融合型AR模型在雷达故障预测中的应用

发布时间：2021-01-02 17:39

　　针对合作单位雷达产品现状,突破传统的设备运行状态检测手段和设备数据分析算法,提出融合型AR模型在雷达故障预测中的应用,该应用利用自回归求解卡尔曼滤波的状态空间模型,解决以往卡尔曼滤波的状态空间模型由经验或数学推导得出的问题。Python的实验仿真结果表明,该方法对雷达内部关重件的系统参数有较好的拟合能力。 

【文章来源】：现代电子技术. 2020年11期 北大核心

【文章页数】：4 页

【部分图文】：

卡尔曼滤波器的结构框图

首先进行数据提取与预处理，提取数据集中的数据，剔除奇异点，利用二分插值法处理缺失值。本文采用python语言进行实验仿真验证，实验数据来自于某新型雷达的湿度数据，是雷达设备监测中最为常用的非平稳信号之一，对雷达设备的故障预测具有十分重要的作用，如图2所示。抽取整个数据集最后10%的数据作为验证集，其余数据作为训练集。对实验数据进行时间序列平稳性检测和残差高斯白噪声检测，ADF检测结果如表1所示。假定原假设为序列具有单位根，即非平稳，对于一个平稳的时序数据，就需要在给定的置信水平上显著，拒绝原假设，检验结果中原始数据的p值大于0.99，说明不能拒绝原假设[10]。因此对序列进行一阶差分处理，所得结果如图3所示，再次对差分后的数据进行序列平稳性检测，得出雷达设备湿度数据的一阶差分序列平稳。

对实验数据进行时间序列平稳性检测和残差高斯白噪声检测，ADF检测结果如表1所示。假定原假设为序列具有单位根，即非平稳，对于一个平稳的时序数据，就需要在给定的置信水平上显著，拒绝原假设，检验结果中原始数据的p值大于0.99，说明不能拒绝原假设[10]。因此对序列进行一阶差分处理，所得结果如图3所示，再次对差分后的数据进行序列平稳性检测，得出雷达设备湿度数据的一阶差分序列平稳。本文提出的融合型AR模型算法利用自回归模型确定卡尔曼滤波算法的状态空间模型。状态空间模型的建立包含状态转移方程以及观测方程两部分：对于状态转移方程的确定，采用基于卡尔曼滤波算法的常用模型状态跟踪、动态参数估计以及基于概率的加权参数输出的方法；对于观测方程，采用AR模型进行预测，以AR模型的预测结果作为卡尔曼滤波算法的观测数据。将AR模型作为卡尔曼滤波算法的观测方程，在此基础上进行卡尔曼滤波算法的建立。

【参考文献】：
期刊论文
[1]PHM技术国内外发展情况综述[J]. 吕琛,马剑,王自力.  计算机测量与控制. 2016(09)
[2]气象雷达在民航安全中的应用浅析[J]. 刘柏兵.  河南科技. 2015(21)
[3]综合航空电子系统故障诊断与健康管理技术发展[J]. 卢海涛,王自力.  电光与控制. 2015(08)
[4]基于测试性的电子系统综合诊断与故障预测方法综述[J]. 邓森,景博.  控制与决策. 2013(05)



本文编号：2953352