电解电容剩余寿命预测方法技术

本发明专利技术公开了一种电解电容剩余寿命预测方法，一：对已知的电解电容数据进行拟合分析，确定经验退化模型；二：结合电解电容数据和经验退化模型拟合得到参数的初始值，根据经验退化模型参数的初始值初始化粒子群：三：对粒子群中各粒子进行重要性采样，得到各个粒子的重要性权值；四：设置权重门限，当粒子重要性权值小于权重门限时，进入抛弃组；当粒子重要性权值大于权重门限时，进入复制组，将抛弃组和复制组的粒子组合得到新的粒子群；五：根据粒子群预测电解电容的剩余寿命。本发明专利技术在粒子滤波的框架下引入了UKF算法生成方差较小的建议分布，并在重采样时采用线性优化重采样方法以增加粒子的多样性，进一步提高了电解电容剩余寿命预测的精度。

Prediction of Residual Life of Electrolytic Capacitor

The invention discloses a method for predicting the residual life of electrolytic capacitors. Firstly, the empirical degradation model is determined by fitting and analyzing the known electrolytic capacitance data. Secondly, the initial value of parameters is obtained by fitting the electrolytic capacitance data and the empirical degradation model, and the particle swarm is initialized according to the initial value of the parameters of the empirical degradation model. 4. Set the weight threshold and enter the abandonment group when the particle weight is less than the weight threshold. When the particle weight is greater than the weight threshold, enter the replication group and get the new combination of the abandoned group and the replication group. 5. Predicting the residual life of electrolytic capacitors based on particle swarm optimization. In the framework of particle filter, the UKF algorithm is introduced to generate the recommended distribution with small variance, and the linear optimization resampling method is adopted to increase the diversity of particles in resampling, thus further improving the accuracy of residual life prediction of electrolytic capacitors.

