模糊聚类分析在多目标跟踪中的应用

为了解决在密集的环境中多目标跟踪的难题，本文提出了基于模糊聚类跟踪算法，主要是将人的模糊判断的特点引入到目标跟踪系统中，得以简单程序完成复杂的相关判别。利用模糊聚类方法的特点解决噪声背景下跟踪相关问题。仿真实验的结果表明，在杂波密度高的情况下，模糊聚类算法有它一定的优越性。     

特征敏感度与模糊度的弹道目标聚类识别评估

针对现有弹道导弹目标聚类识别算法中,很少同时考虑目标特征敏感度与模糊度的问题,提出了一种基于特征敏感度与模糊度的弹道目标聚类识别算法。该算法通过目标特征类内类间距离,定义目标特征聚类识别敏感度,将两类目标形成的类看成两个圆,利用圆之间的位置关系,定义目标特征聚类识别模糊度,将所定义的特征敏感度与特征模糊度合理组合,作为目标特征对聚类识别好坏的评估因子。仿真实验从特征评估分析和特征组合分析两个方面验证了算法的有效性。     

利用支持向量机的矢量跟踪通道故障检测算法

为了克服卫星导航矢量跟踪接收机中故障通道对其他正常通道的影响,提高矢量跟踪接收机的鲁棒性,提出一种利用支持向量机的通道故障检测算法,利用矢量跟踪接收机的导航滤波器的新息序列作为支持向量机的输入。支持向量机的输出为通道的状态,根据支持向量机的输出通道的状态来判断该通道是否纳入导航滤波器,用来跟踪滤波器状态值,这样能够有效地避免故障通道对导航结果的污染。仿真实验结果表明:该方法能准确地检测出有故障的通道,提高矢量跟踪环路的鲁棒性。     

LRE试车数据挖掘中基于最大散度差的模糊聚类分析方法

在对液体火箭发动机试车数据进行聚类分析时,为解决故障数据样本与正常样本类间差异不大的问题,引入最大散度差准则,提出基于最大散度差的聚类算法MSD-CA.该算法以散度度量样本间的相似性,使样本的类内散度最小化和类间散度最大化同时进行.在此基础上,应用模糊理论对最大散度差准则进行模糊化,提出基于最大散度差的模糊聚类算法MS...     

一种基于级联滤波设计的背景噪声均衡方法

针对阵列信号处理中背景噪声对目标检测影响问题,提出一种基于级联滤波设计的背景噪声均衡方法.该方法依据背景噪声起伏特性设计多尺度组合形态学滤波器对空域重采样数据进行处理,降低不同方位起伏噪声对目标检测的影响;根据噪声特性设计同态滤波器,降低乘性噪声对目标检测的影响;按类内类间离散度比最小准则实现背景噪声门限的自动推荐,进而实现对背景噪声均衡处理,提升对目标检测概率.数值仿真和实测数据处理结果表明:相对S3PM方法和OTA方法,在两者失效的情况下可有效实现对目标检测和判决,对环境适应性提高了近3 dB;有效降低了背景噪声对目标检测性能的影响,提高了目标检测的环境适应性.     

基于趋近律的离散滑模位置跟踪控制

针对不确定对象的主要特点,运用离散滑模变结构理论探索不确定对象的位置跟踪问题。设计了一种离散趋近率滑模位置跟踪算法,推导了滑模控制的可达性条件。该算法以离散位置信号作为输入,设计了离散指数趋近率,根据系统当前的状态,有目的地调整控制器,采用离散Kalman滤波器对干扰和噪声进行滤波。经仿真研究,该算法不仅在无扰动无噪声条件下,能够准确的进行位置跟踪,而且在扰动和噪声时,具有较强的鲁棒性和抗干扰性,较好地满足了位置跟踪控制的要求。     

基于矢量分配的组合导航容错联邦滤波算法

针对高动态环境下飞行器组合导航系统因不确定故障导致导航精度下降的问题,提出了一种基于矢量信息分配的容错联邦滤波算法。设计矢量形式的故障检测函数,对各观测量进行单独的故障程度划分,克服了将故障子系统所有观测量同时隔离的缺陷；根据观测量是否异常,重构时变量测噪声矩阵和信息分配矢量系数,对子滤波器的状态变量进行信息分配,在隔离故障子系统异常观测量的同时,最大限度地利用正确观测信息。仿真结果表明,采用该算法能够充分发挥各导航子系统的优势,极大提高了导航子系统信息利用率,具有较高的精确性和容错性。     

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。     

一种基于改进型KALMAN滤波器的导弹故障检测算法

常规卡尔曼滤波器有一大缺点，它要求精确的模型和噪声统计，但实际问题中，大多数情况上述要求不能满足。本文给出了考虑滤波器初始条件不精确性的Ｋａｌｍａｎ滤波器表达式。利用这种Ｋａｌｍａｎ滤波方法进行故障检测，降低了误报警率，提高了鲁棒性。由于导弹姿态控制系统模型的精确性有限，常规Ｋａｌｍａｎ滤波方法因其鲁棒性差很难检测故障，这种方法能有效检测故障。仿真算例表明此方法非常有效。     

基于直觉模糊对称交互熵C-means聚类的反导目标识别方法研究

在不确定信息反导目标识别的背景下,针对不确定信息处理和现有的基于欧几里得距离的模糊C-means聚类算法的性能问题,首先采用直觉模糊集对其进行描述与分析,同时,将聚类目标函数中的欧几里得距离替换为模糊对称交互熵距离,提出了一种基于直觉模糊对称交互熵C-means聚类(Intuitionistic fuzzy symmetric cross entropy C-means,IFSCECM)算法,通过采用IRIS数据集算例分析对比,证实该算法的可行性和有效性.其次,根据弹道目标识别的特性,将IFSCECM算法应用于反导目标识别中,并采用多特征综合识别方法对来袭弹道目标威胁群进行分类识别研究.最后,通过仿真实验和对比分析表明该反导目标识别方法的可行性、有效性和优越性,具有较高的应用价值.     

