神经网络辅助的组合导航系统仿真研究

针对高空长航时无人机(High Altitude and Long Endurance Unmanned Aerial Vehicle,HALEUAV)的特点,提出一种SINS/GPS/北斗/DVS组合导航系统总体方案,并建立其联邦滤波器模型。在分析常规联邦滤波局限性的基础上,研究了基于子系统精度变化的信息分配系数自适应修正算法,设计了神经网络辅助联邦滤波的改进算法。仿真结果表明,改进滤波算法改善了数值计算的稳定性及系统的容错性,有效提高了导航精度,系统可满足无人机的导航要求。     

基于非线性映射的自适应混合Kalman/H∞滤波器

Kalman滤波器的精度高,但是鲁棒性差。H∞滤波器虽然鲁棒性好,但是精度不高,将两种滤波器进行混合获得新的滤波器可同时具备高精度和对干扰噪声的鲁棒性。通过对Kalman滤波器的实时性能评价,提出了一种基于非线性映射的自适应调节权值混合Kalman/H∞滤波器,并通过全球定位系统/推位组合导航模型对提出的方法进行了仿真验证。仿真结果表明,在干扰噪声统计特性变化和系统模型存在摄动条件下,与Kalman滤波和H∞滤波方法相比,所提出的混合Kalman/H∞滤波方法具有更高的滤波精度,更适用于实际应用。     

改进的DGPS/INS/视觉组合导航算法研究

为了满足智能车辆的高精度、实时性和高可靠性的自主导航的需要,提出了一种GPS/机器视觉共同辅助SINS的多采样的智能车辆组合导航算法。该算法不仅包括GPS和SINS形成的位姿速度观测信息,还包括机器视觉形成的位置观测信息。在子滤波器中采用自适应选权滤波算法,抑制了滤波发散,提高了滤波精度。还提出了一种改进的基于估计协方差阵的奇异值分解的动态自适应调节信息分配系数的算法,可有效提高系统的状态估计精度。通过仿真实验验证,该导航系统能为智能车辆提供丰富的导航信息,实现了厘米级的导航精度和容错性,即使在GPS出现较长时间的中断时,仍能为智能车辆提供可靠的导航信息。     

基于强跟踪滤波器的自适应常加速模型及跟踪算法

建立目标机动模型是传感器目标跟踪数据处理中的一个重要环节.为了克服"当前"统计模型对非机动目标和常加速模型对机动目标跟踪性能较差的缺陷,通过对"当前"统计(CS)模型的分析研究,在常加速(CA)模型的基础上提出了一种基于强跟踪滤波器的自适应常加速模型及跟踪算法(ACA-STF).该算法利用速度预测估计与实时速度估计间的偏差进行自适应方差调整,并通过引入强跟踪滤波器(STF)的渐消因子,实时调节滤波器增益,从而提高了跟踪精度,增强了系统对突发机动的自适应跟踪能力.理论分析和仿真结果表明对于非机动和机动目标,该算法比"当前"统计模型算法具有更高的跟踪精度.     

基于自适应航迹融合算法的GPS／SINS紧组合导航系统研究

针对开环校正GPS/INS组合导航系统卡尔曼滤波器在长时间工作条件下滤波精度下降的问题,提出了基于自适应航迹融合算法的紧组合GPS/INS导航系统方案.设计了一个与GPS/INS滤波器并行的独立GPS滤波器,利用自适应航迹融合算法对两个滤波器输出的局部航迹进行融合,从而得到系统航迹.数学仿真结果表明,该方案能够有效提高导航系统的导航精度和容错能力.     

基于模糊推理的机动目标跟踪

针对"当前"统计模型算法对目标强机动时跟踪精度下降的问题,提出一种改进算法。该算法在"当前"统计模型的基础上,采用双滤波器并行结构,提取目标的状态信息,使用模糊推理的方法求解调节因子,通过调节因子实时调整滤波器的预测协方差,在保证对目标弱机动跟踪精度的同时,提高了目标发生强机动时的跟踪精度。仿真结果表明目标强机动时,该算法的跟踪精度明显高于"当前"统计模型算法。     

多模型高精度组合导航算法研究

针对复杂操作环境所引起的INS/GPS组合导航系统模型参数变化导致单一固定参数滤波器精度降低问题,提出了多模型自适应Kalman滤波算法,并与单一模型下的Kalman滤波器方法进行了比较。仿真结果表明,相对于单一模型的Kalman滤波算法,该算法能大大提高导航系统的精度和可靠性。     

