基于SPRT的组合导航故障检测与隔离互辅算法

针对SPRT(序贯概率比检验)算法无法准确判断缓变故障结束时间的问题,提出了一种故障检测与隔离互辅算法。采用SPRT算法对滤波残差进行故障检测,确认故障后隔离故障观测量,重新建立卡尔曼滤波观测方程并完成量测更新,将隔离后的滤波结果作为下一时刻的滤波初值辅助故障检测。仿真结果表明,该方法能准确定位故障观测量并判断出故障的结束时间,提高了系统可靠性。     

数字突发通信中的独特码检测

本文叙述了独特码（ＵＷ）的数字相关检测及其漏检和误检概率,并提出了改进独特码检测的途径。     

改进YOLOv3模型对航拍汽车的目标检测

针对无人机航拍汽车作为待检测目标时,现有的检测方法容易出现误检、漏检、定位不准,检测精度和速度难以同时提高的问题,提出了一种基于深度学习的目标检测模型YOLOv3的改进模型ZQ-YoloNet。通过实验分析,证明该方法在检测无人机航拍汽车时具有良好的效果,精准率和召回率分别达到了97. 73%和78. 25%,对1 280×720像素mp4格式视频检测时速度不低于40帧/s,能够满足实时检测的要求。     

基于神经网络的螺丝表面缺陷检测

针对螺丝零件通常存在的缺陷检测问题,提出了一种基于神经网络螺丝表面缺陷检测方法。将SimAM注意力机制引入YOLOv7网络模型,用GIoU损失函数替换CIoU损失函数提高模型检测精度,在目标框位置预测过程中,引入Soft-NMS优化候选框选择方法,有效提升候选框位置选择的精度。实验结果表明,改进后的网络模型平均精度均值(mAP)达到98.9%,对小目标缺陷检测精度更高,误检漏检情况更少,可以有效满足螺丝表面缺陷检测要求。     

一种基于滑模变结构观测器的故障检测方法

提出一种基于滑模变结构观测器的残差生成及故障检测方法.利用滑模变结构所具有的对未知输入扰动的不变性,移除外界扰动对残差的影响,使残差只对故障信号敏感,从而提高故障检测的准确性,较好地解决基于状态估计的故障检测方法中检测鲁棒性与灵敏度之间的矛盾.仿真验证结果表明了该故障检测方法有较高的检测鲁棒性,同时对小幅值故障较为灵敏.     

基于改进噪声检测的迭代中值滤波算法

提出了一种基于改进噪声检测的迭代中值滤波算法。该算法首先检测出噪声点,然后利用信号点对噪声点滤波。其中噪声检测方法改进了IMFLED方法,进一步降低了误检率和漏检率。经过仿真实验并与其他滤波算法进行比较表明,该算法可以有效地去除图像中的脉冲噪声并且保留原图像的细节。     

状态X~2检验法在联邦滤波器中的应用

针对联邦滤波器的特殊性,基于残差故障统计检验原理,详细研究了状态检验法应用时存在的几个问题。由于信息分配,造成子滤波器局部估计次优,从而基于残差的故障统计检验方法不能够直接使用;针对这一问题,修正了残差方差阵的计算方法,并提出一种次优自适应补偿方法,能够有效改善局部估计次优性对故障检测灵敏度的影响。最后的仿真结果表明了研究的有效性和可行性。     

基于改进后语义分割模型的障碍物检测方法

障碍物检测是确保无人水面艇避障和安全航行的关键技术，针对水面反光区域误检和水面分割不准确导致的漏检问题，提出了一种基于改进后语义分割模型的障碍物检测方法，通过图像预处理、语义分割模型、显著性估计实现障碍物检测。首先，通过在预处理环节对水面中反光区域进行去除，避免其对后续检测的干扰；然后，通过引入海天线估计参数，用于调整语义分割模型初始化和先验信息，提高水面分割精度；最后，在水域范围内选取H形边界集合构造背景模型，由此判断水面中非水像素为障碍物。实验结果表明：该方法可以提高水面障碍物检测的准确度。     

弹道目标一次性小扰动辨识与轨迹滤波方法

针对弹头末修和释放诱饵带来的小扰动,提出了基于高精度多普勒测速的修正残差扰动检测方法,显著降低了虚警概率和漏检概率.针对扰动特点,提出了采用增加状态变量和衰减记忆滤波的自由段弹道估计改进算法,仿真验证了扰动后轨迹滤波的有效性.     

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.     

解析冗余关系法在柴油机燃油系统故障诊断与隔离中的应用

针对柴油机燃油系统管路复杂、故障种类多和系统不确定性等问题,首先提出了基于键合图模型的解析冗余关系法,应用于系统定量故障诊断与隔离;然后,在系统键合图模型基础上,推导得到系统解析冗余关系并建立了系统故障特征矩阵;最后,在系统模型的基础上进行了故障诊断仿真试验,并采用序贯概率比检验(SPRT)方法对残差异常进行在线监测,...     

