基于T-S模糊神经网络模型的编码器故障软闭环容错控制方法

针对舞台吊杆调速系统中速度反馈元件增量式编码器可能产生的丢码、断码等问题,为防止故障影响的传播,结合数据驱动技术提出了一种基于T-S模糊神经网络(T-S FNN)模型的编码器故障检测与软闭环容错控制方法。首先,利用系统正常运行时的历史数据建立系统较为精确的T-S FNN预测模型,并用实际编码器测量值与模型预测值相减获得残差信息;其次,将其残差实时数据通过改进的序贯概率比检验(SPRT)算法进行故障检测,以克服检测延迟确保故障检测的可靠性,当检测出故障时,再用T-S FNN模型的预测输出替代故障编码器的输出,实现软闭环方式下的容错运行;最后,针对编码器丢码、断码等故障,采用上述方法进行了软闭环容错控制的有效性仿真验证。仿真结果表明,该方法能够快速可靠地检测到编码器故障,并用预测的重构信息通过容错切换机制,及时、安全地以软闭环方式实现了对故障编码器的容错控制,提高了舞台吊杆调速系统运行的安全可靠性。     

基于序贯概率映射的组合导航自适应容错算法

基于联邦滤波的容错组合导航系统通常在判定故障时刻对故障子系统进行整体隔离,未充分考虑缓变故障影响的渐近变化与状态分量间的差异。为此,提出一种基于序贯概率映射的组合导航自适应容错算法。该算法通过子滤波器新息动态映射建立局部估计状态统计模型,通过序贯概率比检测在线估计缓变故障影响下的局部状态质量,并据此对融合过程进行自适应调节。仿真结果表明,所提出的方法能有效提高组合导航系统对缓变故障的自适应容错调节能力。     

基于ARMA模型的序贯概率比改进算法

针对常规的序贯概率比检验方法（sequenceprobabilityratiotest,SPRT）在故障检测时存在的较大时间延迟,本文提出一种通过对序贯概率比时间序列运用自回归滑动平均（auto—regressivemovingaverage,ARMA）模型,建立预测反馈控制机制的SPRT改进算法。该算法的核心思想是根...     

基于序贯最小二乘的多传感器误差配准方法

为实时估计多传感器系统偏差,针对广义最小二乘(GLS)配准方法不能实时估计传感器偏差的问题,提出了基于序贯最小二乘的多传感器误差估计方法,该方法在GLS配准模型基础上,采用最小二乘的序贯方法来估计系统偏差,不必存储过去的测量数据,能够实时估计系统偏差。仿真结果表明了该方法的有效性。     

LSFR算法在多传感器分布式检测中的优化研究

在多传感器分布式检测系统中,常规融合规则算法要求传感器误差概率已知,且系统中传感器和融合中心同时优化存在一定困难.提出最小二乘融合规则(LSFR)算法,算法不依赖噪声环境稳定性以及传感器的虚警概率与检测概率,融合中心根据各个传感器的硬决策,得到全局的硬决策,并在传感器和融合中心处理达到最优时,获得最佳全局性能.仿真结果表明:对比似然比融合决策算法与Neyman Pearson融合规则(NPFR)算法,LSFR算法全局检测概率显著提高,且在不同数量规模传感器和更多类型的分布式检测系统中具有较好兼容性.     

通信受限下网络化多传感器系统序贯卡尔曼滤波加权融合

针对通信受限下网络化多传感器系统难以实时滤波的问题,提出实时序贯滤波融合方法和故障诊断方法.首先基于周期性分组传输通信策略,采用序贯卡尔曼滤波方法,对当前时刻访问融合中心的传感器组进行局部滤波,并导出剩余传感器组的最优局部估计,进而得到线性最小方差意义下的最优融合估计.利用残差加权平方和方法对发生故障的传感器进行定位,仿真结果验证了所提出算法的有效性.     

