GPS多星故障识别改进算法的仿真研究

为了能够识别多颗卫星故障,提高卫星导航定位系统的可靠性,提出了一种专门针对多故障情况的MHSS(多假设分组)算法。首先介绍了MHSS算法的基本原理,并对其仿真,表明其较传统算法更能满足更高导航完好性的需求;然后提出了MHSS-FDE改进算法,该算法与传统算法比较类似,需要计算检测门限进行有/无故障判决,将MHss方法中不受伪距测量影响的项排除,构造假设验证法的识别判别函数进行故障卫星识别;最后以多颗故障卫星条件为例对改进的MHSS-FDE算法故障识别率进行计算机仿真,并与现有的可用于多星故障识别的FDE算法进行仿真比较,结果显示:改进的MHSS-FDE算法具有较高的故障识别率。     

一种基于神经网络和证据理论的信息融合算法

针对目前多传感器系统中常用的信息融合方法,识别率较低、网络稳定性不好、不能很好地处理不确定性等问题,提出一种基于神经网络和DS方法的信息融合算法。该方法兼顾神经网络和DS推理二者的优势,有效地解决了目前信息融合方法对大噪声不确定性传感器测量信息的误识别问题。仿真实验结果验证了该算法在提高目标识别率和抗噪能力方面的有效性。     

多注意力机制网络的调制识别算法

针对小尺度衰落信道下调制信号识别率低的问题，提出一种基于多注意力机制网络的调制识别算法。提取信号瞬时幅度/相位特征与同相/正交序列构建双通道输入方式，实现多尺度感受野。通过残差密集块提取双通道数据的频域特征，将特征向量融合后送入双向门控循环单元提取时域信息，引入改进卷积注意力机制模块和软注意力机制捕捉信号的关键特征，构建多注意力机制网络对BPSK、QPSK、8PSK、16PSK、PAM4、GMSK、CPFSK、16QAM、64QAM这9种信号进行调制识别。仿真结果表明，信噪比大于10 dB时，9种信号平均识别率达89.2%以上，与其它深度学习算法相比具有更高的识别率，验证了该算法的有效性。     

基于小波包与支持向量机的碰摩故障识别方法研究

为了很好地识别旋转机械的转静件碰摩故障,提出了基于小波包和支持向量机(SVM,support vector machine)的碰摩故障识别方法.采用小波包对信号进行特征向量的提取,利用基于"一对多"和"一对一"的改进算法构建多类故障分类器,对多种碰摩故障进行识别.同时,以双盘悬臂转子-轴承系统的碰摩故障为例,应用该方法进行故障识别,试验结果表明,RBF核SVM故障平均识别率达到97.25%.可见,基于小波包与支持向量机分类器诊断方法的识别率明显优于传统的BP神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力.     

基于动态注意力机制和多模态循环融合的帕金森氏症识别

PD （Parkinson’s disease） 的运动障碍会累及口、咽、腭肌以及面部肌肉,引起声带震颤和面部运动迟缓,为利用声纹和面部特征识别PD患者提供了可能。为了有效利用以上两种特征以提高PD 识别率,提出了基于多尺度特征与动态注意力机制的多模态循环融合模型对患者进行识别检测。首先,设计了多尺度特征提取网络,将高、低层级特征的语义信息融合以得到完整的特征信息;其次,在多尺度特征融合过程中为了充分考虑模态间的相关性和互补性,提出了以不同模态信息互为辅助条件生成注意力特征图的动态注意力机制算法,降低特征融合时信息的冗余;最后设计了多模态循环融合模型,通过计算循环矩阵的每个行向量与特征向量间的哈达玛积得到更有效的融合特征,提高了模型性能。在自建数据集上进行的多组实验结果表明,提出的方法识别准确率高达96.24%,优于当前流行的单模态和多模态识别算法,可以有效区分PD患者和HP （healthy people）,为高效识别PD患者奠定了基础。     

基于信息融合与CNN的齿轮箱故障诊断方法

齿轮箱在实际生产中面临复杂多变的工况,其部件的故障特征随工况发生改变,常规方法在变工况下难以有效识别故障。针对该问题,提出一种基于信息融合和卷积神经网络(IFCNN)的故障诊断方法。IFCNN使用多传感器信息融合和多域特征融合改进卷积神经网络(CNN),首先将不同位置的加速度传感器采集到的振动信号转换成频域、时频域信息,将来自不同传感器的信息融合,然后用CNN对故障信号的频域、时频域信息分别进行特征提取和多域特征融合,结合注意力机制选择重要特征进行故障分类。多组实验结果表明,IFCNN在变工况场景下,可有效提取齿轮箱振动信号的故障特征,12组变工况实验平均识别准确率为98.38%,明显高于所提出的对比方法。     

基于多标签分类的传感器网络数据故障检测算法

传感器网络中多种数据故障会同时出现,为了同时检测出多种数据故障,使用多标签分类模型对传感器网络数据故障的检测过程进行建模.为了提高多标签分类器对数据故障的检测性能,提出了一种基于多标签ReliefF和遗传算法的特征选择算法.该方法将ReliefF扩展成可以对特征子集进行评估的多标签ReliefF,特征选择过程首先使用遗传算法搜索特征子集,然后使用多标签ReliefF对特征子集进行评估.在三个多标签分类器上的实验结果表明,提出的特征选择算法可以显著地提升多标签分类器对传感器网络数据故障的检测性能.     

