基于粒子滤波的超级电容故障诊断方法

龚蕾　李龙星

【摘 要】针对超级电容组的故障诊断问题，研究了基于似然函数的粒子滤波方法，该方法利用输出残差信息对系统传感器及其他元部件故障进行故障诊断。通过实验仿真，结果表明该故障诊断方法可以有效地诊断出相关故障，具有较好的工程价值。

【关键字】粒子滤波；故障诊断；超级电容

中图分类号： TN713 文献标识码： A 文章编号： 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

超级电容储能系统是以超级电容单体为基础，应用均压电路等电力电子技术与计算机测量控制技术对单体进行规模化集成形成的储能设备。超级电容储能系统的研究开发与推广对于新能源发电市场发展具有重大经济意义。

故障诊断的目的是在检测到超级电容故障信息后，及时采取适当的措施，将损失降到最低。在基于粒子滤波[1-3]的故障诊断方法中，通过系统实际的观测值和理想的观测值来产生残差。系统发生了故障时，实际的观测值和理想的观测值就会存在一定的偏差，这个偏差包含了大量的故障信息。故障诊断主要是通过残差的变化来判断系统是否发生了故障。文献[4]表明粒子滤波算法在非线性系统故障诊断中不论是误报率还是漏报率均优于 EKF；Alrowaie在文献[5]中提出了一种改进的似然比计算方法，并将其运用于化工领域故障诊断中；张柏等在文献[6]中运用粒子滤波器提出了一种基于方差自适应粒子濾波器的非线性非高斯随机系统的故障诊断方法，可以用来解决系统的参数偏差型故障诊断问题；胡振涛等在文献[7]将代价评估的粒子滤波、交互式多模型和序贯概率比检验三者的有机结合，提出了一种基于代价评估粒子滤波的残差似然比检验故障诊断算法；本文对超级电容研究了基于粒子滤波似然函数的故障诊断方法。并通过仿真实验，证明该故障诊断方法可以有效的诊断出相关故障。

1 基于粒子滤波似然函数值的故障诊断方法

基于似然函数值的故障诊断的基本思想是：在系统正常运行时，各个粒子的似然函数值的平均值比较高；在系统发生故障时，即系统从正常状态跳变到某一种故障状态，似然函数值的平均值比较低；利用最近 M 个时刻粒子的似然函数平均值作为残差，当残差大于预先设定的阈值时，判断发生了故障，否则未发生故障。算法主要步骤如下：

（1）状态预测：

其中为 k 时刻系统的状态，初始状态服从均值为0方差为2的高斯分布，yk为状态xk的观测值。xk是过程噪声，xk是观测噪声。a=0.5，b=25，c=8，d=20，粒子数N取600，在非高斯噪声情况进行仿真。假设wk服从参数为g1=1，g2=0.5的伽马分布wk～？灼（g1，g2），观测噪声服从均值为0方差为1的高斯分布vk～N（0，1）。分别使用UKF和基于似然函数的粒子滤波对系统状态进行估计，状态估计结果和误差分别如图 1和图2所示。

从图 1，图 2可以看出，当过程噪声服从伽马分布时，UKF 对状态估计误差较大，基本已经失效。因此，UKF 不再适用于非线性非高斯系统。基于似然函数的粒子滤波算法仍然可以准确的对非高斯系统状态进行估计，并且误差更小，估计精度更高。

3 故障诊断

系统模型选取典型的非线性高斯模型。状态初始值为x0=1；仿真时间为600个时间点，当采样时刻k=300时系统处于正常运行状态，当采样时刻300

对故障模式 M1首先进行仿真分析，在t=300 ，系统处于模式 M0，即正常运行，在t>300时系统状态由模式 M0 跳变到 M1，即参数b 发生跳变，值变为原来的2倍。当故障发生时，采用基于似然函数值的粒子滤波故障诊断方法，诊断结果如图 3所示。图4 为故障M2的诊断结果。

从上图可知，从第k≥300以后，系统处于故障状态，此时的故障诊断函数明显要大于第k≥300之前的，即大于系统正常状态时的故障诊断决策函数值，表明基于似然函数的粒子滤波故障诊断方法均能及时检测出系统的各类故障。

4 结束语

本文研究了基于例子滤波似然函数故障诊断方法的基本思想，给出了其实现流程，并通过实例仿真验证在非线性非高斯系统，基于似然函数的粒子滤波估计精度较高，相比现有的UKF滤波方法具有明显的优越性。最后以三类故障为例进行仿真测试，验证了此方法均可及时有效地检测出系统故障，结果表明该方法对故障类型识别是切实有效的。

【参考文献】

[1]张磊，等.一种基于高斯混合模型粒子滤波的故障预测算法[J].航空学报，2009（02）：319-324.

[2]张琪，等.基于权值选优粒子滤波器的故障预测算法[J].系统工程与电子技术，2009（01）：221-224.

[3]龙凤，等.基于粒子滤波与线性自回归的故障预测算法[J].计算机技术与发展，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]张柏，陈敏泽，周东华.一种非线性非高斯随机系统的故障诊断方法[J].控制工程，2005（2）：167-170.

[7]胡振涛，等.基于CRPF的残差似然比检验故障检测算法[J].系统工程与电子技术，2009（12）：3022-3025.