带反馈信息的多传感器航迹融合算法

基于分布式多传感器航迹融合系统,采用序贯处理的方法,研究了相关条件下带反馈信息的多传感器航迹融合问题.以估计误差方差阵迹最小准则导出了相应的融合算法,并进行了仿真分析.仿真结果表明带反馈信息的多传感器航迹融合算法的可行性和有效性,同时也表明带反馈的融合算法比不带反馈的融合算法具有更高的跟踪精度.     

深海底集矿机传感器故障容错方法研究

针对深海环境的特殊性,对集矿机传感器容错方法进行了研究;利用双传感器冗余策略,同时把加权融合算法和灰色预测模型结合起来,构建一个基于混合冗余的传感器容错系统,用于集矿机传感器故障的检测、分离和容错,保证了集矿机双传感器在不同时发生故障的情况下系统输出始终有效;仿真结果验证了这一方法的可行性.     

基于鲁棒自适应观测器的飞控系统传感器故障隔离与重构

考虑到飞行控制系统闭环反馈及实时的特性,设计了多个鲁棒自适应观测器用于传感器的故障隔离与重构.这样有效的抑制了噪声和模型不确定性,以及闭环传感器输出之间的相互影响.同时对残差进行时序概率比检验,避免了故障误报和漏报.应用某型战斗机地形跟随控制系统进行仿真验证,在保证闭环反馈系统稳定的前提下,实现了传感器的在线故障隔离与重构,达到了预期的效果.     

基于非线性多参数模型的软件老化检测

提出了一种软件系统的非线性有源自回归(Nonlinear AutoRegressive models with eXogenous Inputs,NARX)网络模型的老化检测方法。解决了目前软件老化方法未考虑多变量间关联性及历史数据的延迟影响的问题。该方法首先通过对实验采集的HelixServer-VOD服务器性能数据进行主成分分析,确定网络的输入维数,根据AIC准则确定最佳模型阶数,最终选取合理的网络模型结构;使用已知的未老化状态样本对NARX网络进行训练,建立系统的辨识模型;然后运用序贯概率比检验(Sequential Probability Ratio Test,SPRT)对NARX辨识模型的残差进行假设检验,判断系统的老化状态。实验分析表明,基于NARX网络模型的故障检测方法能够有效地应用于软件老化的检测。     

一种二元探测传感器网络目标跟踪算法

针对二元探测传感器网络目标定位与跟踪问题,提出一种递推的质心定位方法,推导出了质心定位算法的递推公式。采用序贯最小二乘估计方法,提出了基于递推计算的质心定位结果进行目标跟踪的算法。算法以简单的观测噪声模型体现系统的测量和计算误差,利用序贯最小二乘算法的可变增益,提高了跟踪精度;算法不需要先验统计信息以及序贯式的处理方式等因素,降低了算法的计算复杂度。仿真结果验证了递推公式的正确性和跟踪算法的有效性。     

水轮机调速器的智能故障诊断与控制研究

针对水轮机调速器故障诊断和容错控制难题,提出了一套适合于非线性时变系统的智能容错控制策略。该策略采用多传感器数据融合算法和符号法定性故障诊断法,以实现测频故障和液压随动系统故障检测;并探讨了控制算法重构规律,实现传感器故障时的无扰切换和稳定运行。该策略已在单机15MW高水头冲击水轮发电机上应用,效果良好。     

兼具柔顺与安全的助行机器人运动控制研究

针对助行机器人的柔顺性和安全性问题,基于多传感器系统融合技术,本文提出了一种能够兼具柔顺与安全的助行机器人运动控制方法.首先介绍了助行机器人的机械结构、控制原理以及多传感器系统,然后根据机器人多传感器系统,设计出各传感器相对应的用户意图估计方法,提出了一种基于多传感器融合的助行机器人柔顺运动控制算法.分析用户可能发生的跌倒模式,使用基于卡尔曼滤波（Kalman filter,KF）的序贯概率比检验（Sequential probability ratio test,SPRT）方法和决策函数来判断用户是否会跌倒,并判断处于哪种跌倒模式.最后,通过助行机器人柔顺运动控制实验和用户跌倒检测实验验证了算法的有效性.     

