基于联邦滤波的组合导航故障诊断与容错研究

论述了车载BD-2/SINS组合导航的系统级故障诊断方法,包括残差χ2检验方法和状态χ2检验方法。针对状态χ2检验原理的不足,提出一种基于卡尔曼滤波器组的改进的状态χ2检验方法。文中构建了基于联邦滤波的车载BD-2/SINS组合导航的故障诊断系统结构,将残差χ2诊断和改进的状态χ2诊断方法加以整合,能够实现对BD-2/SINS组合导航硬故障和软故障的诊断,并针对无故障、硬故障和软故障三种不同情况分别进行了仿真研究和分析。     

有限记忆量测噪声在线估计的Kalman改进算法

针对有限记忆量测噪声在线估计算法中,新息残差序列对渐变噪声的统计滞后问题,提出了一种新息变化率构建算法.该算法利用当前统计周期内新息绝对值的均值与前一统计周期内新息均值的绝对值构造新息变化率,并在此基础上提出了利用新息变化率作为量测噪声估计阵修正因子的改进算法.仿真比较了在无噪声变化、噪声突变与噪声渐变3种不同情况下,算法改进前后的滤波效果.仿真结果表明,该算法在保留对突变噪声有效检测的同时,提高了对渐变噪声的检测速度,从而提高了有限记忆量测噪声在线估计算法对量测噪声阵的计算精度.     

自适应强跟踪容积卡尔曼滤波算法

提出了一种自适应强跟踪容积卡尔曼滤波算法(ASTSCKF),该算法在平方根容积卡尔曼滤波算法(SCKF)步骤中引入强跟踪滤波器(STF),通过渐消因子在线修正一步预测误差协方差矩阵,强迫输出残差序列正交,使得算法具有应对系统状态突变等不确定因素的能力,增强了算法的鲁棒性;结合改进渐消记忆时变噪声统计估计器,对噪声方差阵进行实时在线估计,有效解决了SCKF算法由于噪声统计不准确、未知或时变性带来的滤波发散问题,使其具有应对噪声变化的自适应能力。仿真实验结果表明：ASTSCKF算法在系统状态发生突变并且噪声变化的情况下,能够表现出良好的滤波性能,较SCKF算法有更强的鲁棒性以及噪声变化的自适应性。     

一种用于传感器故障检测的改进残差检验法

针对基于卡尔曼滤波器的残差检验法会跟踪软故障的局限性，提出了一种基于状态递推器的改进方法。然后通过对残差量的正态分布标准化措施，将残差向量整体的χ^2检测问题转化为每个独立分量的偏差检测问题。根据本文方法，不但提高了故障检测灵敏度，同时，具有一定的故障定位能力。仿真结果表明该方法是有效的，能够在很大程度上提高系统的故障检测灵敏度。     

一种限定记忆的自适应扩展Kalman滤波器

为解决扩展卡尔曼滤波器(EKF)鲁棒性差,且无法实时精确跟踪系统突变状态的问题,研究一种基于限定记忆滤波的自适应EKF算法。算法将EKF与限定记忆滤波器相融合,减小旧量测数据对滤波效果的影响,提高估计精度;引入自适应因子与渐消因子,通过实时调节新旧滤波增益阵以及预测状态值,精确地跟踪系统突变状态。仿真实例表明,强跟踪算法与经典EKF算法相比,自适应EKF算法鲁棒性好,滤波精度高,能够有效地跟踪系统突变状态。     

基于GPS/INS组合导航的改进自适应渐消卡尔曼滤波算法

基于GPS/SINS组合导航系统的模型不准确或者量测噪声多变所产生的滤波发散问题,研究了自适应渐消卡尔曼滤波对于滤波发散的抑制作用,文章提出一种利用新息协方差估计值和量测值实时自适应计算渐消因子的方法,用它调节卡尔曼滤波方程中预测误差协方差阵和增益矩阵,调整历史新息和当前新息的权重达到抑制滤波发散的目的。该算法能有效减少严格收敛判据推导渐消因子的计算量和限制条件,有效利用了当前新息值。仿真验证表明,提出的算法能有效抑制滤波发散,并且比常规卡尔曼滤波效果更佳。     

