论文部分内容阅读
针对实际工业过程,多传感器测量系统能够有效保证退化状态的监测质量,并为剩余寿命(Remaining Useful Life,RUL)预测提供充分的信息。考虑到性能和费用约束,各个传感器的采样率可能有所不同。为此,建立多速率传感器测量信息下性能退化的状态空间模型,在此基础之上预测系统的剩余寿命。首先利用序贯卡尔曼滤波进行数据融合并估计隐含的退化状态,为减少冗余数据带来的非必需计算,引入了事件触发机制,保证了运算效率;然后利用期望极大化(Expectation Maximization,EM)算法对模型