基于在线模型的飞控系统传感器的故障诊断

传感器是测量无人机姿态信息的核心,传感器为无人机的飞行提供安全、可靠、全面的数据信息。飞机的安全很大程度上取决于传感器是否故障。故障诊断技术的研究,有利于提高飞行器的运行安全可靠性。首先,对无人机机载传感器的工作原理进行分析,在此基础上建立无人机执行机构的解析模型。以模型为依据,对无人机的传感器进行特性仿真。其次,利用了一种基于残差的阈值-改进SPRT联合诊断算法,从残差中提取故障特征,对传感器的工作状态做出检测和判断。最后,建立了传感器故障常见的数学模型,亦对传感器故障特性进行仿真验证。结果表明,这种方案能有效提高传感器故障的诊断精度,故障诊断算法有效。     

基于SIR粒子滤波状态估计和残差平滑的故障检测算法

很多基于模型的随机系统故障检测方法要求系统模型线性且服从高斯分布,对于非线性非高斯随机系统这些方法性能欠佳.目前基于SIR粒子滤波似然函数值的故障检测算法是一种较好的非线性随机系统故障检测算法.本文提出一种基于SIR粒子滤波状态估计和残差平滑的故障检测算法.该算法采用SIR粒子滤波获得系统状态估计值,用系统状态观测值与系统状态估计值的理想观测值之差作为反映故障的残差,再利用残差平滑值进行故障检测.实验结果表明,在状态转移噪声方差远小于状态观测噪声方差时,该算法的故障误报率与基于SIR粒子滤波似然函数值的故障检测算法接近,而该算法的故障漏报率明显优于后者.     

基于特征结构配置的飞控系统故障检测与诊断

针对具有未知扰动输入的飞行控制系统,运用特征值配置设计了一种用于故障检测和诊断的观测器,他通过对观测器进行左特征向量的配置使得残差与干扰分布方向正交,故障检验残差r与未知输入干扰d之间的传递函数阵为零,从而使残差与干扰直接解耦.通过这种方法,残差信号得以对干扰具有鲁棒性,使FDI算法不受系统不确定性干扰的影响,提高系统故障诊断的可靠性和精度.同时通过残差信号估计故障,能在线辨识故障的形态,仿真结果验证了该方法的有效性.     

基于SPRT技术的温度/压力表综合试验器的设计

本文研制一种能快速检查不同飞机、各种型号的发动机排气温度表和压力表等100多个信号的温度／压力表综合试验器。该试验器采用PCI04总线技术,实现了检测设备的综合化、数字化,它能取代几十个老式、相对独立的检测设备,与老式试验器相比维护效率提高了8倍以上。采用改进的Wald的序惯概率比法（SPRT）对温度表传感器的软故障进行检测,解决了飞机温度表传感器软故障无法检测的难题,使检测传感器的误警率从原来的5％下降到1％。     

基于强跟踪滤波的多模卫星容错导航算法

针对多模卫星系统可能存在故障卫星,而故障卫星的种类和数量往往无法灵活确定,导致系统定位失效的问题,提出了一种基于强跟踪滤波的多模卫星容错组合导航算法.设计了一种基于单元级融合方式的容错系统结构,即为每颗卫星分别设计基于强跟踪滤波技术的子滤波器和故障检测与隔离器,并提出了一种改进的残差故障检测方法,全局算法采用联邦滤波算法,最终完成了一种北斗/GPS/GLONASS容错组合导航算法的设计.实验结果表明,该算法能充分利用多个卫星系统的卫星进行定位,同时能够同步检测和隔离多个不同卫星系统的故障卫星,有效提高了系统的定位精度和可靠性.     

两种联邦滤波系统级故障检测方案对比与仿真

从联邦滤波的故障检测特点出发,以SINS/GPS/ADS/TACAN/RADAR组合导航系统为对象,对基于量测一致性和残差χ2检测的两级故障检测法、双状态递推故障检测法两种系统级故障检测方案进行了较为详细的分析比较,并通过预设故障模型进行了仿真.仿真结果表明:故障检测部分的加入可有效地提高多传感器组合导航系统的容错性和可靠性.两种检测方案对软、硬故障都有较高的灵敏度,但都不同程度出现误警和漏检情况,总体而言,基于量测一致性和残差χ2检测的检测方案更有优势.     

