H∞ fault estimation for a class of linear time-delay systems in finite frequency domain

This paper deals with the problem of H∞ fault estimation for linear time-delay systems in finite frequency domain. First a generalized coordinate change is applied to the original system such that in the new coordinates all the time-delay terms are injected by the system’s input and output. Then an observer-based H∞ fault estimator with input and output injections is proposed for fault estimation with known frequency range. With the aid of Generalized Kalman-Yakubovich-Popov lemma, sufficient conditions on the existence of the H∞ fault estimator are derived and a solution to the observer gain matrices is obtained by solving a set of linear matrix inequalities. Finally, a numerical example is given to illustrate the effectiveness of the proposed method.     

Practical integrated navigation fault detection algorithm based on sequential hypothesis testing

In detecting system fault algorithms,the false alarm rate and undectect rate generated by residual Chi-square test can affect the stability of filters.The paper proposes a fault detection algorithm based on sequential residual Chi-square test and applies to fault detection of an integrated navigation system.The simulation result shows that the algorithm can accurately detect the fault information of global positioning system(GPS),eliminate the influence of false alarm and missed detection on filter,and enhance fault tolerance of integrated navigation systems.     

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.     

Robust fault detection filter and its application in MEMS-based INS/GPS

Since any disturbance and fault may lead to significant performance degradation in practical dynamical systems,it is essential for a system to be robust to disturbances but sensitive to faults.For this purpose,this paper proposes a robust fault-detection filter for linear discrete time-varying systems.The algorithm uses H∞ estimator to minimize the worst possible amplification from disturbances to estimate errors,and H_ index to maximize the minimum effect of faults on the residual output of the filter.This approach is applied to the MEMS-based INS/GPS.And simulation results show that the new algorithm can reduce the effect of unknown disturbances and has a high sensitivity to faults.     

天线组阵频域合成方法最佳子带划分数分析

为定量分析天线组阵宽带信号频域合成方法中最佳的子带划分数,首先,介绍了频域合成方法并构建了宽带信号合成系统模型;然后,分析了点频信号条件下的合成性能;最后,通过在频域进行积分扩展,得到不同子带划分数条件下的合成损失理论公式。仿真结果表明,子带划分数越多,频域合成方法合成性能越高,但硬件开销越大。以合成损失与硬件开销为评估指标,最佳子带划分数为128。     

天线组阵频域合成方法最佳子带划分数分析

为定量分析天线组阵宽带信号频域合成方法中最佳的子带划分数,首先,介绍了频域合成方法并构建了宽带信号合成系统模型;然后,分析了点频信号条件下的合成性能;最后,通过在频域进行积分扩展,得到不同子带划分数条件下的合成损失理论公式。仿真结果表明,子带划分数越多,频域合成方法合成性能越高,但硬件开销越大。以合成损失与硬件开销为评估指标,最佳子带划分数为128。     

Iterative learning based fault detection and estimation in nonlinear systems

Aiming at a class of nonlinear systems that contains faults,a novel iterative learning scheme is applied to fault detection,and a novel algorithm of fault detection and estimation is proposed.This algorithm first constructs residual signals by the output of the practical system and the output of the designed fault tracking estimator,and then uses the residuals and the differencevalue signal of the adjacent two residuals to gradually revise the introduced virtual faults,which can cause the virtual faults to close to the practical faults in systems,thereby achieving the goal of fault detection for systems.This algorithm not only makes full use of the existing valid information of systems and has a faster tracking convergent speed than the proportional-type(P-type) algorithm,but also calculates more simply than the proportional-derivative-type(PD-type) algorithm and avoids the unstable effects of differential operations in the system.The final simulation results prove the validity of the proposed algorithm.     

