基于小波模糊神经网络的陀螺仪故障诊断技术

为了提高陀螺仪故障检测灵敏度，分析了陀螺漂移特性，指出随机漂移是影响陀螺仪精度的主要漂移误差，也是影响性能可靠性的主要因素．针对此，提出了一种小波模糊神经网络故障诊断模型．此模型运用串联方式将小波分析、模糊逻辑和神经网络融合在一起，充分发挥它们各自的优点，并对陀螺仪实测数据仿真．仿真结果表明，采用小波分析提取陀螺的常值漂移，简单有效；运用神经网络对陀螺的误差和故障建模，使故障诊断具有自适应、自学习的能力，并互增强了故障诊断的容错能力；将模糊逻辑用于判决中，使判决结果更加可靠．     

一种新型的基于灰色模型的动调陀螺随机漂移建模方法

为了减少动调陀螺仪(DTG)随机漂移的建模误差，提出了一种基于灰色理论的新型混合建模方法．此方法将小波分析理论引入到灰色模型中，旨在提高单变量一阶灰色模型GM(1，1)的建模能力．原始的DTG漂移数据首先经小波变换处理后，其冲击干扰噪声被抑制，然后用预处理后的漂移数据建立灰色模型，最后再施以小波逆变换．用实测的DTG漂移数据对此方法的有效性进行验证，结果表明该混合建模方法能够给出满意的建模特性．     

静电陀螺可控式被动阻尼的实验研究

针对静电陀螺球形转子的极性不确定性,本文作者曾提出采用可控式被动阻尼方案解决这一问题。本文叙述该方案的实验研究,着重对实施中的有关技术问题作较为详尽的分析,并介绍极性控制器和极性控制试验情况。实验证明,可控式被动阻尼对解决静电陀螺球形转子的极性倒置问题具有实用价值。     

静电陀螺支承系统的内模控制

针对静电陀螺支承系统超前-滞后PID控制器参数确定过程的复杂性,引入反馈控制器处理不稳定对象,处理后的对象采用一种改进的内模控制方法,推导了内模控制静电支承控制器的传递函数和系统闭环传递函数.结果表明,控制器可由新的稳定对象的逆、不稳定分量和一个低通滤波环节相乘得到,确定过程简单.给出了MATLAB环境下的仿真实验,仿真结果表明,采用内模控制的静电陀螺支承系统跟踪无静差,控制效果良好.     

卫星姿态测量系统的故障诊断技术

以挠性陀螺仪、红外地平仪和太阳敏感器组成的对地观测卫星的姿态测量系统为对象,研究了该系统传感器硬件故障的诊断技术．在给出系统方程的基础上,对传感器的故障作了假设,并对该系统进行基于广义简化滤波器（多重滤波器）故障诊断方法的应用．该方法利用测量系统自身的卡尔曼滤波器,故只需增加有限的计算量．结果表明,这一方法有较好的实时性和较高的故障检出率,有利于卫星姿态测量系统可靠性的提高和高精度卫星的研制．     

遗传算法在DGPS动态整周模糊度解算中的应用

在基线长度已知的情况下，利用零空间约束动态求解GPS（Global Positioning System）双差整周模糊度，进行解的去相关后，应用改进的遗传算法在整周模糊度空间内寻优。根据实测算例解算结果表明，该改进的遗传算法在较少种群数时获得了较好的搜索结果。     

基于模糊逻辑的Markov链模型辨识方法

提出一种采用模糊Markov模型(FMM)，根据系统实际输入一输出建模的新方法，用于线性及非线性的随机动态系统辨识．讨论了动态系统的Markov链描述，给出了一阶受控Markov链的具体描述及其转移概率矩阵的计算方法；在传统模糊系统的基础上，探讨了建立FMM的方法，给出了FMM的仿真框图和建模的具体步骤；并给出了随机动态系统仿真的应用实例．基于模糊逻辑的Markov链模型解决了传统模糊系统不能处理随机现象的问题，同时也提高了Markov链模型辨识的速度．     

惯性器件长期贮存性能可靠性灰色马氏链预测

为了及时掌握武器系统惯性器件的性能，并为延长其使用寿命及维修提供依据，对其进行贮存可靠性评估和预测非常必要．讨论了一种灰色马氏链预测模型的建模方法，此方法兼具灰色模型和马氏链模型的优点，它不仅充分利用了灰色模型动态建模思想，来预报可靠性数据总体趋势，并且根据此总体趋势，进行状态的划分，从而大大克服了马氏链状态矩阵运算量大的缺点，而且拓宽了灰色模型的应用范围，使其适合于波动性较大的随机数据列的预测．最后，对某型导弹速率陀螺仪贮存性能可靠性进行估计，并进行灰色马氏链预测．     

组合导航智能信息融合自适应滤波算法分析

针对当前自适应组合导航系统算法的研究趋势,总结了卡尔曼滤波技术的缺陷和利用智能融合技术提高滤波器性能的设计思想。对模糊控制自适应算法(FIR AKF)、神经网络自适应算法(NN AKF)和自适应神经网络模糊推理自适应算法(ANFIS AKF)进行了分析。着重研究FIR AKF采用滤波器新息序列和外系统状态的模糊控制器关键的模糊规则设计问题;分析NN AKF在组合导航系统模型调整、故障检测和隔离中的应用方法,并给出ANFIS AKF利用神经网络自动生成推理规则和建立自适应组合导航系统的基本方法。     

基于模拟回火退火的DT-MR图像平滑和估计

在采用高斯-马尔可夫随机场(GMRF)对扩散张量磁共振成像(DT-MRI)的原始图像进行平滑和估计时,要根据Bayes准则对图像灰度进行最大后验(MAP)估计.为了避免陷入局部最小的“陷阱”和减小计算量,MAP估计采用了模拟回火退火方法(STA).通过对未加权图像和不同梯度脉冲下的加权图像(共7幅)同时进行平滑和估计.结果表明,基于STA对图像进行平滑和估计能够大大减少噪声影响,从而在图像信噪比很低的情况下仍能保证张量场完全正定.把本方法的实验结果与传统模拟退火(SA)方法的结果进行比较,表明基于STA的方法能够更加有效地消除噪声影响,减小计算量.