基于RBF神经网络的控制系统传感器故障诊断方法

针对现行研究中压铸机实时检测与控制系统中相关传感器的常见故障问题,通过对人工神经网络理论与方法的学习,建立了一种基于径向量基函数神经网络RBFNN的控制系统传感器故障诊断观测器模型.通过来自压铸机的实测参数进行模型训练,采用模糊K均值聚类算法选取聚类中心,利用该观测器确定传感器输出值与传感器实际输出值之间的残差,以此判断传感器是否发生故障.仿真结果表明,RBFNN观测器具有较强的非线性处理和任意函数逼近的能力,预测精度高,学习时间短,网络运算速度快,性能稳定,可满足传感器故障诊断的要求.     

一种基于异常值检测和群体智能优化神经网络的电价混合预测模型

为了提高短期电价预测精度,本文提出了一种将异常值检测、时间序列分析、神经网络以及群体智能算法相结合的混合算法。作为混合算法的具体实现,文中的异常值检测利用了残差比方法和正态分布方法,群体智能优化算法选取了粒子群(PSO)算法和布谷鸟(CS)算法。作为实例研究,本文将混合模型应用用于澳大利亚新南威尔士州短期电价预测中,结果表明,混合预测方法能在一定程度上提高模型的预测精度。     

回声消除基于NLMS改进算法的研究

为了提高VoIP的通信质量,减少回声干扰,对LMS算法、NLMS算法进行阐述,基于NLMS提出了一种运算量小并且提高收敛性能的改进的自适应滤波算法。通过在Matlab下的仿真研究和对误差曲线的分析,证明了该改进算法的收敛速度快,均方误差小。用改进的算法对语音回声信号进行消除,仿真得到消除回声后的信号效果明显,为IP电话中回声消除的自适应滤波问题提供了一个较好的算法。     

一种基于信号相关分析的模拟电路故障诊断方法

模拟电子电路集成度日益提高,使得某些电路内部节点存在不可及性,针对这种电路,提出了一种基于信号相关分析的模拟电路故障诊断方法.将伪随机噪声信号作为模拟电路的测试激励信号,利用电路正常情况下与电路故障状态下输出响应之间的残差信号作为故障特征,通过信号相关分析实现对电路的故障检测与故障定位.仿真实验分析证明该方法操作简单,有较好的在线诊断能力,适用于诊断电路中的硬故障和软故障,能够达到较高的故障覆盖率.     

基于小波分析的故障检测技术研究

针对导航系统所存在的软故障及其特性,并结合小波信号分析的特点,提出了基于小波分析的组合导航系统故障检测的方法,采用该方法对含有软故障的组合导航系统信息的量测信号进行处理与分析,从而达到故障检测的目的,将此方法应用于捷联惯性导航系统／全球定位系统（SINS／GPS）组合导航系统的故障检测。对仿真结果的分析表明,该方法可以检测出组合导航系统的所存在的软故障,并且更加简便灵活,效果明显。     

基于误差估值累加开环校正的诱导式欺骗检测方法

诱导式卫星欺骗干扰可诱导航空器逐渐偏离预定航迹，难以被发现，因此及时有效地检测干扰是飞行安全的保障。在现有紧组合导航体制基础上，设计了一种基于误差估值累加开环校正的紧组合导航结构，并证明了其性能与传统闭环校正紧组合导航性能等效。在此结构中，将紧组合导航系统与自适应序贯概率比检测方法结合，提出了一种基于误差估值累加开环校正的诱导式欺骗检测方法，融合紧组合导航信息与其他不受欺骗影响的导航信息，构建欺骗检测统计量进行诱导式欺骗检测。仿真结果表明，开环校正结构可避免随时间累加的惯性导航系统误差所导致的组合导航滤波器发散问题，同时欺骗检测方法可进一步提高算法对“最坏”情形下微小诱导式欺骗的检测效果。     

