基于RFF及GWO-PF的锂电池SOC估计

为了提高锂电池剩余电量估计的准确性,提出一种在线参数辨识与改进粒子滤波算法相结合的锂电池SOC估计方法。针对粒子滤波中的粒子退化问题,引入灰狼算法,利用灰狼算法较强的全局寻优能力优化粒子分布,保证粒子多样性,有效抑制粒子退化现象,提高滤波精度。采用带遗忘因子的递推最小二乘法实时更新模型参数,并与改进粒子滤波算法交替运行,进一步提高SOC的估计精度。实验结果表明,改进算法的平均估计误差始终保持在±0.15%以内,相比扩展卡尔曼滤波与无迹卡尔曼滤波算法,在电池SOC估计上有更高的估计精度与稳定性。     

一种基于UPF的轴承剩余寿命预测方法

剩余寿命预测能够确保系统的安全性、可用性与高效工作,并且能够降低维修费用,因而成为状态维修中的一个重要课题。基于模型的寿命预测方法主要包含两部分内容:退化模型构建和系统状态估计。粒子滤波算法(PF)是一种广泛用于系统状态估计的方法,已经应用于轴承剩余寿命预测中,但PF方法存在粒子退化问题。提出一种基于无迹粒子滤波算法(UPF)的轴承剩余寿命预测方法。利用随机过程模型对轴承退化过程进行建模,再利用UPF算法对轴承的退化状态进行追踪,并更新模型参数。使用试验数据对提出方法进行验证,结果表明:与PF方法相比,该方法能在一定程度上降低粒子退化程度,进而更加准确地预测轴承剩余寿命。     

基于PF-LSTM的锂电池剩余使用寿命预测

针对锂电池剩余使用寿命(RUL)难以准确预测的问题，提出一种考虑多种寿命衰退特征与数据时序性的基于粒子滤波改进长短期记忆网络(PF-LSTM)的预测模型，并应用于锂电池的RUL预测。从电池历史充放电老化数据中提取与容量衰退密切相关的健康因子作为LSTM网络的输入，利用PF算法全局优化的能力寻优超参数，包括神经元个数、学习率、节点丢弃率、批尺寸大小、训练步数等6个参数，提高网络的预测能力；引入Dropout层，避免网络过拟合，提高模型的泛化能力。基于NASA PCoE电池数据集进行实验验证，对4块电池在不同预测起始点下的容量估计和寿命情况进行预测，并与经网格搜索的LSTM,SVR等算法进行比较。实验结果表明，PF-LSTM容量估计的RMSE与MAE均在2%以内，且寿命预测误差在3个循环以内，相比于其他算法精度最高。     

改进萤火虫算法优化粒子滤波的信号源定位

为提高无线电信号源的定位精度,运用粒子滤波方法对其进行定位估计。针对粒子滤波存在的粒子退化问题,提出改进的萤火虫算法优化粒子滤波。首先对萤火虫算法的吸引度公式进行改进,并利用迭代时刻粒子最优值指导个体的移动过程。然后运用改进的萤火虫算法与粒子滤波机制相结合,使粒子趋向于高似然区域,提高粒子的有效性,避免粒子退化,提高粒子滤波算法的滤波精度。最后,将改进后的算法用于无线电信号源定位算法中并进行仿真试验。实验结果表明:该文提出的算法定位结果最大定位误差为0.23%,该算法相比粒子滤波算法的定位精度有很大的提高,是一种有效的、实用性较强的定位估计算法。     

联合频域相关分析和改进粒子滤波的滚动轴承寿命预测方法

为了解决滚动轴承退化状态识别难、剩余使用寿命（Remaining Useful Life, RUL）预测误差大这两个关键问题，提出一种联合频域特征相关分析及改进粒子滤波的寿命预测方法。基于滚动轴承在退化过程中频域特征存在短期相似性和长期差异性这一特点，对不同时间序列傅里叶变换后的幅值谱进行相关分析，构建平均相关系数（Average Correlation Coefficient, ACC）曲线。当ACC达到设定阈值时，利用初始故障时间（Degradation Initial Timepoint, DIT）将轴承状态划分为正常和损伤两阶段。利用损伤阶段的归一均方根值作为观测样本输入，构建考虑了全局指数式退化趋势与局部波动双重因素的粒子滤波（Dual Factor Particle Filter, DFPF）模型，实现粒子分布校正并完成RUL预测。试验结果表明，所提方法相比传统的均方根值法和峭度法能够更准确地识别轴承初始故障时间。在寿命预测精度方面，相比传统粒子滤波（Particle Filter, PF）算法，所提方法减小了异常观测值对预测趋势的影响，具有更高的RUL预测精度。     