方位频域滤波的机场毫米波雷达干扰抑制方法

强散射目标距离旁瓣造成的干扰, 严重影响机场跑道异物(foreign object debris, FOD) 毫米波雷达对微弱目标的检测。针对该问题, 本文基于信号频谱分布特点, 即静止目标信号的方位谱具有窄带特性, 而旁瓣干扰信号的方位谱是宽带的, 提出在方位向进行信号频域滤波的干扰抑制方法。首先在距离向使用窗函数加权方法处理, 方位向通过傅里叶变换到频域, 利用提前标定和构建的窄带带通滤波器进行滤波, 最后再变换回时域。与其他方法相比, 该方法能够在有强散射环境下获得较好的干扰抑制效果, 提高微弱目标的信杂比。93 GHz FOD雷达实测数据处理结果验证了所提方法的正确性和有效性。     

基于频域互相关序列与峰值检测的空频分组码盲识别算法

针对复杂电磁环境和非协作通信条件下空频分组码(space-frequency block codes, SFBC)信号识别困难、对先验信息要求高的问题, 提出一种基于频域互相关序列与峰值检测的SFBC盲识别方法。首先,通过分析SFBC信号的编码特点, 计算得到发送端的互相关函数。然后,考虑频率选择信道、多径传播和噪声的影响, 推导了接收信号的互相关函数, 并对其进行傅里叶变换得到频域互相关序列。最后,根据频域互相关序列检测其峰值位置识别发射端编码方式。推导和实验结果表明, 该算法在低信噪比下的识别性能较好, 并且对时间偏差和频率偏差等情况的适应性较强, 在复杂电磁环境下具有较好的识别性能, 能够应用在认知无线电和频谱检测等场合。该算法不需要知道信道和噪声的先验信息、正交频分复用(orthogonal frequency division multiplexing, OFDM)块大小以及接收端和发射端的同步信息, 非常适合于电子侦察等非协作通信场合。     

MU-MIMO单比特ADC系统中软输出检测算法

低精度量化技术能解决毫米波通信射频链高能耗问题而使相关的接收技术受到广泛关注.本文针对应用于单比特量化上行多用户多输入多输出(multiuser multiple input multiple output,MU-MIMO)系统的软输出检测(soft output detection,SOD)算法计算复杂度高的问题,针...     

基于响应估计频域拟合的通道均衡方法

阵列各个天线、射频组件等在大信号带宽下引起的响应不同,造成了通道的不一致性,使得阵列的谱估计性能严重恶化.针对内定标无法校准天线馈线、已有外校准方法的性能受噪声影响严重和盲自适应过程依赖参考信号的问题,提出基于单一外部线性调频连续三角波信号源响应估计频域拟合的通道均衡方法.首先通过滑动协方差矩阵特征值分解和已知信源的理...     

分布式MIMO-OFDM系统中的时频同步

针对分布式多输入多输出〖CD*2〗正交频分复用系统,提出一种新的训练序列及时频同步方案。在定时同步方面,它首先利用训练序列的时域共轭对称性完成粗定时同步,在此基础上进一步通过接收信号与本地时域训练序列移动相关完成细定时同步;在频率同步方面,它首先在时域利用接收信号相位差估计小数倍频偏,然后在频域利用训练序列良好的自相关性估计整数倍频偏。该方案不仅能够同时估计出各收发天线对之间的定时偏移和频率偏移,而且估计性能良好。     

基于等价空间的网络控制系统故障检测问题研究

研究了网络控制系统的故障检测问题。对于一类网络时延为不确定情况的网络控制系统,得到了系统的具有模型不确定性的离散时间模型。将等价空间故障检测方法中的等价向量扩展为等价矩阵的情况,进而可将残差产生器的设计问题归结为受线性矩阵不等式约束的多目标优化问题,并可应用线性矩阵不等式技术求解等价矩阵。同时还讨论了对残差评估问题。算例验证了提出方法的有效性。     