基于多AUV协作的稀疏水下传感网定位技术研究

如何在稀疏部署的水下传感器网络中实现传感器节点的高效定位是一个研究热点.提出了一种基于多个移动AUV协作的水下传感器网络内节点定位机制,利用AUV的精确自导航功能实现对网内未知位置节点的定位协助.提出的协作定位算法扩展了水下传感器网络的网内节点位置迭代估计方法,将信标节点和多AUV联合作为定位参考点,然后推导了基于最小二乘法的定位估计方程.仿真结果验证了该方法可以在定位节点比例、归一化定位误差和平均置信度等几个方面提高定位性能.     

基于YOLO v3深度学习算法的视觉导航技术研究与实践

针对传统的目标检测算法实时性低的问题，利用深度学习YOLO v3算法进行视觉识别研究，并将基于YOLO v3算法的视觉识别程序应用于视觉导航小车，实现小车对路标的实时识别和自主导航。在深入理解YOLO v3算法原理和框架的基础上，提出基于YOLO v3算法的视觉导航小车自动驾驶程序框架。通过在视觉导航小车的控制系统中嵌入python语言编写的YOLO v3算法，实现小车在沙盘上进行路标识别和自动驾驶。实际运行效果表明，训练阶段，YOLO v3算法视觉识别对路标的平均识别率达到了93.5%，小车在沙盘上运行过程中对路标的平均识别率达到了99.5%。基于YOLO v3算法的视觉识别表现出较高的路标识别率，可以满足小车自主导航的需要。     

基于免疫网与相关性识别的传感器故障诊断

针对一般模型算法在传感器相关性识别中存在的不足,提出一种基于Fuzzy ART神经网络的传感器相关性量化提取与识别方法,并与免疫网组合构成诊断系统。通过对某热控系统温度传感器故障的仿真诊断,验证了方法的有效性。仿真结果表明,系统能准确识别并诊断单传感故障和多传感故障。当传感器输出偏差大于±5%时,识别与诊断的准确率均达90%以上。     

飞行器导航传感器故障诊断的应用研究

研究导航传感器故障诊断问题,由于飞行器导航传感器所处环境十分复杂,导航系统由多种部件组成,故障存在许多随机性、模糊性和不确定性因素,难以建立确定数学模型。传统线性模型故障诊断准确率低。为了提高飞行器导航传感器故障诊断准确率,提出一种神经网络的导航传感器故障诊断方法。飞行器导航传感器发生故障时信号中会产生突变成分,利用小波包对原始故障信号进行分解,提取信号特征向量,然后将特征向量输入神经网络训练,实现飞行器导航传感器故障智能化诊断。在Matlab平台实现传感器故障诊断的仿真,结果表明,神经网络提高了飞行器导航传感器故障诊断的准确率,是一种在线、行之有效的导航传感器故障方法。     

基于异步IMM融合滤波的网络化系统故障诊断

针对一类带随机丢包的异步多传感器网络化系统,提出了基于网络化异步交互式多模型（Interacting multiple model,IMM）融合滤波的故障诊断方法.考虑不同传感器通道具有不同丢包概率的情况,将未知的故障幅值看作扩维的系统状态,利用提出的网络化异步IMM融合滤波算法对由系统正常模型和各种可能的故障模型构成的模型集进行滤波,根据模型概率进行故障检测和定位,同时得到故障幅值和系统状态的联合估计.提出的方法避免了传统IMM故障诊断方法模型集设计中故障大小难以确定的问题,适用于具有任意采样速率和任意初始采样时刻的异步多传感器网络化系统,并且通过融合多个传感器的信息提高了故障诊断的准确性.仿真实例验证了所提出方法的可行性和有效性.     

