基于粒子滤波的改进算法

通过将粒子滤波算法与无迹卡尔曼滤波算法相结合,提出一种用于解决非线性、非高斯系统估计的改良粒子滤波算法.该算法在经典粒子滤波的基础上,利用无迹卡尔曼滤波生成更能够逼近真实后验概率分布的重要函数.实验结果表明,这种算法在预测结果收敛性能方面明显优于标准粒子滤波、广义卡尔曼滤波和无迹卡尔曼滤波等现有的非线性滤波器.     

基于卡尔曼滤波器的涡轴发动机气路部件性能估计

以某型涡轴发动机为研究对象,提出了基于卡尔曼滤波器的方法进行发动机气路部件性能诊断。结合发动机实际运行情况,讨论了参数的合理选择以及非线性模型线性化程度对卡尔曼滤波结果的影响,考虑到非线性模型与真实发动机之间存在的建模误差会导致卡尔曼滤波器诊断失效,本文采用加入神经网络模块来补偿建模误差的方法,使模型能够真实反映发动机工作状况。实验表明,此方法可以提高故障诊断系统的置信度。     

基于双层改进无迹卡尔曼的曲轴信号修正算法

对发动机曲轴信号的精确识别是控制发动机喷油时刻及相位识别的重要方法,在发动机实际工作状态中,曲轴干扰信号会降低发动机相位识别及喷油时刻的准确性.提出了针对发动机曲轴信号的双层改进无迹卡尔曼滤波DLIUKF(Double Layer Improve Unscented Kalman Filter)修正算法,低层利用采样策略逼近非线性分布的方法对曲轴转角和曲轴齿下降沿脉宽进行预测,后通过高层无迹卡尔曼滤波算法对曲轴平均转速进行最优化估计,该方法用于对发动机曲轴原始信号的干扰信号去除及提高曲轴齿计数值的准确性.结果表明,在仿真实验中,双层改进无迹卡尔曼滤波(DLIUKF)修正算法相较原始信号故障率下降17.8％,抗干扰信号能力较强,与EKF(Extended Kalman Filtering)拓展卡尔曼滤波相比逻辑判断时间下降了1.31 s.通过台架实验证明双层改进无迹卡尔曼滤波(DLIUKF)修正算法能有效消除发动机曲轴干扰信号,其优越的抗干扰能力,提高了发动机运行稳定性.     

Student’s t滤波框架下的信息融合算法

针对多传感器系统的观测噪声为非高斯噪声的问题,通过Student’s t滤波框架和四元数特性相结合,以无迹变换计算Student’s t加权积分函数,设计基于Student’s t分布的无迹四元数滤波算法,作为局部滤波算法. 利用拉格朗日乘子法计算最优融合权重系数,通过线性加权融合的方式,对各局部滤波结果进行融合. 采用基于四元数的目标姿态运动模型进行仿真,利用3个星敏感器同时对同一目标进行观测,通过与已有的鲁棒无迹Student’s t滤波（RSTUF）算法对比,验证所提算法的有效性. 仿真结果表明：所提算法在对目标姿态的估计精度、滤波收敛速度及收敛后的数值稳定性方面均高于RSTUF算法;通过多个观测信息互补,提高了估计精度及容错性.     

基于力矩的发动机建模和速度跟踪控制

基于发动机力矩控制的思想,通过对发动机实际物理模型和相关脉谱图数据的分析,建立了一个非线性的发动机模型.在模型的基础上,充分考虑模型参数的不确定性因素,设计了一个反馈线性化的发动机速度控制器,并利用积分器对系统进行增广,以减少速度跟踪的稳态误差.模型设计的控制器在enDYNA发动机模型上的仿真表明,所设计的控制器能够达到理想的控制性能.     

一种改进的粒子滤波算法

针对标准粒子滤波算法存在的粒子退化现象而导致滤波精度低的问题,研究了容积粒子滤波算法,利用最新提出的容积卡尔曼滤波算法,在粒子滤波观测更新过程中计算分布函数的均值和方差,得到能够更准确的表示概率密度函数真实分布的重要性密度函数.仿真结果表明,较之于标准粒子滤波和无迹卡尔曼滤波算法,容积粒子滤波算法滤波精确度更高,是一种理想的非线性滤波估计策略.     

基于粒子滤波的神经网络学习算法

为了克服一般神经网络学习方法易陷入局部极小值的缺陷,提出一种新的基于粒子滤波的神经网络学习算法.采用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)产生粒子,以较少的粒子逼近状态的后验概率分布,搜索到经验风险函数的最小值.此方法适用于在线的、非线性的、非高斯的神经网络学习.仿真结果表明,该学习方法与同类方法相比,性能明显提高.     