控制系统故障检测与诊断技术的最新进展

对故障检测与诊断(FDD)技术在控制领域的最新进展进行了综述,内容主要包括三类基本方法,即:基于解析模型的FDD、基于信号处理和基于知识的故障检测与诊断方法。重点评述了近年来发展起来的信息融合方法、多Agent方法、鲁棒故障检测、网络控制系统的故障诊断等。最后介绍了故障检测与诊断技术在控制系统中的若干应用成果,并指出尚待解决的主要问题和值得进一步研究的方向。     

基于神经网络的高并行大规模MIMO信号检测算法

随着5G和未来移动无线网络的不断发展,大规模多输入多输出(multiple input multiple output, MIMO)是其中的关键技术之一。随着天线数目的不断增加,给接收机的设计带来更高的挑战,复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism, HP)检测算法展开到神经网络中,单层神经网络基于该算法的每次迭代,并将其与可训练的权重参数和非线性神经单元相结合,提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数,进而提高检测性能。实验结果表明,所提方法相对传统最小均方误差(minimum mean square error, MMSE)算法复杂度更低,并能够得到更低的误码率;同时相对HP并行检测算法误码率性能更优。     

基于频控阵MIMO雷达的低复杂度稳健波束形成算法

频控阵(frequency diverse array, FDA)多输入多输出(multiple input multiple output, MIMO)雷达基于发射端调制而具备的距离维自由度为主瓣干扰提供了抑制方案。结合自适应波束形成算法, 频控阵MIMO雷达能有效抑制主瓣范围内欺骗干扰信号, 但存在的信号环境复杂、导向矢量失配、采样快拍不足等问题将使算法性能恶化。针对该问题,提出了一种基于频控阵的低复杂度的稳健自适应波束形成算法。仿真实验表明, 相比于其他自适应波束形成算法, 所提算法在低信噪比(signal to noise ratio, SNR)低采样快拍且存在导向矢量失配等非理想条件下形成的波束稳健性更强、计算复杂度更低, 有效实现了对目标的指示和对干扰的抑制, 克服了其他算法在非理想条件下性能恶化的问题。     

基于提升小波和递归增量聚类的实时故障诊断方法

针对复杂时变工业过程实时故障诊断问题,提出了一种基于提升小波( lifting wavelet, LW) 与递归增量聚类（recursive incremental clustering, RICLUSTER）相结合的实时故障诊断方法（lifting wavelet recursive incremental clustering, LW-RICLUSTER）。该方法首先通过LW变换对数据实时去噪,再通过RICLUSTER实时监控。由于采用LW与RICLUSTER相结合的方法,节省存储空间和运算时间的同时提高了诊断精度。实验结果表明,LW RICLUSTER集合方法能有效实现时变过程监控, 在诊断精度、速度和适应性方面,优于传统单一型CLUSTER方法。     

频率捷变雷达的扩展目标检测

本文研究频率捷变雷达的扩展目标检测问题。当频率捷变雷达的合成带宽较大时, 雷达目标会变成扩展目标, 导致雷达无法直接应用传统的恒虚警检测算法。针对这一问题, 本文建立了频率捷变雷达的扩展目标检测模型, 推导了基于广义似然比的检验统计量, 并且通过数值仿真展示了相应的检测概率和虚警概率。为了提升雷达的抗干扰能力和频谱利用率, 本文考虑了雷达只使用一部分发射频点的场景。数值结果表明, 在高信噪比下, 频率捷变雷达使用的发射频点越多、合成带宽越大时, 扩展目标检测的性能越好。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

基于时变白化滤波器的DSSS系统干扰盲检测

将循环维纳滤波应用于直接序列扩频(direct sequence spread spectrum,DSSS)系统的干扰检测,并提出了一种干扰盲检测器,称之为时变白化滤波检测器.由于DSSS信号和干扰信号具有不同的循环平稳特征,因此可以调整时变白化滤波检测器的滤波器系数,使干扰检测器的输出只包含背景噪声和干扰信号,从而实...