非高斯系统故障分离：广义熵优化滤波方法

"基于广义熵优化准则的非线性非高斯系统故障分离方法 (2013年)，殷利平，王慧敏" 本文主要探讨了一种针对非高斯随机系统的故障分离新方法，该方法是基于滤波理论和广义熵优化准则。在非高斯随机系统中，由于系统行为的复杂性和不确定性，传统的高斯假设往往不再适用，因此需要更先进的故障诊断策略。论文作者殷利平和王慧敏通过深入研究，提出了一种新的故障分离技术。 首先，他们利用系统的故障和扰动统计信息来获取状态估计误差和输出估计误差的联合概率密度函数（Joint Probability Density Function, JPDF）。这一步骤是关键，因为准确估计这些误差的概率分布可以帮助识别系统的异常行为。 然后，作者们引入了广义熵优化准则来设计滤波器。广义熵是一个更广泛的熵概念，可以适用于非高斯分布，它考虑了更多关于信息分布形状的信息，而不仅仅是其均值和方差。通过优化这个准则，滤波器可以更精确地捕获系统状态的变化，从而实现故障的有效分离。 在仿真分析中，作者展示了在两种不同情况下的系统响应：一是当故障和干扰同时存在时，二是仅主要故障出现的情况。仿真结果表明，这两种情况下的系统响应具有显著差异，证实了所提出的广义熵优化准则在故障分离中的有效性。 该研究对非高斯随机系统的故障诊断和隔离提供了新的理论支持，具有广泛的应用前景，特别是在复杂工程系统和自动化领域的故障检测与诊断。通过优化广义熵，可以提高故障分离的精度，降低误报警率，对于保障系统的稳定运行和安全具有重要意义。 关键词：非高斯系统，广义熵优化准则，概率密度函数，联合概率密度函数，故障分离 中图分类号：TP13 文献标志码：A 文章编号：1671-7147(2013)06-0637-05 通过以上分析，我们可以看出，该论文为非高斯随机系统故障检测提供了一种新的滤波方法，即基于广义熵优化准则的设计，这在处理复杂系统故障问题时具有较高的实用价值和理论深度。