基于无迹粒子滤波的电网动态谐波估计

提出一种基于无迹粒子滤波(unscented particle filter,UPF)算法的电网动态谐波估计方法.通过无迹卡尔曼滤波算法得到电网动态谐波状态量的估计值和协方差,运用这些结果改进传统粒子滤波算法的重要密度函数,采用粒子滤波算法得到电网动态谐波的最优估计值.该方法克服了无迹卡尔曼滤波算法(unscented Kalman filter,UKF)对噪声要求为高斯分布的限制和传统粒子滤波(particle filter,PF)算法易退化的缺点,保留了UKF对非线性问题的较好处理和PF强抗干扰性能力.仿真结果表明,在高斯噪声和非高斯噪声情况下,UPF算法得到的电网动态谐波幅值、相位的估计值都更接近真实值.     

一种改进的航空发动机剩余寿命预测方法

针对传统的发动机剩余寿命预测方法因为假定机队中所有发动机有相同的性能衰退模式,导致预测精度不高的问题,在分析发动机排气温度裕度数据的基础上,提出基于性能衰退模式的发动机剩余寿命预测方法．对发动机排气温度裕度粗大误差的处理进行了研究,定义了排气温度裕度时序数据的距离,给出了性能衰退模式挖掘步骤,采用CFM56-5B发动机的排气温度裕度时序数据对提出的方法进行了验证．结果表明,提出的方法与基于机队EGTM平均衰退率的预测方法相比,平均相对误差减少了2.5%。基于性能衰退模式的发动机剩余寿命预测方法可以为发动机拆发期限预测和维修计划制定提供可靠的支持．     

面向涡扇发动机状态评估的健康因子构建方法

针对涡扇发动机监测数据维度高、存在大量噪声、退化机理复杂、难以构建用于状态评估的有效健康因子的问题，对原始数据做卡尔曼滤波以滤除传感器信号中的噪声，通过采用线性方法主成分分析和非线性方法堆叠自编码器对滤波后的数据做降维处理，提取出能够表征发动机退化的一维综合健康因子，并在C-MPASS数据集上进行了实例分析。结果表明，以上两种方法均可很好地提取健康因子，可为涡扇发动机的状态评估提供有效支撑。     

涡扇发动机整机环境下压缩部件稳定工作边界计算方法

基于部件匹配技术的涡扇发动机非设计点性能计算模型和基于李亚普诺夫稳定性理论的压缩部件气动稳定性评定模型有机的耦合,实现了发动机整机环境下的压缩部件气动稳定性评定,使得该模型成为一种实用的涡扇发动机压缩部件气动稳定性分析模型。以某型涡扇发动机为例,计算比较了均匀进气时发动机整机环境和单独部件评定时压缩部件稳定工作边界的异同,从计算结果可以看到,均匀进气条件下,无论是风扇部件,还是压气机部件,在发动机环境下和单独部件环境下所得到的稳定工作边界基本相同,即发动机进口气流如果均匀,则风扇或压气机的稳定工作边界与稳定性评定环境无关。     

国产航空发动机外形及结构高度仿真模型构建的方法研究

航空发动机外形的模型构建方式已有很多种,其效果也不尽相同,但针对航空发动机外形、内部构造,以及工作原理的高度仿真方面的研究较少着重介绍了国产航空发动机外形高度仿真模型表达的需求及操作方法,通过对各类软件的总体介绍和应用方法分析,展示了国产航空发动机通过高度仿真模型表达后的效果及优势,详细阐述了实际上机操作方法、具体应用名称、静态及动态应用演示表达等过程,并对操作过程进行了模块化流程分析图解操作效果表明,该方法切实有效,已实际应用于多个项目中。     

航空发动机转子振动主动控制系统的综合设计

针对航空发动机转子振动控制的主要目的，将控制力分成三个分量，分别用于调整临界转速、抵消不平衡量、提供主动阻尼，并对各分量独立设计其最优控制律，然后对线性转子系统实施综合控制．仿真结果表明，控制力如此分工是合理可行的，综合控制的抑振效果十分显著。     

