用于检测双星故障的RAIM算法分析与研究*

随着GPS等卫星导航技术的广泛应用,在实际导航中对接收机的导航定位精度,尤其对定位的有效性提出了越来越高的要求。目前对此较为有效的方法就是利用接收机自主完好性监视(RAIM, Receiver Autonomous Integrity Monitoring)进行保障,而且该方法日益凸显出其优越性,但目前对该方法的研究多基于单星故障的假设。随着新一代导航系统的完善以及组合导航技术的发展,双星甚至多星同时出现故障成为不可避免的话题。本文分析和比较了用于检测两颗卫星故障的偏差完好性风险(BIT, Bias Integrity Threat)法和保护限值(PL, Protection Level)法两种RAIM算法。通过数据仿真,对用不同方法检测卫星故障的可用性及故障检测率进行比较,并分析了两种方法存在差异的理论依据。通过分析比较,说明在未来接收机处理多颗卫星同时出现故障的情况时,如何更精确地描述统计检测量与定位偏差的关系以及如何处理不同测量噪声的影响是RAIM算法可用性及有效性的关键。     

基于统计质量控制的测距故障检测方法

卫星导航接收机在城区环境使用时,多径信号的存在使得码自相关函数发生畸变,从而导致测距结果与真实距离间出现较大偏差。现有的接收机基带多径消除算法复杂度高,实现较为困难。而接收机自主正直性监测(RAIM)算法的故障检测能力有限,难以同时检测多个测距故障。提出使用统计质量控制方法来实现对测距故障的检测,根据质量控制图的输出结果调整测距信息在定位解算中的权重,从而提高定位精度。该方法能够对每颗卫星的码跟踪性能进行单独监测,算法实现的复杂度低。仿真结果表明:使用该方法能够有效指示多径信号导致的测距误差,从而为改善城区环境下的定位精度提供了新思路。     

双星故障识别方法研究

当接收机可以观测到的卫星数目增加时,多颗卫星同时出错的概率大大增加。传统的接收机自主完善性监测算法（Receiver Autonomous Integrity Monitoring,RAIM）通常用来检测并识别一颗故障卫星,在多颗卫星同时出错时的识别结果并不理想。提出了一种改进的RAIM算法,在奇偶矢量法的基础上,从找出无故障卫星出发,进一步用这些无故障卫星信息进行粗略定位,由接收机的粗略位置来计算各颗卫星的伪距偏差,从而识别出并剔除故障卫星。经仿真验证,该方法可以解决两颗故障卫星时奇偶矢量法中的故障偏差抵消问题。     

三种卫星故障检测策略的对比研究与仿真

故障检测是保证导航系统完好性的重要途径.针对接收机自主完好性监测算法RAIM需要至少5颗可见星时才能进行故障检测的问题,在惯性/卫星组合导航系统的框架下,通过构建能反映卫星故障特征的检验统计量,并根据检验统计量的分布确定相应的检测门限,提出了解分离和残差外推两种卫星故障检测方案.仿真结果表明:解分离算法能在存在RAIM漏洞时检测故障且易于进行系统重构,但其故障检测效率不高;残差外推法适用于检测慢变故障.仿真结果表明,改进方法故障检测效率有较大提高,甚至在只有三颗可见星时仍能较快地检测出慢变故障.     

基于自适应策略的权值修正累积历元RAIM算法

传统的接收机自主完好性监测(RAIM)算法对微小慢变故障的检测延迟较长,漏检率较高,不利于故障检测。针对这一问题,在奇偶矢量RAIM算法基础上,提出了一种基于自适应策略的权值修正累积历元的RAIM新方法。该算法根据单历元故障程度确定权值因子,进而调整选定“窗口”内各历元所占比例,以构造更有效的检测统计量,其中“窗口”的大小依据多次仿真实验确定。仿真结果表明,该算法相对于累积历元和传统RAIM方法检测延迟时间分别缩短了16.67%和56.52%,能更好地检测微小慢变故障。     