混沌蝙蝠算法UAV网络控制系统故障诊断策略

针对总线条件下具有双通道多包传输的短时变时延无人机(Unmanned Aerial Vehicle,UAV)发动机控制系统,提出一种基于改进蝙蝠优化算法(Bat Algorithm,BA)的发动机故障检测算法,快速变化的延迟被认为是系统不确定性的一种。残差信号的传递函数与噪声和故障信号的传递函数之比用作目标函数。通过改进的Bat算法对其进行优化,以获得最佳的观察增益矩阵,使得该故障观测器系统不仅能够抑制噪声,而且对提升对故障敏感程度。最后将该方法在网络控制系统半物理平台上进行仿真,仿真结果说明所提出的方法能够同时抑制噪声信号和放大故障信号,从而提高了故障诊断的正确率,降低了虚警率。     

基于改进YOLOv7的融合图像多目标检测方法

针对微光环境下目标检测精度较低的问题,提出了一种基于改进YOLOv7的微光与红外融合图像的多目标检测方法。结合可见光、红外图像的优点,利用生成对抗网络法制作融合图像数据集。在YOLOv7模型中引入BoT结构,使网络更加关注整体图像信息,提升特征提取能力,从而提高行人和汽车检测的准确率,并将回归损失函数由CIoU改进为SIoU,降低自由度,加速网络收敛,得到了YOLOv7的改进算法—BoT-YOLOv7。在公开数据集LLVIP和MSRS上进行了实验。结果表明：相比可见光或红外图像,BoT-YOLOv7对融合图像的检测精度较高;改进算法对融合图像取得了92.6%的平均精度均值,较原始YOLOv7模型提高了5.83%;BoT-YOLOv7算法在检测行人和汽车等目标时漏检和误检率较低,具有较好的准确性和实时性,可以满足微光环境下多目标探测的要求。     

基于神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题,提出了一种基于神经网络集成的传感器故障诊断方法。该方法将传感器输出看做时间序列,通过加噪声生成抖动数据,建立多组神经网络,以获得神经网络集成预测器输出。通过将预测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现传感器故障在线诊断。应用结果表明该方法可以提高神经网络的运算精度,从而快速准确地检测和分离传感器故障,辨识传感器故障类型以及故障发生的时间。     

组合导航系统故障检测技术研究

提出了一种新的故障检测算法。该算法由联合滤波器的全局估计与各局部估计之差 ,得到残差序列 ,通过残差 χ2 检验 ,来判别系统是否出现了故障。同时进一步讨论了故障分离方法。数值仿真及实际应用结果表明 ,该算法能有效地检测出组合导航系统的故障 ,保证了系统的安全性和可靠性。     

基于χ~2检验的惯性/卫星紧耦合系统故障检测与隔离方法

研究了一种基于χ~2检验的惯性/卫星紧耦合系统故障检测与隔离方法,该方法可利用故障检测函数自动识别单个卫导故障,并实时剔除故障星重构观测信息序列,从而避免了对紧耦合系统的影响。构建数字化仿真环境对所研究的故障检测与隔离方法进行了仿真,仿真结果表明,该方法可在卫星发生故障时及时检测并隔离故障星,并自动实现观测信息重构,保证了紧耦合系统的精度和完好性。     

改进的YOLOv3算法对伪装目标检测

针对现有算法对伪装目标检测效率较低的问题,提出了一种基于改进YOLOv3网络的伪装目标检测算法。该算法在现有数据集下,对算法的先验框进行重聚类;依据Darknet53多次利用残差块的特点,将残差网络的级联方式由单级跳连改为多级跳连,改善误差在网络中的回传效果;在网络中添加了注意力模块,增加有用特征的检测权重。实验结果表明,与原始算法相比,改进后的算法模型具有较低的损失值且平均精度均值提高了约4.35%。     

基于多级RBF神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题,提出了一种基于多级RBF神经网络集成的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息,建立多级神经网络集成观测器模型。将输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现控制系统传感器故障在线诊断。将三容水箱液位控制系统作为仿真对象,仿真结果表明该方法不仅可以提高单一神经网络的运算精度,而且采用RBF神经网络集成方式还要优于其他集成方式,可以快速准确地检测和分离传感器故障,辨识传感器故障类型、故障大小以及故障发生的时间。     

应用UIO的卫星姿控故障检测与仿真

为了克服未知输入对观测器的影响,防止在故障检测滤波器中出现错误的报警,以Chen和Patton提出的未知输入观测器的基本架构,设计了两个观测器.这两个观测器分别对故障敏感和不敏感,推导了两种情况下的误差方程,并且设计了残差.该残差能够与故障信号建立直接的联系,便于对故障的分析与诊断.该方法用于卫星姿控系统中,并且进行了仿真.     

改进Faster R-CNN的视频SAR动目标检测算法

针对当前可用于深度学习的视频SAR数据稀少的现状,以及动目标检测算法中存在较多的漏检和虚警问题,基于美国桑迪亚国家实验室真实视频SAR数据制作深度学习数据集,提出一种改进Faster R-CNN的视频SAR动目标检测算法。算法以截取后的ResNet50为特征提取网络,利用K-means加遗传算法自适应计算锚框,并在数据预处理环节加入S型曲线增强方法,来增强图像的对比度信息。经实验验证,所提出方法能够显著提升动目标检测率和检测速度,其中,平均精度（AP）和F1分数提升均达到10个点以上,有效降低了虚警和漏检,整体表现优于一阶段算法SSD和RetinaNet。