序贯处理的多传感器航迹融合算法研究

基于分布式的多传感器航迹融合系统,采用序贯处理的方法并结合矩阵加权的融合算法,在估计误差协方差阵迹最小的准则下,提出了估计误差相关条件下的航迹融合算法,从理论上对算法的航迹融合性能进行了分析,并进行了仿真。仿真结果表明了基于序贯处理的融合算法的可行性和有效性。     

一种面向互联概率加权的JPDA多传感器数据融合方法

针对单传感器联合概率数据互联(Joint Probabilistic Data Association, JPDA)在复杂环境下难以跟踪多个目标的问题,提出一种基于JPDA量测目标互联概率统计加权并行式和序贯式多传感器数据融合方法。首先,给出单传感器JPDA算法。然后,介绍多传感器JPDA数学模型,基于这一模型,使用互联概率加权,推导并行式和序贯式多传感器数据融合公式,这对多传感器数据融合有一定指导意义。最后,对单传感器JPDA方法在不同杂波密度、不同过程和不同观测噪声下目标跟踪的距离RMSE进行仿真,结果表明,随着这3项指标皆增大,目标距离RMSE增大;同时,对本文的2类多传感器JPDA方法与其他几类跟踪方法在数据集PETS2009下有关行人跟踪性能进行仿真,结果表明,本文并行式和序贯式多传感器JPDA方法相较于其他方法在跟踪准确性、跟踪位置准确性、航迹维持以及航迹遗失上皆为最优,而且序贯式融合略优于并行式多传感器JPDA。     

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。     

基于近距无线电导航的容错组合导航系统

针对组合导航子系统的特性,提出了一种基于近距无线电导航的容错组合导航系统方案.给出了完整的无线电导航系统的误差模型.针对残差X2检验和状态X2检验的特点,提出了一种结合状态递推的残差检验法,该方法对软故障的检测能力较强,并采用分量检测法提高故障检测灵敏度,将该算法嵌入到基于局部反馈校正的无重置联邦滤波器中提高导航系统的容错能力.仿真结果表明,融合输出结果不受故障影响且精度高于任一子滤波器导航精度,验证了算法的正确性.     

一种基于容错的感知数据回归模型研究

传感器主要用于对外部环境进行监测,然而当传感器发生故障时监测结果会出现误差。为了提高传感器发生故障时系统的容错能力,提出了一种容错的感知数据回归模型。首先,对最小二乘和岭回归两种线性回归模型进行分析,并分析了线性回归模型的相关统计量;然后,分析了部分传感器发生故障时系统的相关统计量,并以此为基础分析了协变量矩阵的上下界;最后,依据协变量矩阵定义了故障指标,并将优化模型转化为同时最小化故障指标和均方误差的问题。实验表明,提出的容错回归模型与传统的最小二乘法和岭回归方法相比具有更小的预测误差,因而当传感器发生故障时所提模型具有更好的健壮性。     

改进的时序概率比检验在飞行控制系统故障检测中的应用

用基于模型的方法获取故障状态下的系统残差,并用一种改进的时序概率比检验进行残差判决,缩短了残差判决的时间.仿真结果表明该方法可以提高故障检测的实时性.     

基于FAEKF算法的线控转向传感器的容错控制

传统线控转向汽车传感器容错控制策略忽视了可变噪声的影响，这会导致容错控制精度偏低，因此，基于模糊自适应扩展卡尔曼滤波(FAEKF)提出一种改进的主动容错方法。建立线控转向系统与汽车三自由度相结合的非线性动力学模型，并利用模糊控制器对传感器测量噪声的权重进行实时调整；结合残差理论和数据融合实现传感器的故障诊断与补偿；完成主要传感器的容错控制。仿真结果表明，当单个传感器发生故障时，该方法具有较好的抗噪性和逼近能力，容错控制精度明显提高。