改进新息自适应交互多模的GPS/SINS组合导航滤波算法

针对量测噪声统计特性未知会影响GPS/SINS组合导航滤波精度的问题,提出了一种改进新息自适应的交互多模滤波算法:在估计新息协方差矩阵时,将在不同长度估计窗下得到的估计值进行加权组合,优化了估计窗口的选取;然后估计系统的量测噪声阵,并以该估计值为中心对称地构建交互多模模型集,再进行交互多模滤波,该方法解决了传统交互多模算法在噪声统计特性未知情况下模型数量与计算速度之间的矛盾。仿真结果表明:相比于标准卡尔曼滤波和单一估计窗口新息自适应交互多模滤波,该方法具有更高的滤波精度和抗干扰性。     

基于联邦滤波的多传感器主动容错估计方法

针对冗余传感器系统的容错问题,改进一种有反馈式联邦滤波的容错估计算法。通过残差法对硬故障进行检测,并隔离故障子系统的估计值。若全部子系统出现硬故障,取上一时刻的联邦滤波的最优值,通过系统状态方程计算得到系统状态量的预测值进行容错补偿。定义可信度因子,设计可信度单调性法则检测子系统软故障,并设计校正策略。大量仿真实验表明,改进后的反馈式联邦滤波的容错估计算法,可在保证系统估计精度的前提下,提高多传感器系统的容错性与鲁棒性。     

模糊自适应滤波算法在自主水下航行器组合导航系统中的应用

复杂水下工作环境中的诸多不确定因素均有可能导致自主水下航行器(autonomous underwater vehicle,AUV)导航系统的量测噪声模型发生变化,且噪声统计特性难以准确获得。为获得更为准确的状态估计值,提出一种基于模糊逻辑的自适应滤波算法,使量测噪声方差阵可以根据实际情况进行自适应调整从而逼近真实量测噪声模型。将该算法用于SINS/MCP/DVL/TAN组合导航系统,仿真结果表明:在应对量测噪声不稳定的状况时,所提滤波算法与Sage-Husa自适应滤波算法相比,东向、北向速度误差分别减小约27.0%、42.0%;纬度、经度误差分别减小约49.4%、58.0%,即模糊自适应滤波算法具有更高的估计精度。     

未知噪声协方差的自适应容积卡尔曼滤波

针对噪声协方差不确定情况下容积卡尔曼滤波解决非线性目标跟踪中存在的问题,提出了一种优化的自适应容积卡尔曼滤波.首先根据新息序列和残差序列导出的线性矩阵方程得到噪声的协方差,基于新息序列与残差序列的相关性,推导出一种新的过程噪声协方差Q估计方法;然后采用残差序列对测量噪声协方差进行估计,利用加权因子将当前的噪声协方差矩阵与估计值组合成为新的测量噪声协方差阵R,有效避免了不准确状态估计的局限性.仿真结果表明:在时变噪声协方差的条件下,所提出的自适应容积卡尔曼算法的跟踪精度明显提高.     

基于ARCH模型的组合导航缓变故障容错方法

为了解决缓变故障的检测和容错问题,针对容错设计中小幅度增长的缓变故障,考虑组合导航系统导航传感器的特点,提出了一种新的组合导航缓变故障容错方法。定义了滤波器观测信息的故障因子,提供了基于自回归条件异方差模型的故障因子模糊评估方法,并利用故障因子来自适应调整观测噪声协方差阵中相应的量值,从而达到抑制缓变故障的作用。通过仿真分析和实验验证了缓变故障容错方法的有效性。实验结果表明,在导航传感器发生缓变故障时,这种缓变故障容错方法可以有效地改善组合导航滤波精度。     

一种改进的故障检测算法在组合导航中的应用

为提高组合导航系统的容错性能,实时检测滤波器处理测量信息的有效性,针对组合导航系统突变故障的检测问题,提出了相应的改进算法. 该算法不仅对系统层面上进行故障探测,而且对故障进行定位和隔离,分析了作为假设检验量的标准化残差之间的相关性强弱对故障正确定位的影响,由此对基于标准化残差的故障检测与隔离算法进行了改进,实现子系统内部故障的正确定位与隔离. 实验结果表明,改进的算法能够更有效地利用多余观测量,从而提高组合导航系统的稳健性.      

