奇偶矢量RAIM算法的故障检测研究

RAIM作为一种行之有效的卫星故障诊断方法,在GPS完好性监测中发挥着重要作用。文中基于奇偶矢量RAIM算法,根据检验统计量在正常和故障情况下概率密度函数的不同,从概率角度对GPS完好性进行研究分析,主要阐述了误警率、漏检率和检测门限的概念及其之间的关系;并得出了可见卫星数增多时,漏检率不降反升的结果,这是RAIM算法的一个致命缺陷;最后仿真分析了伪距误差对漏警率的影响。     

基于INS的地形匹配故障检测算法研究

用地形轮廓匹配算法分别在丘陵、山地和高山地数字地图上进行了仿真。提出了两种利用惯导系统(INS)进行地形匹配的故障检测算法,并进行了仿真试验。试验结果表明,采用故障检测算法后,三种地形均可获得大于99.7%的匹配概率。     

决策树算法在装备故障检测中的应用

为快速定位装备的故障点,引入决策树方法.将故障特征作为测试属性,故障点作为类标记.采用 ID3算法计算相关信息熵对故障记录进行划分,构建所需要的决策树,用预剪枝的方法控制树的生长.以某设备故障记录样本为例,建立决策树发现故障特征和故障点之间的关联.结果表明:利用该方法对故障点进行预测,可有效缩短装备故障检测的平均时间.     

复杂环境下无人机三维航迹规划方法研究

复杂环境下规划无人机三维航迹时,随机型的粒子群优化由于问题维度高导致收敛性差难以获得最优甚至可行航迹;而确定型的稀疏A~*算法易陷入局部搜索导致搜索时间长且计算量大。基于分层思想,将高维航迹规划问题转换为多个低维问题。首先通过粒子群优化规划出少量导引航迹点集,然后采用稀疏A*算法计算导引点间的航迹段。仿真结果表明该方法能在获得满意解的前提下提高复杂环境下无人机航迹规划效率。     

惯性冗余系统奇偶向量法故障检测与识别技术研究

为使惯性冗余系统达到故障检测与识别的功能,对惯性冗余系统的奇偶向量在有、无故障的不一致情况下进行了研究．介绍了单自由度惯性仪表和双自由度惯性仪表广义似然比故障检测与隔离方法．通过对奇偶向量的分析及仿真,给出了最优化故障检测与隔离算法．该结果表明,采用奇偶向量法确实可以提高冗余惯性系统的故障检测与识别的性能,可以解决其软故障的检测问题．     

基于状态χ2检测的神经网络故障检测算法研究

故障检测对于保证组合导航系统的高可靠性是十分重要的.文中提出了一种基于状态χ2检测法的神经网络故障检测法,根据状态χ2检验法的实时结果检测故障,然后用一个BP神经网络模型确定故障所在位置,进行故障隔离.通过仿真,验证了这种方法的有效性.     

复杂电磁环境下TD-SCDMA抗干扰性能仿真评估

通过选择移动通信空时信道模型,设计复杂电磁环境下干扰样式模型,构建了TD-SCDMA系统仿真链路,分别对TD-SCDMA在几种典型干扰样式干扰时的性能进行仿真比较。通过对仿真结果的分析可以得出,在无人为干扰和低功率人为干扰时,TD-SCDMA系统具有良好抗一般干扰性能,但是难以有效对抗较大功率人为干扰,特别是相关干扰。     

复杂战场环境下无人机辅助反舰导弹突防研究

分析了现代反舰导弹突防面,临的复杂战场环境以及当前突防对策面临的问题,然后分析了舰载无人机在战技术使用上的优势,并基于这些优势提出了利用舰载无人机辅助反舰导弹突防的观点,从技术和战术两个层面给予了分析论证,证明该应用设想具有较强的可行性。     

基于实值反向选择算法的机械设备故障检测

选择算法在实值编码的反向选择机理中加入2种进化学习机制。一将检测器集合远离自己空间,二是移动检测器,并最优化地将检测器分布在非己空间。将其应用于机床齿轮箱运行状态检测,具有很高的故障检测率。     

复杂环境背景下车辆目标识别研究综述

在军事领域和民用领域,利用图像对车辆目标识别都有着广阔的应用前景.针对实际应用中,室外的环境背景复杂多变,给车辆目标识别带来了很大挑战,分析了复杂环境背景下车辆识别的意义和面临的困难,对现有的图像预处理、特征提取、分类器设计的研究现状进行梳理,对复杂环境背景下车辆目标识别研究的发展方向进行分析.     