航空发动机传感器故障诊断

研究航空发动机传感器故障诊断问题,由于发动机传感器故障样本有限、小样本、非线性变化特点,传统大样本传统故障方法故障诊断准确率低。为提高传感器故障诊断准确率,提出一种混沌粒子群算法(CPSO)和最小二乘支持向量机(LSS-VM)相结合的传感器故障诊断算法(CPSO-LSSVM)。首先将发动机传感器信号输入到LSSVM进行学习,并采用CPSO进行优化,找到最优LSSVM参数,从而建立传感器故障诊断模型,最后采用已建立模型对传感器故障进行仿真测试。仿真结果表明,CPSO-LSSVM提高了航空发动机传感器故障诊断的准确率,能准确地对空发动机传感器故障进行诊断,提供民飞行安全性能保障。     

基于自适应观测器的四旋翼无人飞行器多传感器故障诊断方法

为了实现对四旋翼无人飞行器多传感器故障检测与诊断,提出一种基于自适应观测器的多传感器故障诊断方法。首先,在建立飞行器动力学模型和传感器模型的基础上,将传感器故障视为虚拟执行器故障,构建四旋翼无人飞行器多传感器故障检测与诊断系统;其次,设计非线性观测器实现多故障检测和与隔离,基于Laypunov方法设计非线性自适应观测器实现对多故障偏差值的估计;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,该方法能有效进行多传感器的故障检测与隔离,实现对多传感器故障偏差的同时估计与跟踪。     

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.     

基于K-最近邻算法的管道系统传感器数据有效性分析研究

在管道运输中传感器的正常使用至关重要,为了防止因传感器故障而导致的数据采集失效,造成误报警和漏报警,对传感器本身的故障诊断和失效分析已经成为当前研究的重要方向.通过对各传感器采集数据进行组合分析,以各传感器之间的数据关联特性作为研究内容,运用K-最近邻算法对管道上传感器所采集数据进行相似性拟合,提出采用C4.5算法定义各传感器所采集数据对目标传感器的支持度以决定目标传感器数据的有效性,对故障传感器运行状态进行分析与定位,进而判断传感器的数据可靠性和输差出现位置.实验结合西南某管道流量传感器数据进行分析,结果表明,该算法能够准确判断目标传感器数据的有效性和故障传感器在时域中发生的位置.     

基于低复杂度最大空闲矩形的非线性传感器故障诊断方法

针对现存的很多传感器故障诊断方法假设前提多以及复杂度高的问题,提出一种分布式诊断方法来识别无线传感器网络(WSN)中的非线性故障。首先,对局部传感器的输出值进行分析,得到一系列特征值;然后,在交叉误差函数的基础上,将传感器非线性故障诊断等效为最大空闲矩形(LER)问题。并使用提出的低复杂度最大空闲矩形算法予以解决;最后,通过定义一个阈值来诊断有故障的传感器,且不需要使用参考传感器就可以检测一般非线性故障。仿真实验使用了双音谐波信号激励和白噪声信号激励,比较了双线性和指数非线性两种情况下的性能。相比集中式故障诊断方法,提出的算法节省了大量数据传输功率,且获得了非线性模型正常区域边界的准确值。相比最优LER算法,提出的低复杂度LER算法检测性能与之相似,但复杂度更低。     

A new method of sensor fault diagnosis for under-measurement system based on space geometry approach

Sensor fault cannot be converted to system equation under the condition of under- measurement system. Aiming to solve this problem, we present a new method which treats sensor fault as state variable to enforce fault diagnosis. Firstly, the system model of sensor fault is constructed by putting sensor fault into the state equation. Then, the residual generator is designed using the space projection operation to solve the relevant parameter matrices. Since the proposed algorithm satisfies one-to-one correspondence of faults and residuals, it can achieve single and multiple sensors FDI. Simulation results show the effectiveness of the proposed approach.     

基于UKF的水下航行器IMU故障检测与诊断方法研究

惯性测量单元（IMU）作为水下航行器导航系统关键传感器,其可靠性直接影响航行器的导航性能。为了提高IMU的容错能力,本文提出一种基于无迹卡尔曼滤波（UKF）算法的IMU故障诊断技术。首先根据水下航行器的动力学方程和导航系统特点,建立描述IMU故障与导航状态量关系的解析模型;接着基于UKF非线性滤波的特点,进行导航滤波解算,基于此,提出了解耦矩阵法以实现IMU的故障检测;并且根据无迹卡尔曼滤波器新息正交原理,提出了实时估计IMU故障的方法,从而完成水下航行器IMU故障的在线检测与诊断。最后,通过实际航行数据验证了所提出算法的有效性。     

基于主成分分析的多源特征融合故障诊断方法

目前故障诊断的实际应用中,因噪声的千扰,基于单传感器的故障诊断稳定性较差,很难达到满意的诊断精确度。提出了一种多传感器多特征数据融合的故障诊断方法。该方法利用多传感器从不同部位获取同一部件的运行状况,并通过构建多源特征融合模型,提高特征信息的抗干扰性,最后通过融合特征信息来完成部件的故障诊断。在将新方法应用于滚动轴承故障诊断的试验中,可以看到新方法能够获得较好的性能,比基于单传感器故障诊断的精确度更高。