基于自适应Kalman滤波的汽车横摆角速度软测量算法

利用参数软测量技术,提出了基于自适应Kalman滤波和汽车两自由度动力学模型的横摆角速度软测量算法．该算法实现了横摆角速度的线性最小均方误差估计,且可对汽车行驶过程中的系统噪声和观测噪声统计特性进行在线估计．仿真与场地试验结果对比验证了该算法的有效性,同时软测量技术的采用也为汽车状态参数测量提供了一条可行的、准确且低成本的研究思路。     

基于EKF的无人机飞行控制系统故障检测

无人机飞行控制系统是一种典型的多传感器闭环控制系统,其执行机构与传感器故障会严重影响系统的安全性与可靠性,针对无人机飞行控制系统故障检测问题的研究具有重要的意义.本文考虑了一类无人机闭环非线性飞行控制系统的故障检测问题,针对风扰动影响下无人机纵向非线性系统模型,设计基于扩展卡尔曼滤波器的残差产生器,并应用χ2检验对残差进行评价,实现无人机闭环控制系统的故障检测.同时,基于某型无人机Simulink仿真平台进行仿真实验.结果表明,所提出的方法能够实现空速管堵塞故障和升降舵部分失效故障的检测.     

基于压缩感知的塔康方位估计算法

塔康(tactical air navigation,TACAN)信号峰值检测后的离散数据呈随机采样特性,为避免Kalman算法产生滤波发散问题并有效减小对数据量的需求,提出一种基于压缩感知理论的方位估计方法.通过对塔康信号的角度空间进行稀疏分解和观测值压缩,优化重构原始包络信号进而获得方位估计值.仿真实验证明了该算法的性能,与最小二乘拟合算法相比,在保证估计精度的同时进一步降低了峰值数据量,大大减少了计算过程中的冗余,并且在信噪比较大的情况下,方位估计准确度较最小二乘拟合有一定提高.     

一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法

针对自适应扩展卡尔曼滤波算法中系统噪声协方差矩阵与量测噪声协方差矩阵不能同时被估计的问题,提出了一种改进的自适应扩展卡尔曼滤波算法.该算法基于残差,主要对滤波算法中的自适应估计器进行改进,改进后可以实时估计系统噪声.基于该算法,设计了新的滤波器并应用在SINS/GPS紧组合导航系统上,可随着系统中噪声的变化而自动地调节协方差矩阵.最后,分别用扩展卡尔曼滤波和改进的自适应扩展卡尔曼滤波对SINS/GPS紧组合模型进行仿真,结果表明改进的自适应的扩展卡尔曼滤波比扩展卡尔曼滤波的定位误差与测速误差更小,滤波的稳定性更好.      

基于扩展谱相减与SAP的带噪语音端点检测

为提高低信噪比时带噪语音端点检测的性能,提出了一种将扩展的谱相减法与SAP(Speech AbsenceProbab ility)软门限相结合的方法。采用基于噪声补偿结构的扩展谱相减法,通过使用自适应的判决规则,在不需要进行语音激活检测的情况下有效地去除了背景噪声,克服了单麦克输入时无法在语音段对噪声进行估计的缺点。同时采用非语音段概率SAP软门限,直接对增强后的语音信号进行检测,有效提高了语音段起止端点检测的精确度和可靠性。实验结果表明,该方法比短时能量方法的计算效率高,在信噪比为-10 dB时仍能完成端点检测。     

基于小波变换自适应匹配的高速铁路牵引网故障单端行波定位法

为减少高速铁路牵引网故障行波传播色散特性对行波波头检测和波速测量的影响,提高高速铁路牵引网故障行波定位的准确度,提出了基于小波变换自适应匹配的高速铁路牵引网故障行波定位方法。该法结合小波变换奇异性与相似性算法,对行波信号进行分析,提取小波函数多尺度分解结构重构的高频信号进行故障行波定位。行波波头到达时间由该高频信号经相似性算法分析,获取特征值点位置计算。行波的传播参考速度由模拟实验分析结果所得。现场测试故障行波数据分析表明,该高速铁路牵引网故障行波定位方法能有效提取故障行波特征,并消除行波传播色散特性影响,定位误差<100 m。     

基于有限状态机的被动测试错误诊断

针对被动测试错误诊断算法只能推测出被测系统可能存在错误却无法准确定位错误的问题，提出了一种逐步定位系统实现错误的层次递进的方法．先利用测试序列的输入输出信息并结合错误模型生成初始诊断错误集合，再依据测试套上下文使用错误检测算法对该集合进行筛选，最后经连续观察或结合主动测试进行错误区分．实例验证结果表明，所提方法能够对绝大多数有单个实现错误的有限状态机模型进行错误定位．