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。     

基于STF和小波阈值去噪的无人直升机故障诊断

针对微小型无人直升机传感器工作环境恶劣,易出现性能不稳定并引发故障,且受噪声干扰较大的问题,提出了基于强跟踪滤波器(STF)和小波阈值去噪相结合的故障诊断方法.利用强跟踪滤波理论,将系统的参数扩展为状态变量,构造故障观测器,得到系统状态与参数的联合估计,同时采用小波阈值去噪方法对进入滤波器中的量测信息进行实时去噪处理,提高估计精度,实现了故障的实时诊断.通过微小型无人直升机在悬停飞行状态下的仿真实验,证明了该方法的有效性.     

基于强跟踪滤波器及小波变换的非线性系统参数辨识及应用

本文采用强跟踪滤波器为主要框架, 通过线性化和状态扩展解决非线性系统时变参数和状态的估计问题. 在普通强跟踪滤波器的基础上, 以小波变换估计量测噪声, 采用滤波增益调整系数解决过跟踪问题, 给出了主要的计算公式和参数的取值方法, Monte Carlo仿真和在弹道方程参数辨识中的应用结果表明, 本方法不但对突变参数具有强跟踪能力, 在噪声方差发生变化的情况下, 仍可以对非线性参数进行准确的辨识, 状态与参数估计精度高于 普通的强跟踪滤波器.     

基于模糊逻辑控制的单脉冲雷达测距算法改进

针对某型号雷达在对飞行器的初始段跟踪测量过程中,由于受地杂波影响较大,存在跟踪稳定性较差、测距精度偏低的问题,提出对雷达测距跟踪环路采用模糊自适应扩展Kalman滤波取代模糊自适应常规Kalman滤波的方法.方法主要是通过引进估计误差方差阵的加权系数α,通过在滤波过程中对系数α进行"在线"调整,来实现对滤波器噪声方差阵的实时调整,从而优化了滤波器执行最优估计的性能,达到了增强雷达设备跟踪稳定性和提高测距精度的目的.仿真结果表明,该模糊自适应扩展Kalman滤波器跟踪目标稳定性和精度高于模糊自适应常规Kalnum滤波器.     

基于支持向量机的自适应卡尔曼滤波技术研究

针对卡尔曼滤波(KF)中噪声的统计特性与实际不符时滤波精度严重降低甚至引起滤波器发散的问题,提出一种基于支持向量机的自适应卡尔曼滤波算法(SVMAKF).根据新息理论方差与实际方差的比值,应用支持向量机产生自适应因子对卡尔曼滤波器的噪声方差阵进行在线修正,使噪声方差阵能够根据实际噪声的变化得到调整.通过对雷达目标跟踪系统的仿真表明,该算法对噪声有较强的自适应性,能够提高滤波精度和滤波器的鲁棒性.     

一种Sage-Husa和可观测度的滤波算法研究

针对目标跟踪中过程噪声统计特性未知和状态分量可观测度差而导致滤波精度不高甚至滤波发散的问题,提出了一种复合自适应滤波算法。我该算法在滤波过程中,利用Sage-Husa噪声估计器在线估计过程噪声,用可观测度分析方法抑制状态分量可观测度差对滤波器的不良影响。在滤波过程中实时估计和修正过程噪声的统计特性,同时对观测度差的分量通道进行滤波增益衰减,以减小状态估计误差,提高滤波算法的估计精度。解决了一类过程噪声统计特性未知且系统状态分量可观测度差的状态估计问题。仿真结果显示,提出的复合自适应滤波算法对比传统Sage-Husa滤波和可观测度分析方法能够抑制过程噪声时变和状态分量可观测度差对滤波器的不良影响,具有更高的估计精度。     

