应用证据推理理论实现卫星故障诊断信息的融合方法

针对卫星故障诊断中应用同一征兆域信息难以区分的故障，提出了一种基于证据推理理论的故障诊断新方法．该方法应用证据推理理论实现卫星故障不同征兆域信息的融合，从而获得更加准确的故障定位．文中分析了卫星故障诊断中应用证据推理理论进行信息融合的必要性，研究了应用证据推理理论实现卫星故障不同征兆域信息融合的理论方法，给出了该方法的实际应用，讨论了应用该方法需注意的问题，最后给出了结论．     

基于多Agent的卫星故障诊断融合技术研究

为提高基于多Agent的卫星故障诊断系统的诊断准确性，充分利用已有的各种诊断方法获取的诊断信息，在分析故障诊断原理的基础上，提出了将数据融合技术应用于多诊断Agent的思想；并根据卫星故障诊断的特点，将权重引入多诊断Agent的诊断结果融合技术中，给出了权重的具体确定方法和改进的D—S证据理论，最后举例验证了该方法的有效性。     

融合粗糙集与D-S证据理论的航空装备故障诊断

针对航空电子装备故障诊断中出现的多源诊断信息存在冲突的情况,基于粗糙集与证据理论在处理不确定问题时的优势,提出了一种融合粗糙集与证据理论的故障诊断方法.该方法利用粗糙集将信息源给出的诊断数据转化为证据理论中的mass函数,进行结果融合.同时,该方法给出边界粗糙熵的定义,并基于边界粗糙熵获得反映各信息源在诊断融合过程中重要度的动态权重参数,提出一种新的证据理论的冲突合成规则.仿真实验表明,该方法可以有效地提升诊断信息融合结果的准确性,在航空电子装备故障诊断方面有较好的实用价值.      

证据理论和神经网络结合的目标识别方法

提出用证据理论和神经网络结合的高分辨率雷达(HRR)目标识别方法,即首先把多个目标高分辨一维距离像送入学习矢量量化神经网络,进行目标类证据估计;然后用D-S证据理论对各次估计结果进行融合.提出了连续特征空间离散化及类支持度构造的方法,并分析了神经网络识别的误差原因.仿真实验结果表明,这种方法的输出正确识别率比仅仅使用矢量量化神经网络有较大的改善,抗噪能力也有所提高.     

神经网络与D-S理论结合的HRR识别研究

基于D-S(Dempster-Shafer)证据理论,比较和研究了相关数据和不相关数据的融合方法,分析了多传感器数据融合的算法:集中式融合算法和分布式融合算法.经过实验证明,执行分布式有反馈融合算法时的效果最好.然后利用该算法,提出了和线性内插神经网络相结合的识别方法.利用4种飞机的步进频率雷达的高分辨率一维距离像,将神经网络的识别结果作为证据分别送入传感器进行融合,进行识别研究.实验证明,与单纯利用神经网络的方法比较,目标的正确识别率得到了改善.     

基于D-S证据理论的知识融合及其应用

知识融合是上世纪末提出的一种新概念,它不但能够融合数据、信息,而且还可对方法、经验,甚至人的思想进行融合.针对企业失败预警问题,提出了一种基于D-S(Dempster-Shafer)证据理论的新的知识融合方法,该方法主要包括数学建模、知识融合以及结果分析与决策三个步骤.给出了基于D-S证据理论知识融合方法的具体实现:提出了一种数学建模方法,将信息熵的概念引入到基础概率分配的确定中;针对企业失败预警问题,推导了基于D-S证据组合理论的知识融合公式;提出了一种简洁的融合结果分析与决策方法.最后通过对具有典型企业风险特性的两个上市公司进行分析和处理,验证提出的基于D-S证据理论的知识融合方法的有效性.结果表明,该方法能有效降低企业失败预警方法的不确定性.      

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

小卫星多级故障诊断系统设计

提出一种基于模糊神经网络的小卫星多级故障诊断系统,利用多级的方式对小卫星的故障进行诊断。其中第一级采用模糊聚类的方法,将故障定位于模块级;第二级采用模糊径向基神经网络,完成故障的部件级定位。最后用该故障诊断方法针对卫星故障仿真系统做了实验,对其预设故障进行了诊断,诊断结果与仿真系统预设故障完全一致。实验表明:多级故障诊断结构提高了故障诊断的系统性、准确性并大大降低了故障诊断中的计算量。     

不完备信息条件下的并发故障诊断方法

在实际的装备故障诊断过程中,经常存在测试信息不完整的情况,而此时对并发故障进行诊断,则更为困难。针对这种情况,首先,对目前应用于不完备信息条件下的故障诊断方法以及并发故障诊断方法进行了分析。定义了不完备并发故障诊断决策系统对存在缺失的测试信息进行表述。提出了不完备边界粗糙熵对决策系统的不确定性进行度量,给出每条测试属性的重要度,同时给出了不完备信息条件下属性值频率的计算方法。然后,为了对并发故障进行诊断,在DSmT框架下构建了并发故障诊断模型,在此模型下提出一种融合证据特征的区间信度合成规则。最后,通过故障诊断实例,验证了方法的有效性和适用性。      

多源知识融合处理算法

多源知识融合可有效提高判决结果的可靠性和置信度.借鉴信息融合的思路,分析了知识融合方法和一般模型.重点讨论了基于Bayes准则、基于D-S(Dempster-Shafer)证据理论以及基于模糊集理论的知识融合算法,给出了基于3种知识融合算法的具体处理步骤,并从算法特点和适用性、实用性等方面对3种知识融合算法性能进行了对比分析.通过知识融合在合成孔径雷达(SAR,Synthetic Aperture Radar)图像融合中应用的仿真实验,验证了知识融合算法的有效性.     