自适应联邦H∞滤波在水下组合导航系统中的应用

为了提高自主水下航行器组合导航系统精度,选择了捷联式惯性导航系统、多普勒速度声纳、电子磁罗经和海底地形匹配作为水下航行器组合导航系统导航传感器,建立了水下航行器组合导航系统的状态模型和导航传感器观测模型,提出了一种基于RBF神经网络进行联邦滤波信息分配的自适应联邦滤波信息融合方法并进行了计算机软件仿真试验,仿真实验结果表明:采用RBF神经网络进行信息分配系数的自适应调整的改进自适应联邦滤波器的水下航行器组合导航系统的导航姿态、速度和位置精度得到了提高,满足高精度水下组合导航的要求.新型信息融合方法克服了传统滤波容易发散的缺点,有效地提高了水下航行器组合导航系统的容错性能和导航精度.     

基于交互多模型的分组δ-广义标签多伯努利算法

为了解决马尔科夫跳变系统广义标签多伯努利滤波器在多机动目标跟踪场景需要计算大量模式假设分支,并且需要频繁对假设分支进行剪枝,导致算法存在计算量过高并且影响跟踪精度的问题,提出一种基于交互多模型的分组δ-广义标签多伯努利滤波器。滤波器采用航迹分组策略,不同组的航迹独立进行关联映射与分支权重计算,降低了关联的计算复杂度,可以实现不同航迹组之间并行滤波。另外,为了处理机动目标场景引入交互多模型,给出基于交互多模型的分组滤波递推方程。仿真结果表明,所提出的滤波器跟踪精度更高,计算速度更快,可以用于跟踪多个机动目标的场景。     

基于量子遗传算法的滤波器参数优化

针对传统模拟滤波器设计对于较为复杂的目标需求往往精度与效率均较差的问题,提出一种基于量子遗传算法(quantum genetic algorithm,QGA)的模拟滤波器优化设计方法。量子遗传算法是量子计算理论与进化理论相结合的产物,同传统遗传算法(classical genetic algorithm,CGA)相比具有种群多样性好、收敛速度快和全局寻优能力强的特点。引入QGA算法对滤波器参数进行寻优。通过采用自适应的量子旋转角调整策略并引入量子交叉、变异及群体灾变操作,提高了算法的搜索效率,降低了算法出现早熟的可能性。实例计算表明了算法在该类问题中的有效性和可行性。     

基于人工蜂群优化的支持向量回归预测方法

针对支持向量回归（support vector regression, SVR）预测方法的参数选择影响其预测效果的问题,提出了一种基于人工蜂群算法的SVR预测模型的参数优化方法,实验结果表明,与传统的粒子群优化算法相比,人工蜂群优化的SVR预测方法能够更有效地克服局部最优解,具有更高的预测精度。将该方法应用于故障状态下飞行器动力装置的滑油金属元素含量时间序列分析,成功地预测出磨损故障的发生。     

基于故障概率的联邦滤波鲁棒信息分配方法

考虑到故障隔离后故障信息的影响一般需要一段时间才能够消除,研究了当某个子系统发生传感器故障时,其他具有不同信息分配系数的无故障子系统的鲁棒性问题.基于理论分析提出了一种鲁棒信息分配思想,并指出了该思想应当满足的信息分配系数关系.然后给出了一个信息分配系数的专家自适应调整方法,即基于子系统在不同环境下可能发生的故障概率,建立相应的调整规则进行信息分配.从概率的角度,根据这种方法可使其他无故障子滤波器具有较强的抗干扰能力,从而使重构的联邦滤渡器快速输出不含故障信息的融合结果.理论分析和仿真说明该方法是可行的.     

容差电路故障诊断的模糊屏蔽字典法

提出了一种可用于诊断容差模拟电路软故障与多故障的模糊屏蔽字典法。基于网络分析与支路屏蔽的原理,分析计算了容差对端口特征量的影响,据此提出了故障阈值函数与故障判据,以实现容差电路的准确故障检测。然后通过构造合适的故障隶属函数来实现故障定位,有效地避免了故障因素与容差因素的相互交叠,大大降低了故障与容差间的模糊性。仿真试验表明,该法故障定位准确性高。     

Multiobjective fault detection and isolation for flexible air-breathing hypersonic vehicle

An application of the multiobjective fault detection and isolation (FDI) approach to an air-breathing hypersonic vehicle (HSV) longitudinal dynamics subject to disturbances is presented. Maintaining sustainable and safe flight of HSV is a challenging task due to its strong coupling effects, variable operating conditions and possible failures of system components. A common type of system faults for aircraft including HSV is the loss of effectiveness of its actuators and sensors. To detect and isolate multiple actuator/sensor failures, a faulty linear parameter-varying (LPV) model of HSV is derived by converting actuator/system component faults into equivalent sensor faults. Then a bank of LPV FDI observers is designed to track individual fault with minimum error and suppress the effects of disturbances and other fault signals. The simulation results based on the nonlinear flexible HSV model and a nominal LPV controller demonstrate the effectiveness of the fault estimation technique for HSV.     

