Optimization of nonlinear, non-Gaussian Bayesian filtering for diagnosis and prognosis of monotonic degradation processes

در این مقاله، به طور انتقادی، تعریف احتمالی مدل های حالت دینامیکی پویا را تحت بررسی فیلترهای بیزی که برای نظارت و پیش بینی فرایندهای تخریب مونوتونی استفاده می شود، تحلیل می کند. مطالعه بر انتخاب فرآیند تصادفی، اغلب به نام سر و صدای فرآیند، که منبع اصلی تحرک در معادله تکاملی فیلتر کردن ذرات است، تمرکز می کند. با وجود تعداد زیادی از کاربردهای فیلتر کردن ذرات، پیش بینی تخریب ساختاری، کفایت صدای فرآیند برداشت شده مورد بررسی قرار نگرفته است. در این مقاله مدل های سر و صدایی فرآیند موجود که به طور معمول در فیلترهای ذره ای اختصاص داده شده به نظارت و پیش بینی آسیب های ساختاری ناشی از خستگی، که در طبیعت یکنواخت هستند، بررسی می شود. تجزیه و تحلیل تاکید می کند که فرمول های موجود در نویز فرآیند می توانند عملکرد فیلتر را از نظر تخمین وضعیت و پیش بینی عمر باقی مانده (یعنی پیش آگهی آسیب) به خطر اندازد. این مقاله به دنبال آن یک مدل سر و صدای فرآیند مطلوب و بی طرفانه و یک لیست از الزاماتی که مدل تصادفی باید برای تضمین عملکرد پیش آگهی بالا ارائه دهد، ارائه می دهد. این الزامات برای آینده و پیاده سازی بیشتر فیلتر کردن ذرات برای پویش سیستم یکسان است. اعتبار فرآیند تولید نویز فرآیند بر روی داده های رشد خزش های آزمایشی از یک ساختار هوافضا در مقیاس کامل با استفاده از معیارهای عملکرد اختصاصی ارزیابی شده است.