基于扩展多模型自适应估计的运载火箭伺服机构故障检测与诊断

针对运载火箭伺服机构故障,提出了一种基于扩展多模型自适应估计的故障检测与诊断算法。首先建立了考虑伺服机构故障的运载火箭姿态动力学模型,其次将故障角度作为状态变量得到增广状态空间模型,然后利用扩展卡尔曼滤波器进行状态向量和故障参数的非线性估计,并基于传感器测量数据采用假设检验算法在线计算故障发生的概率,最后给出了基于扩展多模型自适应估计的故障检测与诊断算法流程。该方法的优点是只用一个扩展卡尔曼滤波器就可完成一个伺服机构的故障检测与诊断,从而大幅减小用于伺服机构故障检测与诊断的滤波器数量。仿真结果表明,该方法在无故障时可对伺服机构进行健康监测,在单台伺服机构故障下,可以及时准确判断出哪一台芯级伺服机构发生故障,并可准确估计出伺服机构故障下的发动机摆角角度。     

装备模拟电路UKF-WRNN软故障诊断

为提高装备模拟电路的软故障诊断能力,在构建多分辨率变换样本基础上,提出一种应用改进UKF算法训练小波RBF神经网络(WRNN)软故障诊断方法。它引入基于方差膨胀原理的自适应因子,改善UKF算法性能;并利用改进UKF算法优化估计WRNN参数,建立多分辨率变换样本集的故障诊断模型;再由所建模型对各种故障模式进行诊断判定。Sallen-Key带通滤波器的仿真测试表明,该方法收敛速度快,诊断准确率高,进而验证了其可行性和有效性。     

非椭圆扩展目标联合跟踪与分类算法

充分利用目标尺寸和形状信息,提出了一种基于星凸随机超曲面模型(random hypersurface model, RHM)的非椭圆扩展目标联合跟踪与分类(joint tracking and classification, JTC)算法。将目标空间扩展状态建模为星凸形状,通过目标类别相关先验信息的矢量化建模,建立起其与目标瞬时扩展状态的关系,并在统一的贝叶斯滤波框架下,实现跟踪与分类的一体化处理;进一步对目标运动学状态和扩展状态单独进行建模,并通过构建扩展状态的似然函数,利用粒子滤波实现目标类别概率算式的递推处理。仿真结果表明:与基于椭圆形状的扩展目标JTC算法相比,所提算法能对尺寸相近、形状不同的目标进行准确分类,同时可改善目标状态的估计效果;与基于星凸RHM的扩展目标跟踪算法相比,所提算法能大幅提高目标状态的估计性能。     

交互多模型算法的无人机控制系统故障诊断

交互多模型算法是一种广泛用于各种结构与参数变化的动态系统自适应估计的有效方法.在建立无人机控制系统传感器和执行器的全局故障和局部故障模型的基础上,应用此方法对传感器和执行器的各种软硬故障进行诊断,应用所建立的数学模型与方法,对无人机传感器和执行器的局部与全局故障进行了仿真计算.在仿真过程中发现,与一般的多模型方法相比,此方法能够更加准确可靠地诊断故障,无延迟报警,算法简单.仿真结果验证了该方法的有效性.     

基于改进多模滤波算法的控制系统故障诊断

应用分层多模自适应滤波算法对控制系统的故障进行诊断时,只能识别出故障的类型,如识别出是传感器还是执行器发生故障,并不能判定出故障的大小.提出一种改进分层多模自适应滤波算法,应用此算法可使分层多模自适应滤波算法不仅可以检测出控制系统的故障类型,而且能够确定发生故障的执行器局部故障程度.将此算法应用于某无人机控制系统的故障诊断,仿真结果验证了该方法的有效性.     

一种基于多径消除的自适应时延估计算法

多径信号和背景噪声严重影响自适应时延估计算法性能,为克服此问题,提出了一种基于多径消除的自适应时延估计算法。该算法先通过2个FIR滤波器消除多径信号的影响,再利用自适应时延估计器来准确地进行时间延迟估计。与现有算法相比,新算法的收敛速度较快,不需要真实时延的先验信息,且在有背景噪声的影响下也能得到准确的时延估计。计算机仿真验证了新算法的有效性。     

基于自适应原理诊断传感器偏差故障的方法

在控制系统中 ,传感器是容易发生故障的部件 ,研究传感器故障诊断问题具有重要意义。介绍了一种基于自适应原理的传感器偏差故障诊断方法 ,首先将传感器偏差故障表示为系统状态 ,然后应用自适应原理估计出传感器偏差故障。仿真表明 ,用这种方法诊断传感器偏差故障是可行的。     