北斗/GPS兼容接收机双频RAIM算法研究

接收机自主完好性监测(receiver autonomous integrity monitoring,RAIM)算法因具备独立自主、快速告警等优点被广泛应用于航空领域。由于传统RAIM算法仅在故障星出现粗大伪距偏差时才具备较高的检测与识别率,因此难以满足高精密航空飞行安全需求。为了提升完好性水平,从改善卫星空间构型与提升测距精度出发,提出一种组合星座双频RAIM算法。该算法建立了北斗/GPS双频伪距观测模型,在考虑同颗卫星双频信号伪距观测噪声相关性与伪距偏差在不同频点间扩散现象的条件下,继承奇偶矢量方法实现了故障检测与识别,提高了算法对于小伪距偏差的敏感度,图形与数据化仿真结果证明了该算法的有效性与可行性。     

基于灰色模型的火箭发动机故障检测算法

本文以发动机系统参数定性分析为基础，对选定的系统参数建立灰色模型，对采入的试验数据通过灰色关联度分析后，利用等维新息模型对灰色模型进行参数辩识，得出定量的发动机系统状态方程组。并对方程组输出的滤波值用红线参数比较分析，确定发动机的状态。预测值作为对新采入数值灰色关联度分析的基准，以确保算法的可靠性和精度。     

支持向量机在液体火箭发动机稳态段故障检测和诊断中的应用

将支持向量机方法用于某大型液体火箭发动机稳态试车数据的挖掘,建立了多故障分类器,采用23次试车数据对上述挖掘结果进行了测试,将测试结果与人工神经网络方法等所得结果进行了比较.并利用28类仿真稳态故障数据对该方法进行了进一步验证.结果表明,支持向量机方法是一种可基于小样本的、有效的液体火箭发动机故障检测与诊断方法.     

组合导航系统故障检测算法研究现状分析

组合导航系统发生故障时能够准确检测是评价导航系统性能的重要指标之一。对现有的故障检测算法进行分类,介绍了基于模型的组合导航故障检测算法、基于信号处理的组合导航故障检测算法、基于机器学习的组合导航故障检测算法,并针对各类算法存在的问题,总结了目前的解决方法。针对故障算法的检测时间较长和检测率低等问题,介绍了目前提出的其他故障检测算法,得出了各故障检测算法的性能差异,指出了组合导航各类算法的技术特点及未来发展趋势,为组合导航故障检测方向提供了参考。     

超大型综合环境试验系统设计

随着综合环境试验技术认可度的提高,许多型号的大型系统级产品的综合环境验证试验需要设计建设容积100 m3以上的超大型综合环境试验系统来满足产品的考核需求。超大型综合环境试验系统需要从箱体结构、设备性能指标、地基基础和悬吊支撑系统4个方面入手,并结合气候环境、结构强度和厂房建筑等多学科专业知识,设计超大型综合环境试验系统建设完成后经使用证明,其模块拼接的使用方式,可以提供不同规格设备间的多种组合使用模式,与初期的设计预期相符,是一种值得推广使用的综合环境试验系统构建模式。     

复杂系统VXI测试设备的检测与故障诊断

针对VXI总线测试设备集成度高、系统复杂,状态检测、故障诊断难度大、耗时长等特点,设计一种基于虚拟仪器的自动检测诊断系统。由数据采集与激励,基于规则推理的故障诊断,基于神经网络的故障诊断,以及人机交互子系统和数据库维护与管理子系统组成。实验验证系统检测功能齐全,故障定位准确,可满足VXI测试设备在线检测、诊断的需要。     

某型导弹发射装置故障检测率的Bayes估计

采用无先验信息下的Bayes评估方法,利用常用的共轭分布作先验分布,对先验分布中超参数的取值范围做出假设,运用Bayes理论计算出故障检测率的Bayes估计。并以Bayes估计为基础,结合超参数,求出故障检测率的经验Bayes估计,最后,运用实验数据对所做出假设的合理性进行说明。     

基于Elman神经网络的电机故障诊断

通过Elman神经网络训练采集到的电机特征频率振动信号,建立电机故障的模型.并以转子故障为对象,在电机实验台上分别采集水平和垂直方向上的振动信号,通过放大、滤波和A/D转换后,进行频谱分析.为验证网络对故障判断的效果,对故障电机采集振动信号后,代入网络检验.验证表明该网络模型可有效识别电机常见故障.