基于自适应SPRT的缓变式欺骗干扰检测算法

缓变式欺骗干扰信号在干扰初期与全球导航卫星系统（Global Navigation Satellite System, GNSS）真实信号保持一致,其隐蔽性强,危害性大。常见的缓变式欺骗干扰检测方法是将卡尔曼滤波新息序列作为检测量,基于卡方检验检测干扰。然而,这些方法存在检测时间较长、检测性能低的问题。针对这一问题,提出了基于序贯概率比检测（Sequential Probability Ratio Test, SPRT）的缓变式欺骗干扰检测算法,将新息序列检测量作为SPRT样本,计算检验统计量,检测欺骗的同时能识别受欺骗的卫星。同时,应用Bayes参数估计理论,提出自适应SPRT算法,自适应补偿检验统计量,加快算法检测速度,并可通过调整风险参数,进一步提高算法的检测性能。仿真结果表明,与传统方法比,本文算法对缓变式欺骗干扰的检测时间短、检测性能高,并且在多星受欺骗时,可达到较好的检测性能。      

PBN概念下的GNSS/SINS组合导航完好性算法

为满足PBN中RNP规范对导航性能监测与告警要求,通过估计传统GNSS/SINS完好性算法检测统计量的变化率来提高故障检测效率,并在此基础上,提出一套基于量测分离的复合式平行滤波算法实现故障排除和量测重构,算法具有较强的灵活性和适用性。仿真分析表明,与传统方法相比,该算法可检测出惯性元件故障,检测效率更高,并且适用于多重故障的情形。     

传递对准精度离线评估方法研究

针对基于平滑滤波算法的捷联惯导传递对准精度评估方法在整个过程中采用开环滤波方式可能影响评估精度的问题,该文给出了一种基于后向捷联算法和最优平滑算法的闭环精度评估方法.先按时间顺序进行卡尔曼滤波,在滤波结束时可获得较精确的姿态估计值,再以此为姿态初始值用保存的惯组数据进行后向捷联惯导解算和闭环后向组合导航直到对准结束时刻.最后对后向组合过程中的数据进行平滑得到姿态参考值,从而对传递对准精度进行评估.仿真结果验证了方法的有效性,最终评估精度得到了一定程度的改善.     

SINS/GPS/TACAN组合导航的联邦卡尔曼滤波方法

针对无人机飞行末段的飞行特点,提出了一种用战术空中导航系统(TACAN)辅助惯性导航系统(INS)、全球卫星定位系统(GPS)的新组合导航模式。详细推导了一种系数加权的联邦卡尔曼算法,并将此算法运用到SINS/GPS/TACAN组合导航中。通过融合导航系统的导航信息估计出组合导航系统的误差状态量,以提高导航系统定位精度。此算法不必计算加权矩阵,从而避免了求解滤波误差方差阵的逆矩阵,运算速度有所提高。仿真计算结果表明,该算法可抑制滤波发散,并提高导航系统的精度和速度,此组合导航模式有较好的容错性和环境适应性,具有实用价值。     

INS/CNS/GPS组合导航数据融合算法与仿真研究

研究了INS/CNS/GPS组合导航系统的原理和特点,建立了组合导航系统的数学模型。分别利用集中卡尔曼滤波和联邦滤波数据融合原理对此系统进行了仿真研究,并指出了集中滤波器的不足之处。仿真结果表明采用全球定位系统和天文导航系统对惯导系统误差进行修正不仅可以大幅度提高导航精度,而且通过比较和分析可知联邦滤波可以有效地提高导航系统的可靠性和复原能力,是理想的容错型信息融合算法。     

基于RBF网络故障检测的多系统组合定位研究

多系统组合定位是舰艇导航发展的方向,但误信息融入组合计算可能导致定位出现误差。根据多系统组合定位原理,将RBF网络故障检测法引入多系统组合定位中,以实现对定位信息源的故障检测。仿真表明,基于RBF网络的联邦滤波故障检测方法可以有效地检测出组合中输入导航源故障信号,从而有效地提高组合导航定位能力。     

联合卡尔曼滤波器在数据融合中的应用

介绍多传感器数据融合中联合卡尔曼滤波器的设计步骤，并将此方法用于舰船组合导航系统，计算机仿真和理论分析表明，该滤波器可以做到全局最优，其结构遵循信息分配原则，提高了系统的数值稳定性和容错性，减小了数据传输的工作量与计算量，便于计算机实现，能够满足组合导航系统需要。