基于粒子滤波和检测信息的多传感器融合跟踪

从概率角度审视低检测率、低信噪比下的多传感器融合算法.首先建立传感器检测概率模型，然后计算传感器检测响应、量测信息的融合似然度，在贝叶斯框架下建立一种非线性目标基于粒子滤波器的多传感器多源信息融合算法，该算法融合了传感器的量测信息和检测响应，提高了跟踪精度蒙特卡洛仿真结果表明了算法的有效性.     

多模型方法在多传感器航迹融合中的应用

在多传感器航迹融合环境中,针对各时刻检测到目标的传感器个数不同的情况,设计了一个由4个模型构成的模型集,将跟踪门和曲线拟合理论应用于该模型集中,并针对不同模型用相匹配的滤波器进行滤波,其结果送入融合中心进行统一融合。仿真结果表明：该模型集有效解决了量测野值点的处理和单传感器定位等问题,同时验证了基于多模型多传感器航迹融合方法的有效性。     

SINS/CNS/SAR组合导航系统中的信息融合算法研究

在SINS/CNS/SAR组合导航系统中,存在量测信息时间不同步及系统容错性差的问题,为了获得高精度滤波结果,设计了一种新的信息融合算法.首先对各子系统量测信息进行野值检测,并对处理后的量测信息进行时间同步处理;然后利用SINS/CNS和SINS/SAR子滤波器分别进行局部滤波得到局部估计值,经系统容错检测后,由主滤波器对局部估计值进行自适应融合,实现全局滤波.仿真结果表明,量测信息时间同步处理可以优化系统定位精度;当系统出现量测异常时,所提出的融合算法可以有效检测故障并进行处理,状态估计值始终维持在稳态附近.新的融合算法能改善导航系统的客错性能,提高导航精度,设计方案具有重要的理论参考价值.     

基于参数估计的传感器故障诊断的改进方法

针对基于参数估计的非线性系统传感器故障诊断方法中存在的滤波稳定性差、估计精度低的缺点,提出了卡尔曼滤波与小波滤波相结合的方法.在将传感器故障参数都等效为偏差型故障参数的基础上,通过增大强跟踪滤波器算法中的量测噪声方差和系统噪声方差,使其大于实际噪声方差,以提高滤波器的稳定性和故障检测的快速性,同时引入小波滤波以提高对故障参数的估计精度.仿真实验表明,该方法较好地兼顾了滤波稳定性、估计精度及速度.     

基于强跟踪滤波的传感器故障诊断的改进方法

针对基于强跟踪卡尔曼滤波的传感器故障诊断方法中存在的滤波稳定性差、估计精度低的缺点,提出了双滤波器的方法。一个滤波器的量测噪声方差和系统噪声方差均大于实际值,它对故障的估计精度较低,但跟踪速度较快;另一个滤波器的算法中的量测噪声方差大于实际值,它对故障的估计精度较高,但跟踪速度较慢,正好与前者形成互补,然后用第一个滤波器实现故障的及时检测,用第二个滤波器实现对故障幅值的精确估计。仿真实验表明,该方法较好地兼顾了滤波稳定性、估计精度及速度。     

无反馈最优联邦信息滤波算法研究

研究了联邦信息滤波器无重置结构时的信息分配问题,基于全局融合精度最高的考虑,提出了一种根据各子系统量测信息与总的量测信息之比进行自适应调整的最优信息分配方法.与其他方法相比,该方法可使联邦滤波器获得更高的融合精度.仿真结果显示了该方法的有效性.     

基于模糊推理的多传感器数据融合方法

针对多传感器目标跟踪系统可能出现的传感器漏检现象,提出了一种基于模糊推理的消除漏检现象影响的方法。该算法根据各传感器的量测变化,及时调整参与融合的各传感器量测的数目及其加权系数,保证量测融合值的有效性。通过对两个传感器进行数据融合和目标跟踪的仿真表明,该算法是一种简单有效,有工程应用前景的数据处理算法。该方法同样适用于多于两个传感器的多传感器融合系统。     

最优加权与递推最小二乘法相结合的多传感器信息融合

为改善多个同类传感器检测目标参数的性能,提出了根据各传感器量测数据品质对量测数据加权处理,并将加权后的数据作为递推最小二乘法的实时量测值的最优加权与递推最小二乘法相结合的多传感器信息融合方法.仿真结果表明,该方法在数据处理的精确性和稳健性方面都优于普通的处理方法.     

