基于深度卷积神经网络的地磁导航方向适配性分析

针对地磁导航方向适配性分析时人工提取的特征主观性较强且难以表达深层的结构性特征的问题,提出一种基于深度卷积神经网络(convolutional neural network,CNN)的地磁导航方向适配性分析方法.首先,利用Gabor滤波器的方向选择特性建立了6个典型方向的适配特征图;然后,设计了卷积神经网络对深层次的方向适配特征进行提取,并通过混和粒子群算法(hybrid particle swarm optimization,HPSO)对卷积神经网络的训练参数进行优选;最后,通过仿真实验对所提方法进行了验证.结果表明,该方法可有效避免复杂的计算以及人工特征提取的盲目性,实现了地磁导航方向适配性分析的自动化,且所提方法的准确率高于传统的BP网络和支持向量机,对地磁导航和航迹规划具有指导意义.     

固定翼飞机动力学模型的子空间辨识方法

针对子空间模型辨识(SMI)方法这类线性模型辨识技术存在的建模误差,提出一种两阶段固定翼飞机飞行动力学模型辨识方法.首先采用基于辅助变量的闭环SMI方法辨识飞机的近似线性模型;然后,利用该模型构建扩张状态观测器,从而估计出系统中的非线性动态数据;在此基础上,进一步采用神经网络建立系统非线性动态的分散式模型.最后,利用B747飞机6自由度非线性模型进行系统辨识实验,所得结果验证了该方法的有效性.     

采用改进分布式模型的传感器故障隔离方法

针对基于分布式模型的传感器故障隔离方法中传统模型结构的不足,从模型结构和建模精度两个方面提出一种改进方法.首先针对传统模型结构直接将传感器输出作为模型输入,易导致故障虚警的问题,给出一种时间窗交互预测的改进结构;然后采用神经网络作为建模工具,设计了结合粒子群算法和梯度法的网络训练方法,以克服梯度法局部最优的缺陷.以B747飞机模型为诊断对象,通过分别设置攻角传感器和俯仰角速度传感器发生漂移或恒偏差故障,对比验证了所提方法的有效性.     

一类参数不确定非线性系统的故障检测与重构

飞行器在全包络上表现出明显的气动参数不确定性,以某无人机纵向模型为研究对象,提出一种不确定参数在线估计的自适应观测器故障重构方法。首先,将系统状态方程描述为一类带时变参数的仿射非线性结构,在参数增广系统能观性分析基础上,采用增广容积卡尔曼滤波(augmented cubature Kalman filter, ACKF)算法实现气动参数在线估计,以克服鲁棒性死区故障检测方法的保守性,提高检测灵敏度。其次,将所估计参数用于自适应观测器设计,由于Lie导数分析方法保证了对象系统的能观性,故系统不必满足文献方法中的特定规范形式;在此基础上,给出了故障检测自适应阈值和故障参数调节律,并分析了估计误差的收敛性。仿真实验表明了所提方法的有效性。