双指数粒子滤波模型的硅泡沫材料剩余寿命预测

针对传统基于模型的硅泡沫材料长时使用寿命评估方法存在的物理模型解释性差、预测精度不高等问题,本文提出了一种双指数粒子滤波模型的剩余寿命预测方法。选取硅泡沫结构的载荷保持率作为特征量,基于硅泡沫材料的应力松弛失效机制,建立了更具解释性的双指数应力退化模型。首先利用最小二乘法对观测数据进行拟合,初始化模型参数和健康状态,然后通过贝叶斯理论对历史样本进行状态跟踪建模,更新状态传递函数,实现载荷保持率退化趋势预测和剩余寿命评估。通过仿真和实验验证了双指数粒子滤波模型预测硅泡沫材料剩余寿命的泛化适用性和准确性,同时与传统指数模型预测结果进行了对比,结果表明本文所提方法预测精度和稳定性更优。     

EKF和PF算法及其在目标跟踪中的应用

基于贝叶斯滤波的目标跟踪原理,介绍了扩展卡尔曼滤波(Extended Kalman Filter,EKF)和粒子滤波(ParticleFilter,PF)的基本思想和算法实现步骤。在非线性环境下对比分析了EKF算法和PF算法的估计精度,并给出两种方法的适用条件。EKF算法采用Taylor展开的线性变换来近似非线性模型,而PF算法采用一些带有权值的随机样本来表示所需要的后验概率密度。仿真结果表明,在强非线性非高斯环境下,PF算法的跟踪性能远优于EKF算法,当系统非线性强度不大时,EKF算法和PF算法的估计精度相差不大,但PF算法计算复杂,跟踪时间长,实时性差。     

A particle filter algorithm based on gray forecast

针对标准粒子滤波(SPF)算法在目标机动时跟踪滤波性能不高的问题,引入灰色预测理论,提出了一种基于灰色预测的粒子滤波(PFGF)算法,给出了算法的具体描述和运算流程.当预先建立的状态模型不再适用于目标的真实运动状态时,该方法具有良好的预估性能,减少了对事先假定目标状态模型的依赖性.与SPF方法进行了蒙特卡洛仿真比较分析,实验结果证明,PFGF算法在不增加计算复杂度的情况下,提高了跟踪精度,能够很好地克服粒子退化现象.     

多传感器多目标粒子滤波算法

为了能够有效解决非线性、非高斯环境中多传感器多目标跟踪问题,提出了一种基于粒子滤波的多传感器联合概率数据互联粒子滤波算法(MJPDAP)。该算法应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合以形成等效量测点,并计算所有等效量测点的联合似然函数。在此基础上,结合联合概率数据互联(JPDA)的思想计算各个粒子权值,以获得最终的跟踪结果。仿真结果表明,与单传感器联合概率数据互联粒子滤波算法(SJPDAP)相比,该算法位置跟踪精度能提高20m左右。     

近海大气环境下锈蚀RC框架梁恢复力模型研究

为了研究近海大气环境下锈蚀RC框架梁的抗震性能,对8榀经受不同盐雾腐蚀循环作用的RC框架梁进行了低周反复加载试验,分析RC框架梁的滞回特性。基于试验结果,得到了带有负刚度段的三折线骨架曲线,并根据完好构件恢复力模型特征参数,得到了考虑钢筋锈蚀率和配箍率的锈蚀RC框架梁骨架曲线特征点计算公式。采用回归分析法,得到基于滞回耗能的循环退化指数,通过循环退化指数建立可综合考虑构件的捏拢效应、强度退化、卸载刚度退化、硬化刚度退化和再加载刚度加速退化的锈蚀RC框架梁恢复力模型。研究表明:随着钢筋锈蚀程度的增加,锈蚀RC框架梁的抗震性能劣化较明显,滞回耗能逐渐降低;配箍率对锈蚀RC框架梁恢复力特性的影响与未锈蚀RC框架梁相似;所建立的恢复力模型能够较好的描述锈蚀RC框架梁的滞回特性,可为该类结构的弹塑性时程分析提供理论参考。     

