多层次信息融合技术在燃气轮机故障诊断中的应用

探讨了信息融合技术在燃气轮机故障诊断中的应用,构建出一种燃气轮机多层次信息融合故障诊断模型.在模型的数据融合层,采用了自适应加权融合算法,以最小化传感器测量不确定度为目标对同源测量数据进行了融合,其结果再经特征层进行故障特征的提取和融合,最终通过决策层给出诊断判定.数值实验结果证明,该故障模型能有效减小传感器测量不确定度对于诊断的不良影响,所得诊断结果的合理性和精度均得到了提高.     

离散小波改进算法在机动车辆换挡信号降噪中的应用

针对机动车辆换挡信号中存在大量强电磁及环境振动噪声的问题,同时考虑到实时性和硬件实现性能的需求,基于最小带宽离散小波算法,提出了简化的、适用于工程实现的小波分解层数确定方法;然后利用初始阈值对各层小波系数进行分类,利用各层中各类系数均值差的模及均方差为依据,设计了各层阈值的自适应迭代确定算法,同时改进了阈值的量化函数。仿真对比试验和应用测试结果表明,该算法具有较好的降噪效果,适用于机动车辆的相关信号检测与降噪。     

稳像火控中目标角速度测量误差及滤波方法

对稳像火控系统中目标角速度的测量过程进行了分析,指出采用自动传感器测量目标角速度仍存在误差,且对射击诸元的影响较大;在计算机采集数据的有限时间段内,该误差序列为均值不为零的随机干扰噪声,采用均值—中值加权滤波方法可有效减小该嗓声对射击诸元影响.     

一种基于时变噪声统计的异步多速率传感器信息融合算法

以异步多速率传感器信息融合理论和同步单速率传感器时变噪声统计理论为基础,提出了一种适用于时变线性系统的异步多速率传感器时变噪声统计系统的信息融合算法.通过原理分析和数学推导,将异步多速率传感器动态系统建模为同步同速率系统.进而利用噪声统计估值器和相应的自适应Kalman滤波方法进行状态估计,利用联邦分布式数据融合方法进行信息融合,获得基于所有现测信息的最优估计.理论分析和仿真结果均表明,该算法的融合效果优于任一单传感器Kalman滤波的效果.     

无人集群自适应任务分工模型构建

传统无人集群任务分工存在中心控制依赖、适应性不强的缺点,这无法满足未来无人集群在复杂军事场景中的应用需求。群体智能的快速发展为集群分布式任务分工提供了理论和技术基础。针对无人集群任务分工问题,借鉴群体智能理论,提出了一种无人集群自适应任务分工模型,以无人集群清除多类危险目标的仿真实验为例,验证了模型的可行性和优越性。研究成果对于无人集群作战系统的建设发展,以及在作战、保障等军事领域的应用提供了参考价值。     

自适应交互式多模型滤波在被动制导中的应用

首先给出了一种更加简单的关于BOM问题的变增益函数的推导,新的增益形式比原先的形式更具有数字稳定性.然后考虑当模型具有不确定性时的被动制导仿真.当模型具有参数不确定时,一般的单模型滤波器已经不能满足制导的性能要求.采用交互式多模型算法,与修正增益扩展卡尔曼滤波器结合,并使用能实时估计量测噪声的Sage-Husa估值器,设计出一种新型自适应交互式多模型修正增益扩展卡尔曼滤波,将其应用到被动制导中,仿真结果表明该方法的优越性和实用性.     

可变等效孔径直接数据域方法

针对直接数据域(DDD)算法具有孔径损失的局限,提出了一种孔径扩展算法.新算法首先利用单快拍数据在不同阵元间的相位关系构造一个循环矩阵,然后通过不同的截取方式获得不同的孔径扩展效果.仿真计算表明,扩展后的孔径介于阵列原始孔径的2/3～1之间.     

炮控伺服系统自抗扰控制器优化设计

针对自抗扰控制器参数难于整定的问题,给出了一种基于自适应变异粒子群优化算法的炮控伺服系统自抗扰控制器优化设计方法.该算法结构简单,具有良好的全局收敛性,充分发挥了自抗扰控制器的控制性能.通过对某炮控伺服系统的仿真研究,表明了该设计方法的有效性.     

一种攻击机动目标的变结构导引律研究

无人机在快速接敌的过程中,传统比例导引法系数的最优解与目标和载机的距离有关,而且一旦目标机动或增加了干扰,跟踪效果都会变差.为了解决这一问题,提出了一种变结构的跟踪方法.仿真结果表明:该方法在未知目标距离的情况下能够快速接敌,且能减小无人机所需过载,提高制导精度和跟踪鲁棒性,限制了视线角速度.