基于新型粒子群优化粒子滤波的故障诊断方法

doi:10.3724/SP.J.1087.2012.00432

计算机应用 ›› 2012, Vol. 32 ›› Issue (02): 432-439.DOI: 10.3724/SP.J.1087.2012.00432

基于新型粒子群优化粒子滤波的故障诊断方法

陈志敏,薄煜明,吴盘龙,田梦楚,黎绍鑫,赵文科

南京理工大学自动化学院，南京 210094

收稿日期:2011-08-16 修回日期:2011-09-21 发布日期:2012-02-23 出版日期:2012-02-01
通讯作者: 陈志敏
作者简介:陈志敏(1986-)，男，江苏镇江人，博士研究生,主要研究方向:人工智能、定位导航、粒子滤波;
薄煜明(1965-)，男，江苏苏州人，研究员,博士，主要研究方向：控制理论、控制工程、定位导航、火力控制;
吴盘龙 (1978-)，男，江苏南京人，副研究员,博士，主要研究方向:定位导航、控制理论、控制工程;
田梦楚(1987-)，女，云南红河人，硕士研究生,主要研究方向：智能优化算法、控制理论、控制工程;
黎绍鑫 (1986-),男，江苏南京人，硕士研究生，主要研究方向：人工智能、控制理论、控制工程；
赵文科(1987-)，男，江苏南京人，硕士研究生，主要研究方向：粒子滤波、控制理论、控制工程。
基金资助:
国防重点预研项目(40405020201);高等学校博士学科点专项科研基金资助项目(200802881017);南京理工大学自主科研专项计划自主项目(2010ZYTS051);南京理工大学紫金之星基金资助项目(AB41381)

Fault diagnosis based on new particle swarm optimization particle filter

CHEN Zhi-min,BO Yu-ming,WU Pan-long,TIAN Meng-chu,LI Shao-xin,ZHAO Wen-ke

School of Automation, Nanjing University of Science and Technology, Nanjing Jiangsu 210094, China

Received:2011-08-16 Revised:2011-09-21 Online:2012-02-23 Published:2012-02-01
Contact: CHEN Zhi-min

摘要/Abstract

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。

关键词: 粒子群优化, 粒子滤波, 温控系统, 变异, 故障诊断

Abstract: Particle Filter based on Particle Swarm Optimization (PSO-PF) algorithm is not precise and easily trapped in local optimum, which can hardly satisfy the requirement of fault diagnosis of temperature control system in power plant. To solve these problems, a new particle swarm optimization particle filter named NPSO-PF suitable for fault diagnosis was proposed. This algorithm introduced the cognition rule of individuals to groups to optimize the method for updating particles and improved the speed update strategy. As a result, the superior particle velocity can mutate with a small probability and improve the search ability. Meanwhile, due to the random initialization of on inferior particle, the diversity of samples is ensured. The simulation results show that NPSO-PF improves the precision and robustness compared with PSO-PF, and it is suitable for fault diagnosis of temperature control system.

Key words: Particle Swarm Optimization (PSO), Particle Filter (PF), temperature control system, mutation, fault diagnosis

中图分类号:

TP183

陈志敏薄煜明吴盘龙田梦楚黎绍鑫赵文科. 基于新型粒子群优化粒子滤波的故障诊断方法[J]. 计算机应用, 2012, 32(02): 432-439.

CHEN Zhi-min BO Yu-ming WU Pan-long TIAN Meng-chu LI Shao-xin ZHAO Wen-ke. Fault diagnosis based on new particle swarm optimization particle filter[J]. Journal of Computer Applications, 2012, 32(02): 432-439.

