摘要
本发明公开了一种气动执行器健康程度估计方法。本发明通过在稳定工作点进行系统辨识并获取离散状态空间模型。综合考虑扰动、激励信号及执行器健康状况,构建适用于增广卡尔曼滤波器的离散状态空间表达形式。将健康信息建模为未知输入干扰量,并将其作为状态量的一部分。采用增广的卡尔曼滤波器对系统状态量与未知输入干扰量进行联合预测。采用滑动窗口机制维护采集到的控制输入序列与滤波器输出的未知输入干扰量序列,对窗口内的数据序列采用最小二乘法,得到气动执行器健康矩阵的估计值。最后,通过对健康矩阵估计值进行特征提取和分析,实现对气动执行器健康状态的实时评估与动态跟踪。本发明能够在气动执行器存在故障、扰动或模型失配的情况下,依然提供准确、稳定且实时的健康程度信息,为复杂系统的容错控制与预测性维护提供了有力的技术支撑。
技术关键词
气动执行器
程度估计方法
离散状态空间
协方差矩阵
滑动窗口机制
卡尔曼滤波器
变量
伪随机二进制序列
误差矩阵
工作点
干扰滤波器
信号
状态空间模型
噪声
连续系统
系统为您推荐了相关专利信息
新能源电网
协同控制方法
动态
信息熵原理
功率损失最小化
影像配准方法
点特征直方图
关键点
配准算法
医学图像处理技术
累积误差
卡尔曼滤波模型
时间同步
多传感器系统
协方差矩阵
DOA估计方法
四阶累积量
协方差矩阵
无人机
低功耗
彩色图像
植株三维重建方法
三维点云数据
关键点
像素点