10.3969/j.issn.1672-9730.2016.03.028
基于 ENN 和 UKF 的电子部件剩余使用寿命预测
针对部分可观测信息条件下量测噪声未知时非线性滤波剩余寿命预测的问题,提出了一种基于集成神经网络(ENN)和无迹卡尔曼滤波(UKF)的寿命预测方法。首先,结合设备性能退化量测数据,生成状态-观测数据组,并利用bootstrap 技术构建多个数据组,采用集成神经网络训练状态-观测数据组,根据推导公式估计量测噪声标准差的最优取值范围;其次,将量测噪声标准差作为未知参数嵌入在无迹卡尔曼滤波寿命预测框架中,实现非线性系统的剩余寿命预测及概率密度分布;最后,选取电子部件锂电池进行寿命预测仿真验证了该方法的有效性和可行性。
无迹卡尔曼滤波、集成神经网络、剩余使用寿命预测、锂离子电池
36
TN607(电子元件、组件)
总装武器装备预研基金项目编号9140A27020214JB14436资助。
2016-04-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
106-111