IR
基于粒子群优化粒子滤波和CUDA加速的故障诊断方法
曹洁; 李钊; 王进花; 余萍
2020-04-12
Source Publication计算机应用与软件
ISSNISSN:1000-386X
Issue2020年04期Pages:页码:240-246+251
Abstract在非线性系统中,粒子滤波需要大量粒子才能保证状态估计的准确度,这降低了算法的实时性,导致故障诊断的准确率和实时性不佳。针对该问题,提出基于GPU平台的粒子群优化粒子滤波(PSOPF)并行算法。通过分析PSOPF算法的并行性,设计并实现一种基于CUDA并行计算架构的PSOPF并行算法,利用大量的GPU线程对算法进行加速。为解决拒绝重采样对GPU全局内存的非合并访问带来的执行效率低问题,通过改进拒绝重采样并行算法,使线程束中的线程对同一内存区段中的粒子进行重采样,提高了其执行效率。通过对风力机组变桨距系统故障诊断验证了算法的有效性。实验结果表明,该方法可满足故障诊断准确率和实时性的要求。
KeywordGPU 粒子滤波 粒子群优化 重采样 变桨距系统 故障诊断
URL查看原文
Indexed ByCNKI
Language中文
Document Type期刊论文
Identifierhttp://ir.lut.edu.cn/handle/2XXMBERH/56879
Collection兰州理工大学
Affiliation1.兰州理工大学电气工程和信息工程学院
2.甘肃省制造业信息化工程研究中心
Recommended Citation
GB/T 7714
曹洁,李钊,王进花,等. 基于粒子群优化粒子滤波和CUDA加速的故障诊断方法[J]. 计算机应用与软件,2020(2020年04期):页码:240-246+251.
APA 曹洁,李钊,王进花,&余萍.(2020).基于粒子群优化粒子滤波和CUDA加速的故障诊断方法.计算机应用与软件(2020年04期),页码:240-246+251.
MLA 曹洁,et al."基于粒子群优化粒子滤波和CUDA加速的故障诊断方法".计算机应用与软件 .2020年04期(2020):页码:240-246+251.
Files in This Item:
There are no files associated with this item.
Related Services
Usage statistics
Google Scholar
Similar articles in Google Scholar
[曹洁]'s Articles
[李钊]'s Articles
[王进花]'s Articles
Baidu academic
Similar articles in Baidu academic
[曹洁]'s Articles
[李钊]'s Articles
[王进花]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[曹洁]'s Articles
[李钊]'s Articles
[王进花]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.