基于完好性与连续性风险的最优垂直保护门限计算

为降低飞行器精密垂直引导进近过程中的完好性风险和连续性风险,使接收机自主完好性监测(RAIM)算法能提供水平方向和垂直方向上的完好性保障,提出一种基于多假设解分离的RAIM算法来求解最优垂直保护门限(VPL)。在满足全球导航卫星系统(GNSS)完好性和连续性的前提下,优化GNSS系统对各假设故障模式的完好性风险和连续性风险分配,得到最优VPL。仿真结果表明,与传统基于斜率的RAIM算法相比,该算法能够提供更精确的VPL值,提高了系统可用性,并且随着卫星故障先验概率不断增大仍具有较好的鲁棒性。     

GPS+BD双模接收机自主完好性监测算法研究

在高动态导航中,卫星接收机自主完好性监测(RAIM)越来越受到重视。假如在单一模式下监测,RAIM系统至少需要接收到5颗卫星的信息才能监测出异常卫星,而如果需要辨识出故障卫星,则至少需要接收到6颗卫星的信息,这就使得单一的接收模式很难保证在全球范围内进行全天候的完整性检测。而随着北斗(BD)系统的迅速发展,使得采用GPS+BD导航模式进行监测成为可能。文中讨论了GPS和BD组合接收机中,在某时刻假设只有一颗卫星出现故障的情况下,怎样使用加权方法进行自主完好性监测。并通过仿真GPS、BD单模式和GPS+BD模式下的故障识别率和RAIM完好性可用率,证明了GPS+BD模式RAIM算法要优于任何一种单系统模式的RAIM算法。     

GPS+BD双模接收机自主完好性监测算法研究

在高动态导航中,卫星接收机自主完好性监测(RAIM)越来越受到重视.假如在单一模式下监测,RAIM系统至少需要接收到5颗卫星的信息才能监测出异常卫星,而如果需要辨识出故障卫星,则至少需要接收到6颗卫星的信息,这就使得单一的接收模式很难保证在全球范围内进行全天候的完整性检测.而随着北斗(BD)系统的迅速发展,使得采用GPS+BD导航模式进行监测成为可能.文中讨论了GPS和BD组合接收机中,在某时刻假设只有一颗卫星出现故障的情况下,怎样使用加权方法进行自主完好性监测.并通过仿真GPS、BD单模式和GPS+BD模式下的故障识别率和RAIM完好性可用率,证明了GPS+BD模式RAIM算法要优于任何一种单系统模式的RAIM算法.     

单基线姿态测量的RAIM算法研究

当载体安装有GPS接收机和多个天线时,可以得到其姿态信息(航向角、俯仰角、横滚角);论述了利用载波相位姿态测量的解析法,利用了基线长固定的条件,在整周模糊度初始化时进行粗搜索,利用模糊度函数法进行判断筛选整周模糊度组合,减少了搜索空间;接收机自主完好性监测(RAIM)的概念被引入到姿态测量算法中,有效地剔除问题卫星,改善AFM算法;系统姿态测量结果达0.1标准差,故障卫星可由RAIM检测并剔除;结果表明RAIM算法能有效提高姿态测量结果可靠性。     

基于小波分析的RAIM算法卫星故障检测研究

作为一种传统的卫星故障诊断方法,RAIM在卫星故障监测中发挥着重要作用;文中基于奇偶矢量RAIM算法,提出一种基于小波分析的RAIM算法的卫星故障检测方法;首先利用Haar小波分解,对卫星故障信号进行小波变换处理,提取故障信号特征,通过在不同尺度的奇异性变化找到信号突变点,然后将检测结果反馈给RAIM算法进行故障检测,对不同条件下的卫星故障进行故障检测性能进行分析;仿真实验表明,该算法提高了系统故障检测的准确性,降低了误警率。     