免疫粒子滤波在声呐图像目标跟踪中的应用

基于前视声呐图像序列,研究并实现了经免疫算法优化的粒子滤波水下目标跟踪。声呐图像分割成二值图后,提取目标的区域形状特征以构建观测模型,设计目标模板自适应更新方法;将免疫算法的克隆与变异思想引入到粒子滤波中以解决粒子退化问题。对两组水下运动物体的跟踪实验表明,即使目标存在一定形变与干扰,文中的免疫粒子滤波算法仍能以较高的精度跟踪到目标真实运动轨迹;相比于传统粒子滤波算法,稳定性也更强。     

锈蚀钢筋混凝土梁动态抗弯性能细观数值研究EI北大核心CSCD

为研究锈蚀对钢筋混凝土(reinforced concrete,RC)梁动态力学性能的影响,考虑钢筋锈蚀和应变率效应及混凝土内部结构的非均质性,建立锈蚀钢筋混凝土梁两阶段三维细观尺度数值模型。钢筋的非均匀锈蚀膨胀以施加非均匀径向位移的方式模拟,并以保护层开裂“最终状态”作为之后混凝土梁动载模拟的“初始输入条件”,获得锈蚀后的动态力学行为。在验证了数值模型合理性的基础上,分析了钢筋锈蚀引起的保护层锈胀开裂行为及不同应变率下构件力学性能的变化。结果表明:钢筋锈蚀使混凝土梁产生了明显的纵向裂缝,梁的承载力随钢筋锈蚀率增加而降低;高应变率下,混凝土梁发生冲切破坏,梁的承载力显著提高;锈蚀混凝土梁承载力损失与锈蚀后梁频率降低系数(反映刚度损失)近似呈线性规律,且低应变率下的承载力对频率变化更加敏感。最后,基于模拟结果回归分析,发展建立了考虑锈蚀及应变率耦合影响的混凝土梁动态抗弯承载力预测公式。     

一种改进的粒子群优化粒子滤波算法

粒子群优化粒子滤波方法容易陷入局部最优,针对这一问题,提出一种改进的粒子群优化粒子滤波算法,该算法对惯性权重和位置更新采用模糊控制,增强粒子全局搜索的能力,防止粒子陷入局部最优,提高估计精度。     

锈蚀RC桥梁弯曲抗力时变概率模型与试验研究

在退化RC结构的时变性能评估、剩余寿命预测以及维修加固决策分析中,其抗力模型的建立至关重要。钢筋锈蚀导致钢筋的屈服强度降低、改变钢筋力学行为和影响钢筋与混凝土之间的粘结行为。钢筋腐蚀损失量影响钢筋的失效模式,即从延性破坏到脆性破坏变化。该文发展了退化RC 桥梁的概率抗力时变模型,可以定量考虑腐蚀对钢筋力学行为、倒塌机理和粘结性能的影响。建立退化结构的抗力概率模型可以抓住退化结构的退化机理、点蚀分布、结构尺寸参数、粘结行为、腐蚀扩展、钢筋失效模式和计算模型的随机性和变异性。RC 梁的加速腐蚀试验和旧桥的破坏性试验验证了该文模型的正确性和可靠性。     

基于高斯粒子滤波的当前统计模型跟踪算法

对于非线性系统估计问题,高斯粒子滤波器可以获得近似最优解,与粒子滤波器相比其优点是不需要重采样步骤和不存在粒子退化现象.采用高斯粒子滤波代替当前模型自适应跟踪算法中的卡尔曼滤波,将高斯粒子滤波与当前统计模型的优点相结合,提出了一种新的当前统计模型自适应跟踪算法,用于非线性非高斯系统的机动目标跟踪.MonteCarlo仿真表明,该算法跟踪精度优于标准的交互多模型算法和当前统计模型自适应跟踪算法,实时性好于交互多模型粒子滤波算法.     

基于氯盐最不利侵蚀下锈蚀RC框架结构时变地震易损性研究

基于一维Fick第二定律,采用DuraCrete规范中钢筋锈蚀初始时刻的概率预测模型,并基于概率统计的钢筋直径预测模型,计算不同龄期下RC结构中钢筋的锈蚀深度。基于修正斜压场理论并以锈蚀深度为单变量,对不同龄期下受压区锈胀开裂混凝土峰值应力进行计算;根据锈蚀深度对钢筋本构和Mander约束混凝土本构模型中相关参数进行了修正。于地震易损性模型中引入时间参数,建立含时间参数的RC结构地震易损性模型。最后,基于上述材料力学性能退化模型,采用基于力的纤维塑性铰模型,建立三层RC平面框架结构数值模型,并结合本文所提出的时变地震易损性模型,给出了三层平面RC框架0、5、10和15年龄期的易损性曲线和曲面。所提研究方法可用于既有RC框架结构生命周期内的抗震性能及损失预测分析。     

