Resumen

Se presenta un algoritmo de estimación de fusión RUL asíncrono para el proceso de degradación oculta con múltiples sensores de monitorización asíncronos basado en la fusión de información multifuente. En primer lugar, se establece un modelo de tipo espacio de estados modelando la degradación estocástica como un proceso de Wiener y transformando indirectamente las observaciones asíncronas en el periodo de fusión al tiempo de fusión. Se analizan las características estadísticas de los ruidos implicados y sus correlaciones. En segundo lugar, la estimación del estado de degradación oculto se obtiene aplicando el filtrado de Kalman con ruidos correlacionados al modelo de espacio de estados establecido, en el que se fusionan las observaciones sincronizadas. Además, los parámetros desconocidos del modelo se identifican recursivamente basándose en el algoritmo de Expectación-Maximización (EM) con el Algoritmo Genérico (GA) adoptado para resolver el problema de maximización. Por último, la distribución de probabilidad de RUL se obtiene utilizando la estimación fusionada del estado de degradación y el resultado actualizado de la identificación de los parámetros del modelo. Los resultados de la simulación muestran que el método de fusión propuesto tiene mejores prestaciones que la estimación RUL con un solo sensor.

• Materias:Control del proceso Aerodinámica Diagnóstico de fallas Regulación automática Instrumentación automática
• Subjects: Aerodynamics Fault diagnosis Automatic regulation Automatic instrumentation
• Palabras claves:algoritmo de estimación de fusión de reglas asíncronas, estimación de estado de degradación fusionada, múltiples sensores de monitorización asíncronos, fusión de información multifuente, modelo de tipo espacial, parámetros de modelo desconocidos, observaciones, estado, algoritmo genérico, filtrado de kalman
• Keywords:asynchronous rul fusion estimation algorithm, fused degradation state estimation, multiple asynchronous monitoring sensors, multisource information fusion, space type model, unknown model parameters, observations, state, generic algorithm, kalman filtering