一种结合UKF的疲劳结构剩余寿命预测方法

针对机械系统中疲劳结构的剩余寿命(RUL)预测问题,提出了一种结合无迹卡尔曼滤波算法(UKF)的RUL预测方法.该方法包括疲劳裂纹性能参数评估和RUL预测两个部分.在性能参数评估部分,通过对Paris疲劳裂纹扩展公式进行离散化,建立了参数状态空间评估模型,并利用传感器获得的实时状态信息结合UKF算法对状态空间评估模型中的疲劳性能参数(C和m)以及疲劳裂纹长度表现出的不确定性进行评估,以避免状态信息不完备、工况噪声等不确定因素对结构疲劳寿命预测的影响;在剩余寿命预测部分,利用UKF算法评估得到的参数结果,结合离散化得到的递推裂纹扩展模型,对结构的剩余寿命进行预测.仿真结果表明:提出的方法能够很好地处理疲劳裂纹扩展模型中疲劳性能参数的不确定性,且在剩余寿命预测上,通过与扩展卡尔曼滤波算法(EKF)进行比较分析,发现所提方法能够更准确地预测结构疲劳裂纹的RUL.将离散的Paris疲劳裂纹扩展公式和UKF算法进行结合,能够有效地提高疲劳结构的剩余寿命预测精度.     

油冷柴油机的经济性与热负荷研究

提出了一种简单易行的油冷却方法,在一台小型高速直喷式油机上,通过对燃烧室壁面稳态温度和瞬态温度的测试得出结论:油冷后稳态壁温升高,瞬态壁温波动减小;油冷后取得的高温冷却效果,使部分负荷时传热损失减小,燃料经济性得到改善。     

EKF和UKF在非线性组合导航系统中的对比研究

采用组合导航系统在对目标的位置、航向进行测量时,其状态模型和观测模型中存在非线性问题,采用基于EKF和UKF的非线性滤波算法以改善传统Kalman滤波的估计精度,并保证算法收敛性.通过建立组合导航的状态方程和量测方程,分别采用EKF和UKF对状态方程中的非线性部分进行离散化,仿真实验结果表明,采用基于UKF的非线性导航算法能有效提高导航位置精度和系统稳定性.     

A new optimal approach to segmentation of 2D range scans to line sections

In order to obtain a compact and exact representation of 2D range scans, UKF (unscented Kalman filter) and CDKF (central difference Kalman filter) were proposed for extracting the breakpoint of the laser data. Line extraction was performed in every continuous breakpoint region by detecting the optimal angle and the optimal distance in polar coordinates, and every breakpoint area was constructed with two points. As a proof to the method, an experiment was performed by a mobile robot equipped with one SICK laser rangefinder, and the results of UKF/CDKF in breakpoint detection and line extraction were compared with those of the EKF (extended Kalman filter). The results show that the exact geometry of the raw laser data of the environments can be obtained by segmented raw measurements (combining the proposed breakpoint detection approach with the line extraction method), and method UKF is the best one compared with CDKF and EKF.     

Anomaly detection of hot components in gas turbine based on frequent pattern extraction

Hot components operate in a high-temperature and high-pressure environment. The occurrence of a fault in hot components leads to high economic losses. In general, exhaust gas temperature(EGT) is used to monitor the performance of hot components.However, during the early stages of a failure, the fault information is weak, and is simultaneously affected by various types of interference, such as the complex working conditions, ambient conditions, gradual performance degradation of the compressors and turbines, and noise. Additionally, inadequate effective information of the gas turbine also restricts the establishment of the detection model. To solve the above problems, this paper proposes an anomaly detection method based on frequent pattern extraction. A frequent pattern model(FPM) is applied to indicate the inherent regularity of change in EGT occurring from different types of interference. In this study, based on a genetic algorithm and support vector machine regression, the relationship model between the EGT and interference was tentatively built. The modeling accuracy was then further improved through the selection of the kernel function and training data. Experiments indicate that the optimal kernel function is linear and that the optimal training data should be balanced in addition to covering the appropriate range of operating conditions and ambient temperature. Furthermore, the thresholds based on the Pauta criterion that is automatically obtained during the modeling process, are used to determine whether hot components are operating abnormally. Moreover, the FPM is compared with the similarity theory, which demonstrates that the FPM can better suppress the effect of the component performance degradation and fuel heat value fluctuation. Finally, the effectiveness of the proposed method is validated on seven months of actual data obtained from a Titan130 gas turbine on an offshore oil platform. The results indicate that the proposed method can sensitively detect malfunctions in hot components during the early stages of a fault, and is robust to various types of interference.     

基于模型的汽车发动机速度滚动优化控制

基于力矩的发动机控制思想,利用实际物理模型和脉谱图数据,建立了发动机速度控制的分段线性化模型,模型充分考虑了系统的外部干扰和执行器饱和约束。提出了一种带有新的优化上界的鲁棒滚动时域优化控制策略,并应用于发动机速度控制,在保证发动机速度跟踪稳定的同时,系统具有一定的燃油经济性和抗干扰能力,并且控制输入进气在节气门工作范围之内。在商业化的发动机模型EnDYNA上的仿真结果表明,设计的控制器能够达到理想的控制性能。