带不确定方差乘性和加性噪声系统鲁棒加权 融合稳态Kalman估值器

本文研究带不确定方差乘性和加性噪声和带状态相依及噪声相依乘性噪声的多传感器系统鲁棒加权融合估计问题.通过引入虚拟噪声补偿乘性噪声的不确定性,将原系统化为带确定参数和不确定加性噪声方差的系统,进而利用Lyapunov方程方法提出在统一框架下的按对角阵加权融合极大极小鲁棒稳态Kalman估值器(预报器、滤波器和平滑器),其中基于预报器设计滤波器和平滑器,并给出每个融合器的实际估值误差方差的最小上界.证明了融合器的鲁棒精度高于每个局部估值器的鲁棒精度.应用于不间断电源(uninterruptible power system,UPS)系统鲁棒融合滤波的仿真例子说明了所提结果的正确性和有效性.     

基于不确定模型误差系统的变分贝叶斯STCKF

强跟踪容积卡尔曼滤波器在对含有模型误差和时变噪声的非线性系统进行滤波时, 容易出现性能降低甚至发散. 鉴于此, 提出一种基于变分贝叶斯的强跟踪容积卡尔曼滤波算法. 该算法运用虚拟噪声法补偿模型误差, 假设虚拟噪声均值非零, 且满足高斯分布, 虚拟噪声方差服从逆gamma分布, 在强跟踪容积卡尔曼滤波器估计状态的同时, 采用变分贝叶斯推理估计虚拟噪声参数. 仿真结果表明, 所提出算法对含模型误差与时变噪声的非线性系统具有较好的估计精度, 相比于自适应算法具有更强的鲁棒性.     

虚拟陀螺技术研究

提出了一种基于阵列数据融合的虚拟陀螺技术来提高微机械陀螺的精度.其将多个同类型的陀螺组合形成阵列.采用Allan方差方法提取微机械陀螺的速率随机游走、角度随机游走等噪声,并利用阵列陀螺间同类噪声的相关性建立卡尔曼滤波器的系统噪声方差阵及量测噪声方差阵,设计实现了静态和动态两种最优滤波器对陀螺的输出进行最优估计.实验结果显示:三个偏置稳定性为35 deg/hr的微陀螺经静态、动态滤波后,所形成的虚拟陀螺偏置稳定性分别降至0.15 deg/hr和20deg/hr,表明该虚拟陀螺技术可有效提高微机械陀螺的精度.     

SINS/GNSS/CNS组合导航自适应容错联邦滤波方法

针对子系统发生缓变故障会影响联邦滤波器精度的问题,分析了信息分配因子对子滤波器精度和鲁棒性、全局估计精度以及故障检测效率的影响.在此基础上,研究了一种自适应容错联邦滤波方案.通过对量测噪声阵进行自适应调节来降低未检测出来的故障信息对故障子滤波器和全局估计精度的影响,进而提升无故障子滤波器的精度和系统重构能力;根据子滤波器故障检测函数值来动态调节信息分配因子,可进一步提升故障检测效率.仿真结果表明,相比于传统的容错联邦滤波,该方法能有效降低故障信息对滤波精度的影响,具有较高的全局估计精度.     

有色噪声下的平方根UKF在天文自主导航中的应用

针对由星敏感器和光学导航相机组成的卫星天文自主导航系统, 传统的平方根UKF不能很好地解决测量噪声为有色噪声情况下的非线性滤波问题, 导致导航系统的精度下降. 为此, 提出了一种有色噪声情况下的平方根UKF方法. 同时, 为了避免在数值计算的过程中, 由于舍入误差而破坏误差协方差矩阵的正定性和对称性, 在整个递推计算过程中, 借鉴平方根Kalman滤波理论, 采用协方差矩阵平方根进行递推计算, 改善滤波算法的稳定性, 协方差矩阵的平方根更新用cholesky分解和qr分解来计算. 将该方法应用于卫星天文自主导航系统中, 实验仿真结果表明, 相对于传统的平方根UKF算法, 所设计的平方根UKF算法能够很好地解决测量噪声为有色噪声情况下估计精度低问题.     

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.     