伺服机构故障下基于线性规划的运载火箭姿控系统重构控制

发动机伺服机构故障给新一代运载火箭姿控系统的可靠性和安全性带来挑战,亟须开展重构控制策略研究。针对这一问题,提出一种基于线性规划的摆角重构控制分配方法。将伺服机构故障下的摆角分配问题转化为1范数单目标有约束优化问题,进而转化为标准的线性规划模型,采用单纯形法进行求解。仿真结果表明,所提出的线性规划法能够实现伺服机构故障下姿控系统的完全重构,各摆角均未达到饱和值,表明了方法的有效性。     

一种稳健的多传感器目标跟踪算法

研究了一种基于双波段红外和雷达传感器的自适应目标跟踪算法.利用目标多普勒信息和红外辐射信息,建立具有树形结构的红外雷达跟踪系统状态估计模型,采用平方根无迹卡尔曼滤波方法实现双波段红外传感器的初步融合,并将其作为融合节点与雷达传感器进行基于自适应交互式多模型算法的深层融合.在交互式多模型算法的基础上,研究了寻求快速准确的机动目标模型匹配方法,通过局部优化来达到最终融合结果的优化.仿真结果表明,该算法能有效提高机动目标跟踪精度,具有一定的稳健性和自适应性.     

基于线性混合盲分离模型的电机故障诊断方法

基于定子电流信号的频谱分析方法诊断电机故障,其检测的精度易受到噪声干扰及频率分辨率的限制。为解决这一问题,提出了一种基于线性混合盲分离模型的电机故障诊断方法。该方法采用固定点算法从电机的定子电流信号中分离出故障特征信号,由观测信号估计出混合矩阵,据此计算故障特征信号的幅值,再根据幅值在电机正常和故障状态下的变化实现对电机故障的诊断。以电机转子故障为例进行了实验,结果表明:该方法可实现转子断条故障的可靠诊断,并且在短数据条件下,也能取得较好的诊断效果。     

扩展状态UKF和水下地形匹配的捷联系统误差估计方法

捷联系统进入匹配区时导航一定时间后已积累了一定的误差,采用适当的信息融合策略对误差进行估计并补偿可提高后续航行精度;通过建立水下地形匹配辅助导航系统非线性误差模型,以地形匹配和深度压力传感器测量的位置信息和深度作为量测量,基于扩展状态UKF算法设计了误差估计滤波器,仿真研究了其估计效果,并与非扩展状态UKF算法进行了对比研究.仿真结果表明:所提出的方法可行,而且基于扩展状态UKF的误差估计方法相比非扩展状态UKF方法具有更好的估计精度,研究结论为匹配区内估计捷联系统导航误差提供了参考.     

一种自适应变结构交互式多模型算法

针对机动目标跟踪问题,提出了一种自适应变结构交互式多模型算法。对滤波问题进行了简单描述,并给出了交互式多模型算法的数学模型;建立了一种新的变结构交互式多模型算法的精确模型,模型子集之间并行独立运行,通过选取概率最高的模型子集的状态估计作为最终的估计结果;在变结构交互式多模型算法基础上进一步设计了自适应变结构交互式多模型算法,该方法提高了模型子集和目标实际机动模式的匹配程度,从而提高了目标跟踪精度。仿真结果表明,自适应变结构交互式多模型算法的跟踪效果优于其他方法。     

多模自适应滤波算法的性能改进方法

多模自适应滤波算法基于已知的故障情况设计出一组卡尔曼滤波器预测系统对给定输入的响应,根据卡尔曼滤波器的预测输出和系统的测量值确定各滤波器的残差,从而检测出系统是否发生故障及其故障类型.采用传统的多模自适应滤波算法检测故障时会有一定的时间延迟,不利于系统故障的实时检测,因此提出了几种减少多模自适应算法故障检测时间的方法,并将其应用于某无人机执行器和传感器的故障检测和识别,仿真结果证明可以有效地减少故障检测时间.     

基于期望系统噪声的自适应机动目标跟踪研究

状态估计是目标跟踪中的基本问题,也是目标跟踪的一个难点。首先对标准IMM算法的优缺点进行了论述,针对其缺点和不足,提出了基于期望系统噪声模型（MIMM）的自适应多模型算法,该算法能有效地对机动目标的状态进行自适应估计。仿真结果表明,该算法比标准的IMM算法有较好的改善。     

