运载火箭伺服机构故障检测与诊断的扩展多模型自适应方法

针对运载火箭伺服机构故障,提出一种基于扩展多模型自适应估计的故障检测与诊断算法。建立考虑伺服机构故障的运载火箭姿态动力学模型;将故障角度作为状态变量得到增广状态空间模型;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;给出基于扩展多模型自适应估计的故障检测与诊断算法流程。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。     

改进分块局部最佳维纳滤波算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法。该算法是加性高斯白噪声下的线性最小均方误差估计,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进:估计噪声的标准差时,用均值代替中值;根据噪声标准差的最大值和均值的比值,自适应地确定类的数量。仿真和实测数据表明,改进后的分块局部最佳维纳滤波算法是有效的,并优于其他三种算法。     

多基阵无源声测定位算法的研究与仿真

对直升机等低空飞行目标的无源声测定位与跟踪是声学监视系统的重要研究内容。对多基阵低空飞行目标的无源声测定位方法进行了研究,并导出了定位算法和定位误差。理论分析和仿真实验表明,利用单基阵的方位和俯仰角进行多基阵融合定位时,无源声测定位系统有较高的定位精度,而且布阵形式对定位精度有一定的影响。该研究成果可直接用于对空中运动目标,如无人机等目标的无源声测定位。     

飞行器动力学环境预示技术应用研究

动力学环境试验技术已被广泛应用 ,但动力学环境预示技术还没有得到很好的重视和发展。讨论了几种动力学环境预示方法的特点 ,着重研究了统计能量分析 ( SEA)方法的原理及其应用 ,并以某型号发动机长尾喷管舱为例 ,具体给出其工程分析估计过程     

线性模型的海基制导系统误差分离方法性能分析

利用传统制导工具系统误差线性回归模型,对Bayes估计、主成分分析以及正则化分析三种改进的分离方法进行了比较,分析了它们在工程应用上的优缺点,给出了实际应用时的限制因素;同时结合海基导弹特有的初始状态误差,设计了整体估计、分段估计以及迭代估计三种估计策略,给出了相应的分离步骤。仿真结果表明,文中给出的三种误差分离方法在不同的评价标准下具有不同的实际应用意义;而在弹道差评价标准以及方差评价标准下,分段估计和迭代估计策略下的误差分离结果要明显好于传统整体估计结果。     

近地卫星Ka频段数传链路抗雨衰ACM模式设计

针对近地卫星数传时的信道时变性和严重的Ka频段雨衰现象,采用自适应编码调制（ACM）技术能够充分利用链路资源,相对于传统的固定编码调制方式,进一步提高了链路的数据吞吐量。提出了近地卫星Ka频段数传链路ACM模式设计方法,在降雨环境下建立Ka频段数传链路模型,根据信道状况确定ACM选用模式;采用基于导频符号的最大似然信噪比估计算法结合移动平均的平滑方法实现信道估计,有效地减小了估计值的波动。仿真结果表明,无论晴天还是雨天,采用提出的卫星数传链路ACM模式设计方法,能够在保证系统可靠性的同时获取较高的数据吞吐量。     

基于FDBN的空中目标威胁评估方法

为了更好地处理各类探测数据中的模糊性和不确定性,通过模糊化方法将威胁评估动态贝叶斯网络局部进行模糊化处理,处理后的动态威胁值进行解模糊的方法转化为概率域的知识,这样不仅简化了网络结构,同时结合模糊理论的知识表达能力和DBN的强推理能力。最后将相应观测证据输入到简化后的DBN网络中,相应仿真研究表明,该方法能有效地对空中目标威胁度进行实时评估。     

无人机航迹规划中动态威胁评估方法

无人机利用动态威胁评估方法可以对航迹中的动态威胁等级进行评估,然后根据评估结果制定相应的规避策略完成规避动作。针对无人机航迹规划中动态威胁的规避问题,提出了基于模糊离散动态贝叶斯网络的动态威胁评估方法。基于模糊分类的信息处理技术可以处理部分连续观测值问题,基于动态贝叶斯网络的推理技术能利用先验信息和离散的证据信息进行不确定性推理,最后推理评估得到动态威胁等级。仿真结果表明,该评估方法在处理时序上不确定性问题具有较强的优势以及很好的鲁棒性。     

附加先验概率条件下的最佳先验概率选取

基于贝叶斯准则对二元假设检验问题进行研究,在附加先验概率条件下,提出了最小二乘意义下的最佳先验概率。将该方法与极大极小准则对比分析,给出了任意先验概率条件下的最佳先验概率选取方法,并进行仿真验证。仿真结果表明,根据最佳先验概率进行判决,可以在先验概率未知时有效降低判决代价。     

基于FOCUSS二次加权的DOA估计方法

针对■-SVD、FOCUSS等稀疏重构算法应用波达方向(DOA)估计时,存在或运算量大、或精度不高的问题,提出了一种基于FOCUSS二次加权的信号DOA估计方法。将传统DOA估计表述为稀疏表示的信号模型,通过贝叶斯理论推导目标函数的最优解及加权矩阵,并在迭代过程中对结果进行二次加权优化,进一步增强恢复结果的稀疏性,提高恢复性能。仿真实验证明了该方法的优越性:与其他稀疏重构方法相比,该方法恢复精度高、稳健性好、运算量低。