基于GPU的BBPSO-PF算法及其在故障检测中的应用*

曹 洁， 胡文东， 王进花， 余 萍， 赵伟吉

(1.兰州理工大学 计算机与通信学院, 甘肃 兰州 730050；2.兰州理工大学 电气工程与信息工程学院, 甘肃 兰州 730050；3.甘肃省制造业信息化工程研究中心,甘肃 兰州 730050)

0 引 言

变速恒频的双馈发电机主要包含了空气动力系统、变桨距系统、传动系统、控制器和功率转换系统等[1]，变桨距系统主要用于桨距角的控制，以适应多变的风速，由于该系统频繁地在停止与启动状态间跳变，导致发生故障的概率较高，因而提高该系统故障诊断的准确度和实时性具有重要的意义。

粒子滤波(particle filtering, PF)算法是一种基于蒙特卡洛与递推贝叶斯估计的概率统计算法[2]，可以有效地处理非线性、非高斯噪声环境下的状态估计问题，被广泛用于目标跟踪[3,4]、故障诊断[5,6]、机器人定位[7]、人脸跟踪[8]等领域。而变桨距系统是一个典型的非线性、强耦合系统，故PF算法适合于该系统的故障诊断。PF算法具有多种重采样方法，经典方法包括有多项式重采样(multinomial resampling,MR)、系统重采样(systematic resampling,SR)、残差重采样(resi-dual resampling,RR)和随机重采样(random resampling,RAR)。在状态估计中，当粒子数足够多时，一定程度上提高了状态估计精度，但在粒子数较少的情况下，存在粒子退化和样本贫化等现象。基于此，国内外许多学者对PF算法进行了改进，主要分两种: 一是引入遗传算法(GA)思想改进的PF算法(GA-PF)[9]；另一种是引入粒子群优化(PSO)思想改进的PF算法(PSO-PF)[10，11]。

在对PF算法进行改进的现有研究中，虽然提高了算法的精度，但同时增加了算法复杂度,难以将其应用到实时性要求较高的领域中。……