故障检测及状态偏差估计的二级分解算法*

本文首先推导证明当参考模型和实际系统不吻合时，根据参考模型建立的Kalman滤波器所产生的估计残差将与模型的偏离程度成正比，据此给出故障检测方法；其次推导出状态偏差形式的系统方程；最后将B. Friedland提出的分离估计法推广到状态偏差估计中，并进一步提出状态偏差估计的二级分解算法。     

故障检测及状态偏差估计的二级分解算法*

本文首先推导证明当参考模型和实际系统不相吻合时,根据参考模型建立的Kalman滤波器所产生的估计残差将与模型的偏离程度成正比,据此给出故障检测方法;其次推导出状态偏差形式的系统方程;最后将B·Friedland提出的分离估计法推广到状态偏差估计中,并进一步提出状态偏差估计的二级分解算法。     

不确定时滞系统增益型故障的检测与估计

针对一类不确定连续线性定常时滞系统,提出了一种执行器、传感器增益故障的鲁棒检测与估计策略。该类系统含有多状态与输出时滞,状态和输出方程上同时作用有非结构有界未知扰动。在Trunov和Polycarpou方法的基础上,设计了一种新的时滞系统自适应观测器用于检测并估计突变或缓变的增益故障。与Wang等针对线性无时滞不合输出扰动系统的工作相比,该结论更具一般性。理论分析表明,该方法对于未知扰动鲁棒,能够保证故障的估计,状态与输出估计偏差一致有界。数值仿真验证了方法的有效性。     

一种非线性系统容错控制的混合方法

针对连续搅拌箱式反映器,提出一种闭环非线性系统容错控制的混合方法。即利用“等价偏差”的新概念建立传感器的故障模型,然后基于一种伪偏差分离估计算法,在线得到系统状态和“等价偏差”的估计值。数值仿真结果验证了该方法不仅具有很强的关于传感器故障的容错能力,而且还可检测、分离和估计出相应的故障。     

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.     

基于改进BP神经网络的传感器集成故障诊断

针对传感器故障，提出了一种基于改进的BP神经网络的集成故障诊断方法。在测量回路中引入“等价偏差”向量，用改进的BP网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合．进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

一类非线性系统输出偏差的伪分离估计算法

首先把Friedland的用于线性时不变系统定常偏差的分离估计算法推广到一类存有输出偏差的非线性系统,得到了一种处理定常偏差的伪分离估计算法,随后,应用作者提出的正交性原理,又提出一种可估计大范围时变偏差的伪分离估计算法,进一步发展了Friedland的偏差分离估计理论,使得扩展Kalman滤波器更便于实际应用,仿真实例证实了本文算法的有效性。     

一种非线性系统的传感器故障检测与诊断新方法

基于一种非线性系统的伪偏差分离估计算法和贝叶斯分类算法,给出了一种非线性系统 的传感器故障检测与诊断的新方法.对一个大型造纸机采用实际模型进行的数值仿真表明, 该方法非常适用于工业系统传感器的在线故障检测与诊断.     

曲线曲面小波分解偏差估计

针对曲线曲面小波变换后低分辨模型和原始高分辨模型之间的偏差问题,提出离散偏差模型方法来估计偏差.通过定义偏差曲线,并在此基础上提出离散偏差曲线法来估计高分辨曲线和低分辨曲线之间的偏差:给定弓高误差限,用等误差方法离散偏差曲线,利用离散点估计偏差.同时,将该思想推广到曲面小波分解偏差估计上,定义了偏差曲面,并提出离散偏差曲面法来估计高分辨曲面和低分辨曲面之间的偏差.实验结果表明,文中算法既可以实现分解n次之后的低分辨模型的偏差估计,又可以通过减小离散误差提高估计精度.     

基于观测器的发电机功角与故障估计

针对发电机功角与故障估计这个问题,提出一种利用观测器的方法.该方法通过对系统数学模型进行状态变换,将数学模型分为含故障与不合故障两部分.对不合故障部分设计观测器,然后经过状态变换可以得到功角信息.在故障估计过程中,通过增广误差系统设计增广观测器可以得到故障的幅值.最后通过Matlab仿真分析,验证基于观测器功角与故障估计方法的有效性,结果表明该方法具有速度快、误差小的优点.     

