论文部分内容阅读
首先利用基于线性漂移的布朗运动（Brownian Motion，BM）表征陀螺仪退化过程，然后构建状态空间模型表征实际退化状态与带噪声的监测量之间的随机关系。利用期望最大化（Expectation Maximization，EM）算法和卡尔曼滤波（Kalmanfilter）估计与更新未知参数和退化状态。并且考虑状态估计的不确定性，将状态估计的分布函数引入剩余寿命的预测过程，实现了剩余寿命的实时预测与更新。利用该方法对陀螺仪的剩余寿命实时预测问题进行了分析，比较结果表明，该方法能够较好地解决剩余寿命估计过程