【技术实现步骤摘要】
电解电容剩余寿命预测方法
本专利技术涉及电解电容器剩余寿命预测领域。
技术介绍
通过对目前的文献检索发现，在电解电容剩余寿命预测领域，MarcoRigamonti等人所著的ParticleFilter-BasedPrognosticsforanElectrolyticCapacitorWorkinginVariableOperatingConditions一文中，将粒子滤波(PF，ParticleFilter)算法应用于铝电解电容器件剩余寿命预测。Celeya等人所著的Towardsamodel-basedprognosticsmethodologyforelectrolyticcapacitors:Acasestudybasedonelectricaloverstressacceleratedaging中也利用粒子滤波对电解电容器的非线性退化进行过程建模，进而实现剩余寿命预测。但是上述文献都没有考虑到PF算法存在两个问题，即粒子退化和粒子贫化。在粒子滤波算法中，为了求解方便，一般将重要性密度函数设为先验概率密度的值，但这种方法会使得量测值对更新的状态值的影响很小，其重要性权值的方差较大，并随着迭代次数逐步增加，粒子权值集中在极少数的粒子上，粒子集无法表达实际的后验概率分布，即发生粒子退化。为了解决粒子退化问题，有效方法是在重要性采样中选取好的重要性密度函数，以及采用重采样方法。然而，采用重采样技术会引入新的问题，大权值粒子被多次重复选择，众多小权值粒子被抛弃，从而降低了粒子的多样性，发生粒子贫化现象。在对电解电容的剩余寿命预测的研究方面，目前的研究工作主要集中在退化数据的获取或者退化特征的提取上，经过查阅发现在电解电容剩余寿命领域尚未出现一个明显有效解决粒子退化和粒子贫化问题的方法，使得电解电容剩余寿命的预测精度不能达到目前的要求。
技术实现思路
针对现有技术的不足，本专利技术的专利技术目的在于提出一种高精度的电解电容剩余寿命的预测方法，通过在粒子滤波的框架下应用不敏卡尔曼滤波(UKF，UnscentedKalmanFilter)生成建议分布，使建议分布近似真实后验密度函数，缓解粒子退化的问题，提高电解电容剩余寿命预测的精度；同时，采用线性优化重采样算法代替传统的PF算法中的序贯重采样方法，避免大权值粒子被多次重复选取和众多小权值粒子被抛弃，增加粒子的多样性，改善粒子贫化的问题，进一步提高电解电容剩余寿命预测的精度。本专利技术的专利技术目的通过以下技术方案实现：一种电解电容剩余寿命预测方法，包含以下步骤：步骤一、对已知的电解电容数据进行拟合分析，确定经验退化模型；步骤二、结合已知的电解电容数据和此经验退化模型拟合得到经验退化模型参数的初始值，根据经验退化模型参数的初始值初始化粒子群：步骤三、对粒子群中各粒子进行重要性采样，得到各个粒子的重要性权值；步骤四、设置权重门限，当粒子重要性权值小于权重门限时，进入抛弃组；当粒子重要性权值大于权重门限时，进入复制组，将抛弃组和复制组的粒子按下式重新组合得到新的粒子群：xn＝xc+L·(xc+xa)其中，xc为复制组的粒子，xa为抛弃组的粒子，L为(xc-xa)的合适步长，L＝[1/(N·p(x))]1/m为采样点的概率密度，是m维向量；步骤五、判断是否达到循环次数，如未达到，将新的粒子群代入到步骤三，否则根据新的粒子群预测电解电容的剩余寿命。优选地，经验退化模型由二次多项式模型和Verhulst模型相结合。优选地，步骤三包含以下步骤：将粒子群经过无味变换得到2n+1个Sigma点，n为粒子与过程噪声、量测噪声的维数之和：κ＝α2(n+λ)-n其中，为k-1时刻的Sigma点集，α、λ、κ是尺度参数，和Pk-1分别是是k-1时刻的均值和协方差；将生成的Sigma点集经过状态方程变换得到更新后的Sigma点集时间更新为：其中，更新后的Sigma点集的均值和协方差为：其中，Qk是协方差的过程噪声；Sigma点集通过量测方程进行更新，得到量测更新值，量测更新为：其中，和分别是输出值y的均值和方差：其中，是状态值x与输出值y的协方差，Wi(m)和Wi(c)是计算量测值的均值及协方差所用的加权数：Wi(m)＝Wi(c)＝κ/[2(n+κ)],i＝1,...,2n即得到更新后采样粒子的统计量：其中，K是Kalman最优增益值，采样得到粒子为为UKF算法生成的建议分布，重要性权值即可由下式计算得到：并归一化重要性权值：优选地，步骤五中预测电解电容的剩余寿命的方法为：计算电解电容的寿命值：其中，tp是开始预测的时间点，表示电容的寿命预测值，表示电解电容的剩余寿命预测值；电解电容的剩余寿命的概率密度函数为：其中，为tp时刻的剩余寿命的预测均值。本专利技术的有益效果在于：本专利技术设计的一种电解电容剩余寿命预测方法，在粒子滤波的框架下应用了UKF生成建议分布，建议分布更近似真实后验密度函数，缓解了粒子退化的问题，提高了电解电容剩余寿命预测的精度；采用了线性优化重采样算法有效避免了粒子被多次重复选取，使粒子分布更逼近真实分布，并增加了粒子的多样性，明显改善了粒子贫化的问题，进一步大大提高了电解电容剩余寿命预测的精度。附图说明图1是本专利技术的实现流程图；图2是本专利技术的平滑数据处理图；图3是本专利技术和传统PF算法从第40单位时间开始预测的剩余寿命预测图；图4是本专利技术和传统PF算法从第60单位时间开始预测的剩余寿命预测图；图5是本专利技术和传统PF算法从第120单位时间开始预测的剩余寿命预测图；图6是本专利技术和传统PF算法从第140单位时间开始预测的剩余寿命预测图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。本实施例的数据采用的是来自NASA公开的通过加速寿命试验得到的六组电解电容的退化数据。在NASA进行加速寿命试验时，电解电容的充放电是同时发生的。随着时间的增加，不同的电解电容以不同的速率开始退化，此时即便是同类型电解电容在相同的压力应力和操作条件下，充电放电的时间也变得不同，它们的电容值相应地也有不同的变化。所以需要监控试验中每一个电解电容的充放电过程，并且测量每一个电解电容的输入输出电压以及负载电流。在这个实验中，用六个电容值为2200uf的电解电容作为实验对象，设置额定电压为10V，额定电流为1A，最高操作温度为105℃，测量不同工作时间下的电容值变化，得到六组电解电容的退化数据，即通过加速寿命试验得到的六组电解电容的原始退化数据。TowardsAModel-basedPrognosticsMethodologyforElectrolytic一文中以电容衰减作为指标性变量，由此可将电容衰减百分比用于作为本实施实例失效的指标性变量。本实施例提出的电解电容剩余寿命预测方法根据加速失效试验所获取的电解电容的退化数据构建经验退化模型，将UKF算法和线性优化重采样方法相结合，即获得线性优化重采样的无味粒子滤波算法(LOR-UPF)，对电解电容的剩余寿命进行预测。由于一般的退化过程是非线性非高斯过程，故在粒子滤波的框架下引入了UKF算法生成方差较小的建议分布，并在重采样时采用线性优化重采样方法以增加粒子的多样性。获得退化数据后，随机选取其中的五组已知的电解电容退化数据作为训练数据，剩下的一组电解电容退化本文档来自技高网...