基于主元分析的桥梁挠度传感器故障诊断研究

主元分析(PCA)是一种典型的数据降维的多元统计方法,已被越来越多地用于故障诊断。将PCA应用在桥梁挠度传感器故障诊断。介绍了PCA的理论,研究了基于PCA的故障检测方法和基于贡献率的故障诊断方法。计算平方预测误差(SPE)和Hoteling T2统计,当统计量超过阈值时,判断系统出现了传感器故障,然后通过SPE贡献图判断故障源。通过仿真验证了PCA在故障诊断的实用性,但结果也表明:PCA对小故障不是很敏感。     

基于自主诊断重构技术的航天器故障检测系统设计

传统航天器故障检测系统姿态定位能力较差,导致不能突破阈值,准确实现检测,且传统系统不具备重构能力;为解决上述问题,基于自主诊断重构技术,提出了一种故障检测的新方法,优化设计了航天器故障检测系统的硬件和软件部分,硬件设计采用EEC-I型检测器,为保证检测器的运行,对检测器的电压与电流范围进行了设置;设计采用MATLAB的数据采集器,选用Telnet接入端口,实现采集器的通信,确保数据的顺利采集;采用FIR滤波器,为保证信号的完整性对通带和阻带进行设置;设计采用4NIC-UPS27型号一体化不间断电源为航天器故障检测系统提供动能;软件设计基于自主诊断重构技术的航天器故障检测系统流程,运用小波网络算法对航天器的姿态角数据进行分析,预测航天器的姿态角的安全阈值,最后利用残差数据分布概率模型进行航天器故障诊断;实验结果表明,设计的基于自主诊断重构技术的航天器故障检测系统能够很好地从X、Y、Z三个轴进行检测,确定不同方位的航天器故障,在设定阈值后,提出的检测系统能够很好地分析阈值,实现残差突破,同时具备路线重构能力。     

基于自适应迭代学习算法的一类非线性系统故障检测与估计

针对迭代学习算法在非线性系统故障检测与估计过程中存在估计误差较大和收敛速度较慢等不足的问题,提出了一种基于龙格–库塔故障估计观测器模型的自适应迭代学习算法,有效降低了故障估计误差;并引入H∞性能指标,提高了故障估计观测器的收敛速度.该算法首先设计故障检测观测器对故障进行检测,然后设计故障估计观测器,并将自适应算法与迭代学习策略相结合,使得估计故障逐渐逼近真实故障,从而实现对非线性系统中多种常见故障的精确检测与估计.最后,通过机械臂旋转关节驱动电机的执行器故障仿真验证了所提算法的有效性.     

E级高性能计算机的维护故障诊断系统研究

E级计算机系统规模巨大,使得故障异常总量随之增多,导致诊断发现的难度增加,因此,迫切需要一套更加准确高效的实时维护故障诊断系统,对硬件系统进行全面的异常及故障信息实时检测、故障诊断及故障预测。传统故障诊断系统在面对数万节点规模的诊断时存在执行效率低、异常检测误报率高的问题,异常检测及故障诊断的覆盖率不足。对异常及故障检测、故障诊断与故障预测相关技术进行研究,分析技术原理及适用性,并结合E级高性能计算机实际工程需求,设计一套满足数E级高性能计算机需求的维护故障诊断系统。基于维护系统的结构组成设计可扩展的边缘诊断架构,将高性能计算机系统知识、专家知识与数理统计、机器学习相融合给出故障检测、诊断及预测算法,并针对专用场景建立预测模型。实验结果表明,该系统具有较好的可扩展性,能在10 s内完成对十万个节点规模系统的故障诊断,与传统故障诊断系统相比,异常检测某特定指标误报率从3.3%降低到几乎为0,硬件故障检测覆盖率从90.2%提升至96%以上,硬件故障诊断覆盖率从71%提升至约94%,能较准确地预测多个重要应用场景下的故障。     