基于一组卡尔曼滤波器信息融合的故障诊断

为了能及时准确地诊断发动机的传感器和执行机构故障,文章提出了基于一组卡尔曼滤波器信息融合的方法进行故障诊断;首先根据传感器特性设计了一组滤波器用于传感器故障诊断、隔离,每个滤波器针对一个传感器进行设计;其次根据执行机构故障特性设计了一组卡尔曼滤波器进行执行机构偏差估计,从而对执行机构进行故障诊断、隔离;接着给出了传感器、执行机构信息融合的诊断方案;最后分别给传感器、执行机构添加故障进行方案验证,仿真结果得出在传感器或者执行机构任意部件出故障的情况下,该融合方法可以有效地诊断并隔离出有故障的传感器或者执行机构。     

基于LMS算法的水下航行器传感器故障检测

为了对水下航行器控制系统的传感器故障进行在线检测,采用有限脉冲响应(FIR)滤波器对水下航行器进行在线自适应建模,利用LMS算法来调节自适应滤波器的权系数,通过对FIR滤波器权系数的分析,实时检测出系统的传感器故障.通过Matlab仿真表明,该方法简单、可靠,可对水下航行器控制系统的传感器故障进行实时检测.     

基于模糊评判的决策级信息融合算法的研究

文章针对水电故障诊断系统中普遍采用的传感器阀值判断方法引起的信息损失问题,将决策级信息融合技术应用于故障诊断系统中。在模糊综合评判技术和软判决融合结构下,提出了一种新的决策级信息融合算法。该算法以合成运算和全局决策融合来自多传感器的局部判决以获取所处理对象的综合决策分析,并通过在丰满水电仿真系统的故障诊断系统中的实际应用表明该算法优于传统的故障检测方法。     

多速率传感器不完全测量数据自适应融合算法

针对不完全测量的多速率传感器系统,建立了自适应的分级融合算法。该算法构建了传感器子系统故障检测方法,检测子系统故障,确认不完全测量,避免单点故障污染整个系统;建立子系统的切换控制逻辑,引入映射矩阵,构成新的信息分享系数,自适应地选择子系统参与中心融合;对于不完全测量信息的传感器子系统,利用子滤波预测值代替估计值进行融合;全局状态估计利用各子系统的当前与前一时刻的估计值,提高了融合性能。对建立的算法进行仿真,验证了该算法的有效性。     

传感器故障诊断中的数据关联方法与应用

基于信息融合技术中的数据关联技术 ,提出了将数据关联方法用于故障监测、报警的问题 ,改进了多传感器多模型相互作用的概率数据互联算法 ,结合某时变系统中传感器的故障诊断问题 ,进行了仿真分析 ,并讨论了这种方法在故障报警和预测预报中的应用。     

Model-reduced fault detection for multi-rate sensor fusion with unknown inputs

In multi-sensor fusion, it is hard to guarantee that all sensors work at the single sampling rate, especially in the distributive and/or heterogeneous case, and fault detection (FD) in multi-rate sensor fusion may face the existence of unknown inputs (UIs) in complex environment. Meanwhile, model reduction often refers to propose a possible lower-dimensional model to replace the original model without adding significant error in practical applications. By the fact that FD in dynamic systems should only focus on the fault-related controllability and observability characteristics, it is a good idea to obtain the fault-related controllable and observable subsystem via system decomposition (i.e., model reduction) for FD. Such a kind of model reduction not only guarantee the FD performance, but also reduce the system dimensions. To this end, we propose the model-reduced fault detection (MRFD) problem for multi-rate sensor fusion subject to UIs and faults imposed on the actuator and sensors. Our aim is to design a fast and computation-effective FD scheme based on the reduced model. We use the singular decomposition for UI decoupling, and then obtain the fault-related subsystem via controllability and observability decomposition. And then the multi-rate observer (MRO) with causality constraints is designed. Different from the traditional observer used for FD, the proposed MRO outputs the fault-related partial state estimate as soon as any a sensor measurement is received, resulting in fast and computation-effective FD. Furthermore, conditions for the existence of a stable MRO, fault-to-state controllability, and fault detectability are explored. A simulation example for simplified longitudinal flight control system and method comparison with the existing multi-rate FD algorithms show the effectiveness of the proposed MRFD method.     