抗辐照MRAM研究进展

针对传统分块方法根据经验划分子块导致变量特征信息无法充分利用,其单一的建模方式忽略局部信息以及离线模型无法适应时变特性的问题,提出了一种KL (Kullback-Leibler) 散度多模块滑动窗口慢特征分析方法。在正常工况数据集中,利用KL散度来度量变量间的距离,同时引入最小误差平方和准则进行聚类,分成两个距离最小的子模块;在此基础上利用慢特征分析方法对每个子模块进行建模,结合滑动窗口对每次采样的数据进行更新,得到最优模型,分别计算监测统计信息,利用支持向量数据描述对故障监测结果进行融合,实现故障诊断。并将该方法应用于田纳西伊斯曼过程的监控中,得到了较高的故障检测率和较低的虚警率,验证了该方法的可行性和有效性。     

基于遗传算法与最大最小原理的故障模式特征选择

在诸如液体火箭发动机等复杂动力学系统的故障诊断中，监控参数组的优选问题一直受到工程技术人员的高度重视。本文提出了综合样本矢量方向离散度概念，以此作为故障特征参数的优选准则；然后利用经过改进的遗传算法，对某液体火箭发动机常见故障的诊断进行了特征参数组的优选。在改进的遗传算法中，采用了非常简洁而高效的染色体编码，针对特征优选的组合优化类问题专门设计了一种特殊的基因迁移算子，并引进了父本个体适应值的动态调整技术与共享函数。数值实验结果表明，该算法具有理想的效果。     

模糊理论在导弹系统故障诊断中的应用

任何系统的故障都有一定的模糊性,因此模糊理论在故障诊断中有着广泛的应用.模糊故障诊断有利于提高系统的故障诊断的水平,本文以模糊理论知识为基础,建立了系统的模糊故障诊断模型,并应用于某型号导弹武器系统的故障诊断中,结果证明该模型的有效性和合理性.     

基于神经网络和模糊综合评判的梁故障诊断研究

设计了一个简单的人工智能故障诊断系统模型,它包括知识库、模糊推理、神经网络和控制模块等。模糊推理模块利用模糊综合评判方法进行故障的预诊,神经网络模块采用竞争学习方法完成故障的确诊。文中对悬臂梁的单一故障和复合故障等七种模式进行了诊断分析,均获得了正确的诊断结果。     

模糊方向神经网络在火箭发动机故障检测与分离中的应用

提出了一种模糊方向神经网络分类器,并应用于液体推进剂火箭发动机故障检测与分离。模糊方向神经网络采用模糊集表示发动机故障模式,模糊集是方向超体聚集形成的集合体,方向超体则由单位方向、夹角和两个半径确定。模糊方向神经网络能在一次循环学习中形成非线性方向边界。故障检测与分离的仿真研究表明：模糊方向神经网络的识别性能是比较优越的。     

基于模糊模型的发动机部件级故障隔离方法研究

发动机故障诊断与故障隔离是发动机健康监控领域的一大难题,但对发动机故障定位、预防灾难性事故发生及发动机维修意义重大。为了准确地确定故障发生的部位,本文针对某型液体火箭发动机,提出一种基于模糊模型的部件级故障隔离方法。首先对发动机系统进行部件的划分,然后建立各个部件的模糊模型并进行训练,最后按照设定的故障检测与隔离策略对故障进行诊断。利用两组发动机故障仿真数据对基于模糊模型部件级故障隔离方法进行验证,结果表明:本方法可以实现单一或多个部件故障隔离。     

一种自生成基函数模糊神经元故障诊断模型及其应用

在分析自生成基函数（SGRBF）模糊神经元模型基础上，提出了一种新的故障诊断网络模型及其学习算法，并将其应用到轴承、齿轮的故障诊断中，给出两个应用实例及分析结果。最后，文章将得出一定的结论。     

基于Mamdani模糊推理的航空发动机故障诊断

提出了一种基于Mamdani模糊推理的航空发动机故障诊断方法.该方法将发动机故障征兆信号作为模糊推理的输入,利用专家经验建立模糊推理规则并提取蕴含关系,在此基础上,通过故障征兆信号与蕴含关系的Mamdani推理合成获取发动机故障原因发生的可能性,进而达到故障诊断的目的.实验结果表明,该方法可行且有效.     

基于转子固有频率的涡轮泵故障检测方法

为了有效地检测液体火箭发动机涡轮泵的故障,分析了某型液体火箭发动机的28次历史试车数据,得到了涡轮泵转子的一阶、二阶和三阶临界转速以及轴向固有频率的数值,研究了这4个转子固有频率幅值的稳定性及对涡轮泵故障的敏感性,得出了它们具有较强的稳定性和故障敏感性的结论。在此基础上,提出并验证了基于转子固有频率的涡轮泵故障检测方法。结果表明,基于转子的一阶、二阶和三阶临界转速以及轴向固有频率幅值能有效地检测涡轮泵的故障。     

独立分量分析在液体火箭发动机故障检测中的应用

针对液体火箭发动机试车中,因噪声干扰、不同源信号之间的混叠而造成的信号信噪比低、信号分析和特征提取难度大的问题,提出采用独立分量分析(ICA)法对液体火箭发动机试车信号进行分离,以提高信号的信噪比,并能实时反映各子系统工作过程,为数据分析、特征提取和故障检测与诊断提供可靠的信号。通过对某型液体火箭发动机热试车压强信号进行实例分析,验证了该方法的有效性。