本发明公开了基于非线性预测滤波算法的金属疲劳裂纹扩展预测方法,涉及金属结构健康监测与寿命预测领域,该方法包括:基于疲劳公式建立金属疲劳裂纹扩展的状态估计模型;提取Lamb波监测信号的特征值建立观测向量与状态估计向量的映射关系;在对模型的输入参数进行初始化设置之后,计算t‑1时刻的模型误差向量并用其修正状态估计模型的预测值,得到t时刻的状态估计向量;当裂纹长度估计值未超过临界裂纹长度值时,更新时刻后重新执行计算模型误差向量的步骤,并递推获得t+1时刻的状态估计向量,从而实现金属疲劳裂纹的扩展预测。该预测方法具有较高的预测精度和效率,在金属结构的健康监测与寿命预测方面具有广阔的应用前景。
📄 2020112799839
📂 G06F30_20
👤 江南大学
📅 2020-11-16
本发明公开了一种基于滤波的物体重量高精度估计方法,属于信息技术领域。通过根据投入的重量随电机加速度变化的规律建立状态转移方程,根据重力传感器测得的数据建立观测方程,通过第k‑1次重量估计值获取第k次重量预测值,通过卡尔曼增益,将第k次重量预测值和第k次传感器测量值取加权平均得到第k次重量初步估计值,当k大于等于L并小于M时,对第k次重量初步估计值进行平滑处理,并将新的处理后的第k次重量估计值代入之后的运算,k大于等于M时结束循环;通过上述方法使得最终重量估计值与实际值之间的误差不超过0.3%;进而后续根据估计值控制电机停止,使得投料机可以实现精准重量的投料操作。
📄 2020104992069
📂 G06F17_11
👤 江南大学
📅 2020-06-04
本发明属于目标跟踪领域,提出了一种基于中间过渡状态的卡尔曼滤波算法。当量测非线性程度较高时,在笛卡尔坐标系下的量测误差呈现非高斯特性,因此,本发明算法基于传统的卡尔曼滤波算法,构造了在量测坐标系下的中间过渡状态,并对笛卡尔坐标系下的状态和量测坐标系下的过渡状态之间的转换关系进行了推导。算法将径向速度考虑其中,预测和迭代过程在笛卡尔坐标系下进行,量测更新过程基于中间过渡状态在球坐标下进行;通过状态转换的方法,整个滤波过程都在线性环境下进行。本发明算法解决了量测非线性的问题,同时提高了滤波跟踪精度和在量测非线性程度较高时滤波算法的稳定性。
📄 2023105463418
📂 G01S7_41
👤 电子科技大学
📅 2023-05-15
一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法,包括以下步骤:1)采集轴承全寿命周期振动信号;2)利用振动信号构建AR模型,对振动信号进行滤波分析,突显与故障相关的信号;3)运用小波包变换,提取与小波包系数相关的能量信息,构建特征参数;4)进行马氏距离的计算,基于此构建健康指数,对值为非负、非高斯分布的健康指数,运用Box‑Cox变换,转换成高斯分布的数据,利用高斯分布的性质和逆Box‑Cox变换,确定相关异常阈值范围;5)对耗损期的健康指数数据拟合分析,构建退化模型和状态空间模型,利用当前数据和扩展卡尔曼滤波算法更新模型参数并预测轴承剩余寿命。本发明预测精度较高、耗时较短。
📄 2015104828487
📂 G01M13_04
👤 浙江工业大学
📅 2015-08-07