基于自适应观测器的四旋翼无人飞行器传感器故障诊断方法

针对四旋翼无人飞行器传感器故障诊断问题,提出一种用于四旋翼无人飞行器加速度计和陀螺仪故障同时发生的故障检测与隔离以及故障偏差值估计的非线性诊断方法.首先,在建立飞行器动力学模型和传感器模型的基础上,构建四旋翼无人飞行器传感器故障检测与诊断系统.其次,利用故障观测器完成传感器故障的检测与隔离,基于Laypunov方法设计非线性自适应观测器对未知故障偏差值进行估计.最后,在传感器测量噪声存在的情况下,证明自适应律的稳定性和参数收敛性.实验结果表明,该方法能有效进行传感器的故障检测与隔离,实现对传感器故障偏差的估计与跟踪.     

具有多传感器的CPS系统的攻击检测

信息物理系统（cyber-physical systems，简称CPS）是基于环境感知实现计算、通信与物理元素紧密结合的下一代智能系统，广泛应用于安全攸关的系统和工业控制等领域.信息技术与物理世界的相互作用使得CPS容易受到各种恶意攻击，从而破坏其安全性.主要研究存在瞬态故障的CPS中传感器的攻击检测问题.考虑具有多个传感器测量相同物理变量的系统，其中一些传感器可能受到恶意攻击并提供错误的测量.此外，使用抽象传感器模型，每个传感器为控制器提供一个真实值的可能间隔.已有的用于检测传感器被恶意攻击的方法是保守的.当专业攻击者在一段时间内轻微地或不频繁地操纵传感器的输出时，现有方法很难捕获到攻击，如隐身攻击.为了解决这个问题，设计了一种基于融合间隔和历史测量的传感器攻击检测方法.该方法首先为不同的传感器构建不同的故障模型，使用系统动力学方程把历史测量融入到攻击检测方法中，从不同的方面分析传感器的测量.另外，利用历史测量和融合间隔解决了两个传感器的测量相交时是否存在故障的问题.该方法的核心思想是利用传感器之间的成对不一致关系检测和识别攻击.从EV3地面车辆上获得真实的测量数据来验证算法的性能.实验结果表明，所提出的方法优于现有方法，对各种攻击类型都有较好的检测和识别性能，特别是对于隐身攻击，检测率和识别率大约提高了90%以上.     

神经网络信息融合技术在故障诊断中的应用

提出了一种某机舵面系统故障诊断的方法,针对多传感器融合的特点,将相关传感器的输出数据融合,应用神经网络的非线性拟合能力扩展相关信息,信息融合诊断策略根据这些信息确定出故障,同时对故障信号进行恢复和诊断.建立了某机舵面系统故障诊断的数学模型并进行了计算机仿真,仿真实验结果表明该结构形式对于舵面常见的故障均能进行识别和告警,效果令人满意.     

Multisensor fusion fault tolerant control

In this paper, a multisensor fusion fault tolerant control system with fault detection and identification via set separation is presented. The fault detection and identification unit verifies that for each sensor–estimator combination, the estimation tracking errors lie inside pre-computed sets and discards faulty sensors when their associated estimation tracking errors leave the sets. An active fault tolerant controller is obtained, where the remaining healthy estimates are combined using a technique based on the optimal fusion criterion in the linear minimum-variance sense. The fused estimates are then used to implement a state feedback tracking controller. We ensure closed-loop stability and performance under the occurrence of abrupt sensor faults. Experimental validation, illustrating the multisensor fusion fault tolerant control strategy is included.