使用粒子滤波和差分进化法实现轮廓跟踪

退化现象可能导致基于粒子滤波(PF)的轮廓跟踪误差增大甚至失败。为解决这一问题,提出一种将PF状态向量后验概率密度估计问题转化为最优化问题,并使用差分进化法(DE)求解轮廓跟踪算法。该算法的最优化目标函数定义为轮廓模型与运动目标边缘匹配误差;函数参数为运动参数向量;PF的状态向量分布空间作为DE的搜索空间。目标函数的最优解对应着运动参数的最优估计值。在仿真图像序列的轮廓跟踪实验中,重心位置误差不大于0.5pixel,每帧图像平均耗时约80ms。     

基于卡尔曼滤波和粒子滤波融合的UWB室内定位算法

基于超宽带(ultra-wideband,UWB)室内定位技术得到了广泛的发展,然而,在LOS(line-of-sight)和NLOS(non-line-of-sight)环境下的UWB的测距信息均存在不同程度的误差,因此,提出了一种改进的卡尔曼滤波算法对UWB原始数据进行平滑处理;之后提出卡尔曼滤波(Kalman filters and particle filters,KPF)和粒子滤波融合的算法。通过卡尔曼滤波得到的状态量和误差协方差进行粒子采样,克服了传统粒子滤波进行粒子采样时的运动学模型与实际运动不相符的缺点,大幅减少了粒子退化的现象。经过实验,该算法在LOS和NLOS环境中的定位精度分别提升了20.6%和15.6%。     

锈蚀钢筋混凝土梁抗剪承载力计算的概率模型

该文针对锈蚀钢筋混凝土（RC）梁抗剪承载力计算的传统确定性模型所存在的缺陷,研究建立了锈蚀RC梁抗剪承载力计算的概率模型。首先综合考虑钢筋锈蚀对箍筋屈服强度、配筋率、配箍率、临界斜裂缝倾角、梁有效抗剪截面积等重要因素的影响,结合修正压力场理论和考虑剪跨比影响的临界斜裂缝倾角模型,建立了锈蚀RC梁抗剪承载力计算的确定性模型;然后综合考虑客观不确定性和主观不确定性的影响,结合贝叶斯理论和马尔科夫链蒙特卡洛（MCMC）法,建立了锈蚀RC梁抗剪承载力计算的概率模型;最后通过与试验数据和传统确定性抗剪承载力计算模型的对比分析,验证了该概率模型的有效性和适用性。分析结果表明,所建立的概率模型不仅可以合理描述锈蚀RC梁抗剪承载力的概率分布特性,而且可以校准传统确定性抗剪承载力模型的计算精度和置信水平,具有良好的有效性和适用性。     

基于集成学习的FRP加固混凝土梁抗弯承载力预测研究

为解决当前纤维增强复合材料(FRP)加固钢筋混凝土梁抗弯承载力预测中模型不统一、计算繁琐、精度有限等问题,建立了统一化的抗弯承载力预测模型。根据既有文献收集外贴式、端锚式和嵌入式3种FRP典型加固方式加固钢筋混凝土梁试验数据,确定影响加固梁承载力的关键因素,通过XGBoost(极限梯度提升树)算法训练回归各影响因素与加固后梁抗弯承载力间的非线性映射关系,得到统一化的FRP加固钢筋混凝土梁抗弯承载力预测模型。随后在测试样本集上对该模型的预测精度进行了验证,与基于支持向量回归(SVR)和人工神经网络(ANN)两种代表性机器学习算法得到的预测模型进行了横向对比,并分析了不同加固方式下的预测精度。研究结果表明:该文得到的基于XGBoost的抗弯承载力预测模型拟合优度R2=0.9417,可见整体精度较高,有良好的性能;相比基于传统机器学习算法SVR和ANN建立的预测模型,基于集成学习算法XGBoost的拟合优度分别提升了8.00%及6.70%,均方根误差减少了33.94%和30.72%,平均绝对误差减少了32.38%和30.51%,表明基于XGBoost的模型精度更高,远优于SVR和ANN;基于XGBoost的模型在外贴式、端锚式和嵌入式加固方式下拟合优度分别达到0.9472、0.9631和0.9278,可见预测精度均表现优良,精度相当,说明该模型可以统一考虑三种不同加固方式;通过分析输入参数的特征重要性,说明了该模型的合理性。研究成果可为实际桥梁工程中FRP加固设计应用提供参考。