基于高斯权值‑混合粒子滤波的疲劳裂纹扩展预测方法

摘要：

本发明公开了一种基于高斯权值-混合粒子滤波的疲劳裂纹扩展预测方法，属于故障预测与健康管理技术领域。

本发明提出了一种高斯权值-混合粒子滤波算法，其根据获得的裂纹长度观测值定义一个观测概率密度。以该观测概率密度和先验转移概率密度的线性组合作为粒子滤波算法的重要性密度函数。并且通过与先验估计之间的高斯权值作为从观测概率密度中采样得到的粒子的权值。然后与基于主动导波的裂纹监测方法相结合，以实现疲劳裂纹扩展的准确预测。

本发明所提出的高斯权值-混合粒子滤波算法从重要性密度函数中采样时，同时考虑了先验信息和观测信息，降低了对准确定义疲劳裂纹扩展状态方程的依赖。在结构的疲劳裂纹扩展预测方面具有广泛的应用前景。

摘要：本发明公开了一种基于高斯权值‑混合粒子滤波的疲劳裂纹扩展预测方法，属于故障预测与健康管理技术领域。本发明提出了一种高斯权值‑混合粒子滤波算法，其根据获得的裂纹长度观测值定义一个观测概率密度，以该观测概率密度和先验转移概率密度的线性组合作为粒子滤波算法的重要性密度函数，并且通过与先验估计之间的高斯权值作为从观测概率密度中采样得到的粒子的权值，然后与基于主动导波的裂纹监测方法相结合，以实现疲劳裂纹扩展的准确预测。本发明所提出的高斯权值‑混合粒子滤波算法从重要性密度函数中采样时，同时考虑了先验信息和观测信息，降低了对准确定义疲劳裂纹扩展状态方程的依赖，在结构的疲劳裂纹扩展预测方面具有广泛的应用前景。