基于滑窗自适应的故障估计与补偿及其在组合导航系统中的应用

针对以往方法对缓变故障存在较大的故障检测延时,从而降低导航系统可靠性的问题,实时的故障估计及补偿十分必要。将故障动力学建模为随机过程,提出了一种基于不准确状态和测量噪声协方差矩阵自适应学习的滑动窗口变分自适应卡尔曼滤波器。它由前向卡尔曼滤波、后向卡尔曼平滑和噪声协方差矩阵的在线估计组成。通过对滑动窗口状态向量的平滑后验分布进行逼近,利用变分贝叶斯方法将噪声协方差矩阵的后验分布解析更新为逆Wishart分布,避免了不动点迭代,获得了良好的计算效率。最后,基于捷联惯导/卫星(SINS/GPS)组合导航系统,进行了导航系统的故障估计及补偿的仿真验证。仿真结果表明,在不需要了解量测噪声和故障系数矩阵的情况下,该方法能够较好地估计出目标故障信号,然后利用估计出来的故障值对导航系统进行补偿,极大地提高了SINS/GPS组合导航系统的实时估计精度与可靠性。     

平流层飞艇抗风场干扰约束Unscented卡尔曼滤波算法设计与应用

为了提高风场干扰环境下飞艇的导航精度,研究飞艇抗风场干扰导航算法。在建立风场干扰条件下飞艇速度误差约束模型的基础上,设计抗风场干扰的约束Unscented卡尔曼滤波算法。确定风场干扰条件下飞艇的速度误差约束量,将该约束与Unscented卡尔曼滤波算法相结合,对速度误差进行估计和补偿,以减小风场对飞艇定位精度的影响;证明该算法的状态估计量不仅是无偏的,而且协方差小于标准Unscented卡尔曼滤波的协方差;将提出的算法应用于捷联惯导/天文/合成孔径雷达组合导航系统中进行仿真验证,并与自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法进行比较。结果表明:提出的约束Unscented卡尔曼滤波算法的滤波性能明显优于自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法,能够有效抑制风场对飞艇定位精度的影响,提高飞艇的导航定位精度。     

基于时间反转的MIMO雷达多目标DOA估计

针对MIMO(Multi-input Multi-Output)雷达多目标DOA(Direction Of Arrival)估计问题,提出一种基于时间反转(Time Reversal,TR)的MIMO雷达多目标DOA估计方法。首先,算法根据MIMO雷达接收信号模型,采用时间反转理论,建立TR MIMO雷达接收信号模型;随后,利用MIMO雷达波形分集特性对TR MIMO雷达接收信号匹配滤波并进行向量化处理,扩展了MIMO雷达的虚拟孔径;最后,采用MUSIC(Multiple Signal Classification)算法进行多目标DOA估计,有效提高了精度。与常规MIMO相比,TR MIMO能够有效提高回波信号增益和增大虚拟孔径。计算机仿真结果表明,在信噪比-20 d B的条件下,TR MIMO雷达仍能准确地估计出目标的角度,表明TR MIMO雷达具有更好的性能。     

基于近似PDP的LOFDM双散射信道时延扩展估计

功率时延剖面(PDP)可完全刻画无线信道的时间散射特性,同时也是栅格正交频分复用系统(LOFDM)自适应策略的重要信道参考。实际中,由于功率时延剖面的准确估计十分困难,常用时延扩展来描述信道功率时延剖面。文章利用Parseval’s定理和DFT-BEM信道模型实现了双散射信道下时延扩展的有效估计;同时运用抛物线拟合法进一步提高估值算法抗干扰性能。理论分析与计算机仿真表明:提出估计算法具有良好的均方误差性能。     

分段供电切换传感器的在线故障诊断方法

分段供电切换传感器是多段直线电机控制系统的重要部件。针对其故障检测与定位的问题,提出一种切换传感器故障的在线诊断方法。对采集的传感器信号数据进行压缩,以提高计算的效率;研究切换传感器信号根据次级运动的变化规律,定义标准信号集合;给出计算传感信号差异度的方法,作为分析信号相似程度的量化指标;将问题表示为基于有向图的搜索问题,并根据问题的特点缩小搜索的范围;由此提出搜索算法,可以根据测量的传感信号时序估计传感系统的状态变迁过程;给出故障定位流程,利用算法估计的结果,根据系统标准信号集合进行故障定位。为了说明算法与预期结果的一致性,给出3个命题并进行证明;通过实验验证了故障诊断方法的有效性。     

基于球坐标系下BLUE滤波的IMM算法

针对机动目标跟踪中常见的量测转换问题,提出了一种基于球坐标系下最优线性无偏估计滤波的交互多模型算法。该算法的核心思想是将最优线性无偏估计滤波作为交互多模型中的基本滤波,完成对机动目标的跟踪。在仿真试验中,将该算法与基于扩展卡尔曼滤波的交互多模型算法进行比较,结果表明该算法有效地抑制了扩展卡尔曼滤波中常见的滤波发散问题,并且提高了跟踪的精度,具有较好的实用性。