用偏差分离估计的鲁棒Kalman滤波算法

本文针对带模型误差系统,利用偏差分离估计提出了一种鲁棒Kalman滤波算法,并给出了该算法的渐近稳定条件。仿真结果表明本文算法是有效的。     

摄像机位姿的加权线性算法

针对摄像机位姿问题提出了一种加权线性方法,其关键思想是通过加权使经典线性方法的代数误差近似于重投影算法的几何误差,从而达到接近于最大似然估计(Levenberg-Marquardt简称ML)的精度.通过对经典DLT(direct linear transformation)算法和EPnP算法使用加权的方法,给出了加权DLT算法(WDLT)和加权EPnP算法(WEPnP).大量模拟数据和真实图像实验结果均表明,WDLT和WEPnP算法不仅能提高DLT和EPnP算法的精度,而且在深度较小的情况下优于Lu的非线性算法.     

一种InSAR相关系数精估计方法

InSAR的相关系数是对SAR干涉图像对相似度的度量,是InSAR技术应用分析的一项基本参数。相关系数的估计是通过比较两幅SAR图像中对应位置的相邻像素值得到的,由于采样点数目的限制及存在由于地形起伏引起的干涉相位,估计结果往往与真实值相差较大。本文提出了一种能够大幅减小相关系数估计误差的方法,首先利用粗精度DEM仿真地形相位以消除地形起伏对相关系数估计的影响,随后采用第二类统计方法进一步提高了相关系数的估计精度。我们用SIR-C/XSAR的Etna火山干涉数据对本文方法进行了验证。     

状态和偏差去耦估计方法及其在惯性测量中的应用

本文介绍状态和偏差去耦估计方法,其特点是计算量小、估计精度高,适用于偏差项较多的场合。在惯性测量中按此法估计惯性器件的未知常值偏差,取得满意的仿真结果。     

状态和偏差去耦估计方法及其在惯性测量中的应用

本文介绍状态和偏差去耦估计方法，其特点是计算量小、估计精度高，适用于偏差项较多的场合。在惯性测量中按此法估计惯性器件的未知常值偏差，取得满意的仿真结果。     

一种基于压缩感知的离格阵列测向方法

基于稀疏表示的阵列测向技术中的一系列高精度鲁棒性方法都基于网格假设,即假设入射信号来向无误差地落在网格上,这一假设与现实中信号来向落在连续角度域内相违背,所造成的网格偏差效应会带来模型失配,从而导致估计性能的恶化。针对这一问题,本文提出了一种基于泰勒展开的离格类信号模型,该模型允许信号来向偏离网格,从而消除了网格误差效应,减小了估计误差。同时采用一种交替迭代优化的方法对模型进行求解,并利用奇异值分解等方法降低计算量。该方法能够有效减小网格误差,提高估计精度。仿真结果验证了所提方法的有效性。     

Estimating sudden changes of biases in linear dynamic systems

A procedure is presented for estimating sudden changes in the bias vector in a linear dynamic system. This procedure is the result of combining the recently-developed method [1], [2] of tracking a piecewise-constant vector observed directly through additive noise with the method [3] for separating the estimation of the bias in a linear system from the estimation of the dynamic state variables. The application of the procedure is illustrated by a second-order dynamic system with two biases subject to transition. Its performance is demonstrated by a simulation.     

Receding Horizon Estimation for Linear Discrete-time Systems with Multi-channel Observation Delays

This paper investigates the receding horizon state estimation for the linear discrete-time system with multi-channel observation delays. The receding horizon estimation is designed by the reorganized observation technique and the linear unbiased estimation method. The estimation gains are developed by solving a set of Riccati equations, and a stability result about the state estimation is shown. Finally, an example is given to illustrate the efficiency of the receding horizon state estimation.      

Estimation of parameters of failure distributions with fuzzy data

In this paper a simple procedure of estimation of parameters of two widely used failure distributions (the normal and Weibull distributions) and a method of finding confidence intervals for the parameters is developed. The computational burden of estimation with fuzzy data as observed by Kruse and Meyer (1988) is easily overcome by using special properties of the estimators. It is also demonstrated that the order statistics procedure of estimation can easily be modified to tackle fuzzy data.