基于多特征云关联度的容差电路诊断算法

针对容差模拟电路故障诊断中存在的模糊性和随机性问题,提出了一种基于多特征云关联度的诊断算法。首先,结合模拟电路自身特性,提出与之相适合的组合云模型。之后,通过构建云关联矩阵,对不同电路特征的云隶属度进行综合评价。考虑到不同特征对总体云关联度的贡献不同,根据特征类内和类间散度对云关联度矩阵进行加权。最后,通过求取待识别特征向量与各故障模式的云关联序列,实现对电路故障的识别诊断。实例分析表明,所提方法在容差条件下对电路软故障有较高的诊断效率。     

一种基于多级信息融合技术的系统故障诊断方法

采用多级信息融合思想,利用系统故障症状的分散性,提出了一种新的系统故障诊断方法。首先,我们采用多传感器同源数据融合来保证量测信号的准确可靠;然后,利用同一故障在系统中的不同表现症状,采用模糊积分融合,融合输出为相对应的故障诊断结果。最后对燃气轮机的多部位故障诊断进行了仿真研究,结果较为理想。     

三段判别域与最小二乘拟合的抗差滤波算法

组合导航系统卫星信号在传播过程中容易受到干扰导致卫星导航观测值出现故障。对于此问题, 提出一种基于最小二乘拟合原理的抗差滤波算法, 根据检测量的分布状态将故障分为三段判别域, 分别为无故障、偏差和超差的情况。无故障时不做处理, 出现偏差时对观测值进行降权处理, 对于超差情况, 用前几个时刻的观测值组成的拟合函数进行一个时刻的外延, 代替当前时刻的故障观测值。仿真结果表明, 三段判别域相对于两段判别域多了对偏差情况的处理, 提高了导航精度。连续时间内发生超差情况时, 相比于使用降权法, 基于最小二乘拟合的抗差滤波算法导航精度更高, 稳定性更好。     

基于电压增量的非线性模拟电路软故障诊断

基于节点电压增量关系方程理论,根据高阶故障对低阶故障的覆盖性,并结合替代原理,提出了一种可以诊断非线性模拟电路软故障的字典法,将仅应用于线性模拟电路软故障诊断的方法推广到了含有少量非线性元件的模拟电路。将非线性元件作为一个整体,利用节点电压增量关系方程的线性相关系数作为统一故障特征,实现了电路中非线性元件和线性元件集的硬故障、软故障、单故障和多故障的诊断。给出了含有单个或多个非线性元件的电路诊断方法,并用最小距离法对容差做了相应的处理,最后通过仿真实例证明了该诊断方法的有效性。     

ToMFIR-based fault detection approach in frequency domain

This paper is to explore further results for total measurable fault information-based residual (ToMFIR) approach to fault detection in dynamic systems. The ToMFIR contains the essential fault information and remains unaffected by control actions in a closed-loop system. It is composed of controller residual and output residual and some of further results are developed in frequency domain. Besides the ability of detecting actuator and sensor faults, it is able to detect faults/failures resulting from the computer used for control purpose that generates control signals. Currently, all of existing fault detection schemes cannot achieve the same task at all. A practical DC motor example, with a PID controller, is used to demonstrate the effectiveness of the ToMFIR-based fault detection. A comparison with the standard observer-based technique is also provided.     

Possibilistic entropy-based measure of importance in fault tree analysis

With respect to the subjective factors and nonlinear characteristics inherent in the important identifi-cation of fault tree analysis (FTA), a new important measure of FTA is proposed based on pcesibilistic information entropy. After investigating possibilistic information semantics, measure-theoretic terms, and entropy-like models, a two-dimensional framework has been constructed by combining both the set theory and the measure theory. By adopting the possibilistic assumption in place of the probabilistic one, an axiomatic index of importance is defined in the possibility space and then the modelling principles are presented. An example of the fault tree is thus provided, along with the concordance analysis and other discussions. The more conservative numerical results of importance rankings, which involve the more choices can be viewed as "soft" fault identification under a certain expected value. In the end, extension to evidence space and further research perspectives are discussed.