shù)函數(shù)的均值參數(shù)，則在某個(gè)偏離Z下的無(wú)故 障概率為： P(Z>z) = e邱{-z/0} 在時(shí)刻k，當(dāng)用已獲得的預(yù)測(cè)數(shù)據(jù)Iv代入偏離公式z(片)時(shí)，計(jì)算所述系統(tǒng)的潛在故障指 標(biāo)：步驟S4:故障預(yù)報(bào):在時(shí)刻k，其中k〉m+2，如果Fk〉Hk且Fk-i〉Hk-i且Fk-2〉Hk-2，給出即將來(lái)臨 故障的預(yù)報(bào)，否則不預(yù)報(bào);k = k+l，轉(zhuǎn)至步驟S2。2. 根據(jù)權(quán)利要求1所述的基于兩視角和粒子濾波的非監(jiān)督故障預(yù)報(bào)方法，其特征在于： 所述步驟S3中的健康范圍為Mo=山日-3〇日山日+3〇〇]。
【文檔編號(hào)】G06F19/00GK105912843SQ201610213141
【公開(kāi)日】2016年8月31日
【申請(qǐng)日】2016年4月7日
【發(fā)明人】王開(kāi)軍, 林崧, 時(shí)鵬
【申請(qǐng)人】福建師范大學(xué)