基于贝叶斯学习的执行器故障估计方法

本发明公开了一种基于贝叶斯学习的执行器故障估计方法，包括（1）基于随机走步模型对执行器故障建模；（2）基于变分贝叶斯理论，将系统状态变量和执行器故障信号的联合后验分布用两个相互独立的假设分布来表示；（3）在k‑1时刻，预测出k时刻系统的状态和故障；在k时刻，依据贝叶斯理论对预测出的系统状态和系统故障进行迭代更新，输出k时刻系统状态的估计值和该估计值的方差，以及输出k时刻系统故障的估计值和该估计值的方差。该方法充分利用贝叶斯学习适用于在线估计的结构，通过对相互耦合变量的系统状态和故障信号进行解耦，给出一种针对随机系统下执行器故障信号的估计方法，能够很好地对执行器故障信号进行估计，弥补了现有方法在这一方向的缺失。