参考文献

[1]许秀玲,汪晓东,张浩然.基于卡尔曼滤波器的传感器故障诊断[J].仪器仪表学报, 2005, 26(8):79-80. [2]胡学友, 陶亮, 倪敏生.基于混合粒子滤波的目标跟踪[J]. JOCA, 2011，31(6): 1602-1604. [3]DOUCET A, GODSILL S, ANDRIEU C. On sequential Monte Carlo sampling methods for Bayesian filtering[J]. Statistics and Compuring，2000,10(3): 197-208. [4]KONG A, LIU J S, WONG W H. Sequential imputations and Bayesian missing data problems[J]. Journal of the American Statistical Association,1994,89(425):278-288. [5]方正，佟国峰，徐心和. 粒子群优化粒子滤波方法[J]. 控制与决策，2007, 22(3)：273-277. [6]曹洁, 曾庆红, 王进花. 基于几何主动轮廓模型的粒子滤波跟踪算法[J]. JOCA,2011,31(5): 1205-1208. [7]屈敏, 高岳林, 江巧永. 基于Pareto邻域交叉算子的多目标粒子群优化算法[J]. JOCA,2011, 31(7): 1789-1792. [8]LI YING, BAI BENDU, ZHANG YANNING. Improved particle swarm optimization algorithm for fuzzy multi-class SVM[J]. Journal of Systems Engineering and Electronics, 2010, 21(3): 509-513. [9]ZHANG WEN, LIU YUTIAN. Adaptive particle swarm optimization for reactive power and voltage control in power systems[C]// Advances in Natural Computation, LNCS 3612. Berlin: Springer-Verlag, 2005: 449-452. [10]方正, 佟国峰, 徐心和. 基于粒子群优化的粒子滤波定位方法[J]. 控制理论与应用, 2008, 25(3):533-537. [11]YU YIHUA, ZHENG XUANYUAN. Particle filter with ant colony optimization for frequency offset estimation in OFDM systems with unknown noise distribution[J]. Signal Processing, 2011,91(5):1339-1342. [12]叶龙, 王京玲, 张勤. 遗传重采样粒子滤波器[J]. 自动化学报, 2007,33(8):885-887 [13]KADIRKAMANATHAN V, LI P, JAWARD M H, et al. Particle filtering based fault detection in nonlinear stochastic systems [J]. International Journal of Systems Science, 2002, 33(4): 259-265. [14]葛哲学, 杨拥民,胡政, 等.非高斯噪声下基于U粒子滤波器和似然比的非线性系统故障诊断[J]. 兵工学报, 2007, 43(10): 27. [15]黎煊,吴晓蓓,胡维礼,等. 具有长时延和异步时钟的网络控制系统的故障检测 [J]. 南京理工大学学报：自然科学版, 2009, 33(2): 172-177, 182.

基于新型粒子群优化粒子滤波的故障诊断方法

Fault diagnosis based on new particle swarm optimization particle filter

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	张闻强, 邢征, 杨卫东. 基于多区域采样策略的混合粒子群优化求解多目标柔性作业车间调度问题[J]. 计算机应用, 2021, 41(8): 2249-2257.
[2]	张盟, 郭健全. 需求和回收不确定的闭环供应链渠道结构选择[J]. 计算机应用, 2021, 41(7): 2100-2107.
[3]	李萍, 汪芬, 陈祺东, 孙俊. 求解多目标社区发现问题的离散化随机漂移粒子群优化算法[J]. 计算机应用, 2021, 41(3): 803-811.
[4]	唐延强, 李成海, 宋亚飞. 基于改进粒子群优化和极限学习机的网络安全态势预测[J]. 计算机应用, 2021, 41(3): 768-773.
[5]	樊小毛, 熊红林, 赵淦森. 带约束的清洁排班问题模型及其求解[J]. 计算机应用, 2021, 41(2): 577-582.
[6]	付安兵, 魏文红, 张宇辉, 郭文静. 基于准反向变异的实数笛卡尔遗传编程算法[J]. 计算机应用, 2021, 41(2): 479-485.
[7]	王泽昆, 贺毅朝, 李焕哲, 张发展. 基于新颖S型转换函数的二进制粒子群优化算法求解具有单连续变量的背包问题[J]. 计算机应用, 2021, 41(2): 461-469.
[8]	李丽荣, 杨坤, 王培崇. 融合头脑风暴思想的教与学优化算法[J]. 计算机应用, 2020, 40(9): 2677-2682.
[9]	王博, 刘连生, 韩绍程, 祝世兴. 基于多策略融合的混合多目标蝗虫优化算法[J]. 计算机应用, 2020, 40(9): 2670-2676.
[10]	郭秀婷, 朱昶胜, 张生财, 赵奎鹏. 分形插值在风速时间序列中的应用[J]. 计算机应用, 2020, 40(9): 2628-2633.
[11]	罗斌, 于波. 移动边缘计算中基于粒子群优化的计算卸载策略[J]. 计算机应用, 2020, 40(8): 2293-2298.
[12]	曾明华, 全轲. 双层规划的改进混合布谷鸟搜索量子行为粒子群优化算法[J]. 计算机应用, 2020, 40(7): 1908-1912.
[13]	周文峰, 梁晓磊, 唐可心, 李章洪, 符修文. 具有拓扑时变和搜索扰动的混合粒子群优化算法[J]. 计算机应用, 2020, 40(7): 1913-1918.
[14]	霍晴晴, 郭健全. 基于改进遗传算法的生鲜多目标闭环物流网络模型[J]. 计算机应用, 2020, 40(5): 1494-1500.
[15]	许洋, 秦小林, 刘佳, 张力戈. 多无人机自适应编队协同航迹规划[J]. 计算机应用, 2020, 40(5): 1515-1521.