无人机控制系统传感器故障诊断的方案与仿真

应用卡尔曼滤波器对传感器进行故障诊断时,由于输入噪声和测量噪声的统计特性是不确定的,因此难以得到其准确的统计特性先验信息,而采用错误的噪声统计特性会产生滤波误差,甚至使滤波发散,因此该文提出了一种基于Sage-Husa时变噪声统计估计器的自适应卡尔曼滤波器算法,在滤波过程中利用噪声统计估计器对未知的统计特性进行在线估计,并对无人机控制系统的传感器故障进行在线诊断,此方法无须增加硬件余度和其他解析余度,易于实现,可靠性好,检测迅速.仿真表明该方法能够检测出系统故障并进行故障定位.     

离散时间线性时变系统的传感器故障估计滤波器设计

针对一类离散时间线性时变系统提出了一种传感器故障诊断方法.本文首先通过状态增广的方式将被研究的系统转化为描述系统的形式,并且基于该描述系统模型,采用方差最小化原则设计了一种能够同时估计系统状态和传感器故障的故障估计滤波器,然后利用一组故障估计滤波器提出了一种故障诊断方法.本文的主要贡献在于针对离散线性时变系统提出了一种不需要对故障动态进行假设的传感器故障诊断方法.所提出方法的另一个优点是该方法能够在存在过程和测量噪声的情况下实现故障检测、分离与估计.仿真结果说明了所提出方法的有效性.     

无人机组合导航系统的自适应滤波研究

无人机组合导航滤波器的设计需要考虑器件和外部环境不稳定带来的影响,同时在飞行过程中也面临着组合导航系统噪声和量测噪声统计特性不确定问题,从而导致滤波精度低,稳定性差,甚至有可能发散,传统常规卡尔曼滤波无法解决上述问题。提出一种根据极大似然准则的自适应卡尔曼滤波算法,利用滤波残差的均值和方差不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,提高滤波器对模型不确定性和噪声变化的适应能力和鲁棒性。仿真表明,所提出的组合导航滤波器能够满足无人机导航任务的要求,并且具有很好的导航精度和稳定性。     

基于Round-Robin协议网络化系统的故障检测

针对基于Round-Robin通信协议网络化控制系统的鲁棒故障检测问题，考虑传感器饱和以及外部干扰，提出了一种通信协议约束下故障检测滤波器的设计方法.利用李亚谱诺夫稳定性理论和线性矩阵不等式技术得到故障检测滤波器存在的充分条件，通过求解具有凸约束的优化问题得到最优滤波器参数.所设计的故障检测滤波器不仅能够确保滤波误差系统均方渐进稳定且有较强的扰动抑制能力.通过数值仿真和DTS200三容水箱液体渗漏检测实验验证了该方法的有效性.     

Multi-faults detection and estimation for nonlinear stochastic system based on particle filter and hypothesis test

This paper is concerned with the fault detection and estimation for nonlinear stochastic system with additive multi-faults. The states of system are estimated by the improved particle filter which composed of basic particle filter and preliminary fault estimation. Since the preliminary fault estimation contains noise, the faults are detected by the method of hypothesis testing, while the amplitude of each fault is estimated by the average of the sample of preliminary fault estimation. Meanwhile, the relationship of the sample size, the significance level of two types of error, the amplitude of fault and the variance of the error of preliminary fault estimation are also given. The effectiveness of the proposed method is verified by the simulation of three-vessel water tank system.     

多传感器最优信息融合白噪声反卷积滤波器

应用现代时间序列分析方法和白噪声估计理论,基于线性最小方差意义下按标量加权最优信息融合准则,对于带白色和有色观测噪声的多传感器单通道系统,提出了分布式融合白噪声反卷积滤波器.它由局部白噪声反卷积滤波器加权构成.可统一处理融合滤波、平滑和预报问题.给出了计算局部滤波误差互协方差公式,可用于计算最优加权.同单传感器情形相比,可提高融合滤波器精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernou lli-Gaussian白噪声反卷积滤波器的仿真例子说明了其有效性.