[發(fā)明專利]一種基于概率分布的車載飛輪電池故障診斷系統(tǒng)在審
| 申請?zhí)枺?/td> | 201910332311.0 | 申請日: | 2019-04-24 |
| 公開(公告)號: | CN110175362A | 公開(公告)日: | 2019-08-27 |
| 發(fā)明(設計)人: | 張維煜;胡梓凡;周寅清;俞舒焜;楊啟富;程燁東;朱熀秋;朱鵬飛;王健萍;張松 | 申請(專利權)人: | 江蘇大學 |
| 主分類號: | G06F17/50 | 分類號: | G06F17/50 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 212013 江*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 飛輪電池 故障診斷系統(tǒng) 概率分布 故障轉子 轉子裂紋 軸系 系統(tǒng)動力學模型 卡爾曼濾波器 運動微分方程 動力學方程 動力學分析 概率算法 混合狀態(tài) 控制系統(tǒng) 人為因素 實時監(jiān)測 條件概率 研究對象 轉子故障 狀態(tài)條件 雙參數(shù) 殘差 無軸 加權 診斷 概率 應用 | ||
1.一種基于概率分布的車載飛輪電池故障診斷系統(tǒng),其特征在于,包括依次連接的模型估計模塊、概率算法模塊和加權算法模塊,模型估計模塊中各卡爾曼濾波器輸入量測矢量Z和輸入矢量U,各卡爾曼濾波器根據(jù)自身模型和輸入矢量U,輸出對當前系統(tǒng)狀態(tài)的估計值,形成對量測矢量的預測值,將預測值與實際的量測矢量Z相減得到輸出殘差,殘差輸入到概率算法模塊中,計算各卡爾曼濾波器模型的條件概率,加權算法模塊對各狀態(tài)條件概率取加權平均值,從而形成飛輪電池的混合狀態(tài)估計。
2.如權利要求1所述的基于概率分布的車載飛輪電池故障診斷系統(tǒng),其特征在于,所述模型估計模塊包括基于軸系不對中故障模型的卡爾曼濾波器、基于轉子裂紋故障模型的卡爾曼濾波器、基于動靜件碰摩故障模型的卡爾曼濾波器和基于其它單故障模型的卡爾曼濾波器。
3.如權利要求2所述的基于概率分布的車載飛輪電池故障診斷系統(tǒng),其特征在于,所述基于其它單故障模型的卡爾曼濾波器中,飛輪電池轉子系統(tǒng)的動力學運動微分方程為:
其中,m為飛輪電池轉子質量,x,y為飛輪電池轉子中心在水平和豎直方向上的振動位移,cx,cy為水平和豎直方向上的阻尼系數(shù),kx,ky為彈性軸水平和豎直方向上的剛度系數(shù),w為轉動角速度,θ0為偏心距相位,rs為飛輪電池轉子的初始彎曲量,β為飛輪電池轉子偏離中心的相對相位。
4.如權利要求2所述的基于概率分布的車載飛輪電池故障診斷系統(tǒng),其特征在于,所述基于其它單故障模型的卡爾曼濾波器中,利用非線性函數(shù)的線性特征來近似描述線性卡爾曼濾波器的特性,其中X為卡爾曼濾波器模型狀態(tài)矢量,u為飛輪轉子控制輸入矢量,Pk為狀態(tài)估計方差,殘差方差矩陣卡爾曼濾波器模型的離散動態(tài)干擾白噪聲輸入Kk為增益,卡爾曼濾波器模型輸出矩陣離散動態(tài)量測白噪聲h為測量矩陣,z為觀測量。
5.如權利要求3所述的基于概率分布的車載飛輪電池故障診斷系統(tǒng),其特征在于,所述基于其它單故障模型的卡爾曼濾波器中,狀態(tài)變量為其它單故障轉子系統(tǒng)運動微分方程變形為:及
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于江蘇大學,未經(jīng)江蘇大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910332311.0/1.html,轉載請聲明來源鉆瓜專利網(wǎng)。
- 一種挖掘機故障診斷系統(tǒng)
- 管道及動力機組故障診斷綜合實驗臺
- 一種SF<sub>6</sub>絕緣直流套管故障診斷系統(tǒng)及診斷方法
- 中途故障診斷系統(tǒng)及安裝了該中途故障診斷系統(tǒng)的電動助力轉向裝置
- 基于定量結構模型的故障診斷系統(tǒng)傳感器優(yōu)化配置方法
- 一種基于SVR多模型的液壓舵回路故障診斷系統(tǒng)構造方法
- 一種多級汽車故障診斷系統(tǒng)和診斷方法
- 一種基于車輛故障診斷系統(tǒng)的輔助系統(tǒng)及其控制方法
- 一種故障診斷方法和故障診斷系統(tǒng)
- 基于系統(tǒng)日志分析的智能在線自更新故障診斷方法和系統(tǒng)