编队飞行小卫星群的相对自主定轨算法研究

针对有参考星的编队飞行小卫星群的自主位置保持 ,研究了基于星间测距的主从星相对自主定轨的可行性及其算法。考虑突发测量噪声对算法稳定性的影响 ,在迭代EKF算法中引入弱化因子 ,对误差较大的观测量实施“软删除” ,相比抗差Kalman滤波 ,性能稳定、额外计算量小、适于星载实现。仿真表明 ,无摄动运动下的相对定轨误差可控制在 0 1m左右 ;J2 项摄动的情况下的相对定轨误差约为 2m。     

运载火箭十表捷联惯组配置的故障诊断与决策

容错技术及故障诊断技术是提高导航系统的精度及控制系统的可靠性的有效方法,尤其是捷联导航系统中的故障诊断技术,已经在运载火箭控制系统中得到了广泛的应用。针对运载火箭十表捷联惯组配置,提出了一种故障诊断和决策方法,并在此基础上进行了信息重构方案和故障诊断门限的设计。数学仿真结果表明：该方法能够快速诊断惯性器件表头故障并进行信息重构,实现故障情况下的输出,进而完成飞行任务,对工程应用具有一定的参考价值。     

基于深度学习的航空发动机故障融合诊断

通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合算法的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,先利用深度学习模型提取出性能参数中的隐藏特征,得出故障分类置信度;其后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果。将普惠JT9D发动机故障系数用于数据仿真,通过算例验证本文算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力。      

空天飞行器多源容错鲁棒组合导航系统设计

空天飞行器具有机动灵活、高速飞行和实时打击等特点,为保证空天飞行器在各种复杂飞行工况下导航系统的精度、可靠性与鲁棒性,构建了包含惯性导航、卫星导航与天文导航的多源容错鲁棒组合导航系统。针对空间复杂电磁环境造成的在非线性系统中量测噪声非高斯分布的问题,设计了一种基于Huber定则的鲁棒多传感器信息融合方法;针对高动态与GNSS信号受干扰与欺骗等情况下,卫导信号异常、失锁与星图拖尾等工况,设计了故障诊断与滤波器重构策略。仿真验证表明,所设计的多源容错鲁棒组合导航在复杂动态下能够有效提高导航系统的导航精度与容错能力,为空天飞行器导航系统设计提供了有效参考。     

基于VMD-MPE的开关磁阻电机功率变换器故障诊断

故障诊断是提升开关磁阻电机(SRM)调速系统可靠性的重要技术。针对功率变换器故障信号非线性不稳定、有效信息易被噪声掩盖的特点, 提出了一种新的故障特征提取方法。对直流母线电流进行变分模态分解, 得到若干本征模态分量, 取多尺度有效模态分量排列熵平均值作为特征向量, 输入支持向量机分类器进行故障识别。为验证所提方法的可行性, 建立仿真模型, 与传统的小波分析等故障诊断方法进行对比；搭建了开关磁阻电机实验台架, 测试了开路、短路故障状态。仿真和实验结果表明:所提方法可减小噪声影响, 提高故障识别准确率。      

基于贝叶斯网络的故障诊断系统性能评价

故障诊断系统的性能评价是开发和验收故障诊断系统不可或缺的重要环节.针对基于贝叶斯网络(BN)故障诊断系统的性能评价需要,考虑系统诊断结果真实分布,提出采用二项分布参数估计方法来计算诊断准确度的置信区间,采用准确度期望值及其置信区间全面客观评价诊断模型的性能,形成贝叶斯网络模型诊断能力的量化评价指标,为诊断结果的可接受、可信程度以及诊断模型的训练充分性提供参考依据.最后通过燃油系统故障诊断实例验证所述性能评价的有效性.      

基于多特征融合的电磁换向阀故障模式识别

为提高基于驱动端电流检测的电磁换向阀故障诊断方法的可靠性和识别准确度，开展了电磁换向阀故障模式识别方法研究。提出一种基于多特征融合的方法对电流信号时频分析和时域参数的特征值提取融合；通过设计电磁换向阀驱动端电流信号的采集实验，获取电磁换向阀驱动端电流的时域信号和二阶变化率的多特征曲线，提取时域参数及二阶变化率相应频带能量作为特征值，构建多特征融合的特征向量；采用基于径向基核函数的多分类支持向量机对电磁换向阀进行模式识别。结果表明：基于多特征融合的支持向量机较基于能量特征值的支持向量机可提升8.7%的识别精度和42.11%的验证准确率。     

引入多Agent协商的协同优化在卫星设计中的应用

卫星设计是复杂的多学科优化问题,协同优化算法具有模块化特点适合于处理多学科优化问题。在对卫星进行多学科优化时发现,现有的协同优化算法为了保证共享变量在系统级和分系统级间的一致性,收敛困难,计算量大,不对分系统自身进行优化不能保证卫星整体性能最优。本文通过引入Agent概念和基于Agent的协商算法,提出了一种基于劝说式多Agent协商的协同优化设计算法。针对对地观测卫星,以总质量最小为目标,建立了包含结构、轨道控制、姿态控制和电源4个分系统Agent和1个系统级Agent的卫星优化设计模型并进行了协同优化设计。研究结果表明:引入Agent协商算法的协同优化算法,可以保证共享变量的一致性;在协同优化算法中增加分系统自身优化模块,可以保证在系统级优化过程中各分系统一直都是最优的。