【技术实现步骤摘要】
一种基于改进的粒子滤波算法的疲劳裂纹扩展预测方法
本专利技术涉及故障预测与健康管理领域，尤其涉及一种基于改进的粒子滤波算法的疲劳裂纹扩展预测方法。
技术介绍
状态预测是结构健康状态评估的重要环节，包括对结构损伤发展趋势和剩余寿命的预测。其中疲劳裂纹损伤是金属结构中最为常见的损伤形式之一，疲劳裂纹扩展的预测包括对裂纹发展趋势与剩余寿命的预测。目前主要采用基于断裂力学的疲劳裂纹扩展模型对其进行预测，如Paris模型、NASGRO模型等，其模型参数通常采用实验室数据拟合或根据经验得到。然而，由于疲劳裂纹扩展会受到多种不确定性因素的影响，如材料特性、载荷、环境因素以及其本身固有的随机性，即使相同结构在相同应力环境下其裂纹扩展也会存在差异，因此很难精确的估计疲劳裂纹长度与裂纹扩展模型参数。贝叶斯滤波技术可将物理模型与损伤监测数据相结合，对裂纹状态与模型参数进行准确的估计。在贝叶斯滤波方法中，粒子滤波由于不严格要求线性高斯的条件，对于裂纹扩展与剩余寿命预测问题具有良好的适用性。粒子滤波方法可将模型参数作为状态矢量的一部分，构建一个扩展状态矢量，从而实现对裂纹长度与模型参数的联...
【技术保护点】
1.一种基于改进的粒子滤波算法的疲劳裂纹扩展预测方法，其特征在于，包括：A、定义状态模型与观测模型的步骤；B、进行状态模型参数转移的步骤；C、进行裂纹状态转移的步骤；D、当有新的裂纹监测值时，将每一粒子值带入观测似然概率密度中进行计算，将其作为粒子权值，然后对所有粒子权值进行归一化处理，得到粒子的归一化权值；并通过裂纹长度粒子集及相应的归一化权值表示裂纹长度的后验分布，再通过模型参数粒子集及相应的归一化权值表示模型参数的后验分布；E、将状态模型参数作为裂纹长度的扩展，裂纹长度与状态模型参数构成一个扩展状态变量，根据每个粒子的归一化权值，采用多项式重采样法进行重采样，得到新的...
【技术特征摘要】
2018.04.12 CN 201810326697X1.一种基于改进的粒子滤波算法的疲劳裂纹扩展预测方法，其特征在于，包括：A、定义状态模型与观测模型的步骤；B、进行状态模型参数转移的步骤；C、进行裂纹状态转移的步骤；D、当有新的裂纹监测值时，将每一粒子值带入观测似然概率密度中进行计算，将其作为粒子权值，然后对所有粒子权值进行归一化处理，得到粒子的归一化权值；并通过裂纹长度粒子集及相应的归一化权值表示裂纹长度的后验分布，再通过模型参数粒子集及相应的归一化权值表示模型参数的后验分布；E、将状态模型参数作为裂纹长度的扩展，裂纹长度与状态模型参数构成一个扩展状态变量，根据每个粒子的归一化权值，采用多项式重采样法进行重采样，得到新的裂纹长度与模型参数的粒子集，其中每一粒子的权值均变为粒子数之一；F、将裂纹长度与模型参数粒子集带入状态转移方程，实现裂纹发展趋势的预测，得到任意时刻下裂纹长度的概率分布；G、对于给定的裂纹长度阈值，计算得出任意时刻剩余寿命的概率分布。2.根据权利要求1所述基于改进的粒子滤波算法的疲劳裂纹扩展预测方法，其特征在于，步骤D还包括：若无新的裂纹监测，则返回步骤C。3.根据权利要求1所述基于改进的粒子滤波算法的疲劳裂纹扩展预测方法，其特征在于，进一步包括步骤H，即返回执行步骤B到步骤G。4.根据权利要求1所述基于改进的粒子滤波算法的疲劳裂纹扩展预测方法，其特征在于，步骤A所述定义状态模型与观测模型，具体为：其中，k为指第k个离散的时刻，xk为系统的状态矢量，xk＝f(xk-1，ωk)为状态模型，ωk为状态转移噪声，该状态模型定义了状态转移概率p(xk|xk-1)即状态转移方程；zk为状态的观测矢量，zk＝g(xk,νk)为观测模型，νk为观测噪声，该观测模型定义了似然概率p(zk|xk)。5.根据权利要求4所述基于改进的粒子滤波算法的疲劳裂纹扩展预测方法，其特征在于，具体包括：A1、选择Paris模型作为疲劳裂纹扩展模型，并据此定义裂纹的状态转移方程即状态转移概率密度：其中：k表示离散的时刻xk是k时刻的裂纹长度，xk-1是k-1时刻的裂纹长度，lnC与m为与材料、环境因素相关的状态模型参数，ΔN表示两个相邻时刻之间的循环周次间隔，ΔK表示应力强度因子，ωk-1为k-1时刻的状态模型过程噪声，其服从均值为方差为的正态分布，p(xk|xk-1)为状态转移概率密度；A2、将模型参数lnC作为待估参数，与...
【专利技术属性】
技术研发人员：张卫方，李宁，刘晓鹏，戴伟，任飞飞，金博，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。