【技术保护点】
1.一种电解电容剩余寿命预测方法，包含以下步骤：步骤一、对已知的电解电容数据进行拟合分析，确定经验退化模型；步骤二、结合已知的电解电容数据和此经验退化模型拟合得到经验退化模型参数的初始值，根据经验退化模型参数的初始值初始化粒子群：步骤三、对粒子群中各粒子进行重要性采样，得到各个粒子的重要性权值；步骤四、设置权重门限，当粒子重要性权值小于权重门限时，进入抛弃组；当粒子重要性权值大于权重门限时，进入复制组，将抛弃组和复制组的粒子按下式重新组合得到新的粒子群：xn＝xc+L·(xc+xa)其中，xc为复制组的粒子，xa为抛弃组的粒子，L为(xc‑xa)的合适步长，L＝[1/(N·p(x))]1/m

【技术特征摘要】
1.一种电解电容剩余寿命预测方法，包含以下步骤：步骤一、对已知的电解电容数据进行拟合分析，确定经验退化模型；步骤二、结合已知的电解电容数据和此经验退化模型拟合得到经验退化模型参数的初始值，根据经验退化模型参数的初始值初始化粒子群：步骤三、对粒子群中各粒子进行重要性采样，得到各个粒子的重要性权值；步骤四、设置权重门限，当粒子重要性权值小于权重门限时，进入抛弃组；当粒子重要性权值大于权重门限时，进入复制组，将抛弃组和复制组的粒子按下式重新组合得到新的粒子群：xn＝xc+L·(xc+xa)其中，xc为复制组的粒子，xa为抛弃组的粒子，L为(xc-xa)的合适步长，L＝[1/(N·p(x))]1/m为采样点的概率密度，是m维向量；步骤五、判断是否达到循环次数，如未达到，将新的粒子群代入到步骤三，否则根据新的粒子群预测电解电容的剩余寿命。2.根据权利要求1所述的一种电解电容剩余寿命预测方法，其特征在于经验退化模型由二次多项式模型和Verhulst模型相结合。3.根据权利要求1所述的一种电解电容剩余寿命预测方法，其特征在于所述步骤三包含以下步骤：将粒子群经过无味变换得到2n+1个Sigma点，n为粒子与过...

【专利技术属性】
技术研发人员：池程芝，邬子婴，张竞凯，李铁颖，徐国靖，潘震，
申请(专利权)人：中国航空无线电电子研究所，
类型：发明
国别省市：上海,31