基于贝叶斯征兆解释度的链路故障定位算法

针对故障和征兆关系不确定的网络中故障定位算法检测率低和误检率高的缺陷,提出了一种基于贝叶斯征兆解释度的链路故障定位算法。该算法以概率加权的二分图作为故障传播模型,通过处理贝叶斯后验概率信息,定义一种新的参数贝叶斯征兆解释度,并基于该参数对可能链路故障进行判断,得出最优故障假设集合,实现链路故障定位。理论分析和仿真实验表明,该算法具有较低的计算复杂度,且在小规模不确定网络中具有较高的故障检测率和较低的故障误检率。     

基于规范变量残差的化工过程微小故障检测与诊断

微小故障因其幅值低而易被噪声和过程扰动所掩盖,并且会随时间慢慢演变成过程中的严重故障.因此,微小故障的检测和诊断变得越来越重要.为了更有效地监测和诊断微小故障,提出了基于规范变量残差的化工过程微小故障检测和诊断方法.首先,对Hankel矩阵执行奇异值分解来获得主元和残差空间并根据过去和未来数据的差异,求得两个不同的规范变量残差d_1, d_2.其次,考虑数据的时间序列特性,提出了基于规范变量残差的两个加权平均统计量W_(D1), W_(D2)及其控制限,进行故障检测;然后,计算出各个统计量的归一化贡献并绘制二维贡献图,进行故障诊断.最后,在连续搅拌釜式反应器(CSTR)过程中进行两种微小故障的应用研究.结果表明,与传统的统计量T~2,Q以及规范变量差异分析(CVDA)中统计量D相比,基于规范变量残差的加权平均统计量W_(D1), W_(D2)不仅能够及时检测到微小故障,而且在故障检测率和诊断率方面,均有不同程度的提高.     

配电网故障区段定位及测距方法

针对配电网发生单相接地故障后采用人工巡线定位故障困难的问题,提出了一种基于分布参数模型的配电网故障区段定位及测距方法。该方法通过对线路上馈线终端装置上传的故障信息及数据进行分析计算,选择故障区段,然后在线计算该区段线路分布参数,从而得出故障距离。仿真结果表明,该方法受过渡电阻和故障位置等因素影响小,能有效实现故障选线和区段定位,测距误差在1%以内。     

多采样频率的配网接地故障检测与定位

现有文献的故障监测与定位小波算法都是在录波采样频率相同的前提下进行的,配电网小电流接地故障实时检测,与变电站接地故障检测的环境完全不同：配网故障监测装置,采用不同标准采样频率(3600Hz、4800Hz)上送实时故障录波数据到配网中心,更有采用4096Hz的采样频率上送故障录波数据,在配网中心需要把不同采样频率的录波数据进行分析计算,提取故障特征、检测故障,确定故障首尾端,实现故障检测与定位。本文给出了小波能量特征的定义、不同采样频率能量特征的折算、基于能量特征的配电网接地故障监测与定位算法。多种采样频率下配网接地故障检测与定位,通过小波变换提取故障能量特征、将不同采样频率故障录波信号,折算到最低采样频率下的能量特征,然后根据能量特征来判别故障类型、确定故障首尾端。多采样频率的小波能量特征折算算法,对于类似的小波变换的使用场合,也有借鉴意义。     

A Dynamic Independent Component Analysis Approach To Fault Detection With New Statistics

This paper presents a fault detection method based on Dynamic Independent Component Analysis (DICA) with new statistics. These new statistics are statistical moments and first characteristic function that surrogate the norm operator to calculate the fault detection statistics to determine the control limit of the independent components (ICs). The estimation of first characteristic function by its series is modified such that the effect of series remainder on estimation is reduced. The advantage of using first characteristic function and moments, over second characteristic function and cumulants, as fault detection statistics is also presented. It is shown that the proposed method can detect a class of faults that the former methods cannot; in particular faults with small amplitude ICs that have either different probability density function or identical probability density function of the ICs, but different low order moments of the ICs compared with the normal performance. Simulation results are used to show the effectiveness of the proposed method.