基于中值滤波和小波变换的混合滤波方法在推进剂监测中的应用

目前,监测传感器传出信号中混有很多噪声,为提高信号可信度,需要一种有效的信号处理方法。文章基于Matlab仿真环境,完成了信号仿真和滤波算法的设计,重点对单传感器仿真信号的去噪和多传感器信息融合进行了研究,提出了基于中值滤波和小波阈值滤波的混合滤波方案和基于Kalman滤波的信号融合方案。研究工作有:基于高斯白噪声和脉冲噪声的数学特性,合理假设出5种基本信号形式;依据实际数据,完成单传感器和多传感器信号仿真,确定信噪比和均方根误差作为去噪评定指标;综合分析现有的滤波算法的滤波特性,利用不同长度滑动窗口的中值滤波处理实验信号,选取合适长度的滑动窗口。设置对比实验确定小波阈值滤波中的小波基函数选取、阈值计算和分解尺度等参数;融合中值滤波和小波阈值滤波优势,设计混合滤波方案,去除单传感器仿真信号中的噪声;研究信息融合理论在泄漏监测系统中的应用,设置不同融合方式下的对比实验,确立最佳融合方式下的Kalman滤波方案,实现多传感器信息融合。     

基于双重卡尔曼滤波器的发动机故障诊断

提出了一种基于双重卡尔曼滤波器的航空发动机健康参数估计方法,实现了传感器发生故障情况下发动机故障的准确诊断.采用发动机动态工作点的测量数据,解决了可测量参数偏少导致故障诊断困难的问题;球面采样平方根UKF(UnscentedKalmanfilter)故障诊断滤波器具有更好的滤波稳定性与更低的计算量的要求,提高了故障诊断算法的效率与精度.某型双轴涡扇发动机故障诊断仿真结果表明,该方法可以准确的同步实现气路部件与传感器的故障诊断,是一种有效的航空发动机故障诊断方法.      

基于卡尔曼滤波器和遗传算法的航空发动机性能诊断

以某型涡扇发动机为研究对象,构建了基于卡尔曼滤波器和遗传算法的航空发动机性能诊断方法。卡尔曼滤波器根据发动机可测参数偏离额定特性时的变化量,对发动机性能参数进行了估计。当传感器存在测量偏差时,会使滤波器估计结果偏离真实情况。遗传算法以机载模型输出与发动机测量参数之间的误差最小为目标,通过优化计算,找出存在测量偏差的传感器,确定其偏差,并最终消除测量偏差对性能诊断的影响。     

燃气涡轮发动机地面试验传感器数据确认概念与方法研究

本文介绍了燃气涡轮发动机传感器数据确认系统的研究与应用现状,详细阐述了基于发动机和试验系统物理模型的解析冗余检验相关多传感器信号有效性方法,以及基于信号序列统计与时频特征分析的单传感器通道信号有效性的确认方法,提出了传感器数据有效性确认系统的研究框架。     

基于卡尔曼滤波-遗传算法的航空发动机性能诊断

以某型涡扇发动机为研究对象,提出了基于卡尔曼滤波器和遗传算法的航空发动机性能诊断方法.根据发动机可测参数偏离额定特性时的变化量,利用卡尔曼滤波器对发动机性能参数进行了估计.当传感器存在测量偏差时,会使滤波器估计结果偏离真实情况.遗传算法以机载模型输出与发动机测量参数之间的误差最小为目标,通过优化计算,找出了存在测量偏差的传感器,确定其偏差,并最终消除了测量偏差对性能诊断的影响.     

基于分区域自适应中值滤波的X射线图像缺陷提取

为了实现X射线数字图像的计算机智能分析和处理,研究了射线数字图像缺陷自动提取技术。以航空发动机叶片为研究对象,介绍了基于分区域自适应中值滤波的图像处理方法。根据图像不同区域内灰度变化特点进行不同方向的基于扫描线的一维中值滤波,并使滤波器的长度能随着缺陷尺寸自动调整,快速、准确地提取出被测试件的缺陷。试验结果表明,运用该方法进行X射线数字图像的缺陷提取,能有效避免缺陷的变形和失真,为缺陷的自动识别打下了良好的基础。     

一种新型的滤波器在寻北系统中的应用

本文从原理上介绍了传统的低通滤波器和改进的滤波器的数学原理，对寻北仪测量数据进行了滤波检验，结果表明改进的滤波器具有较好的性能。     

发动机动态压力畸变试验方法

本文介绍了一种发动机动态压力畸变试验方法。试验在地面试车台上进行。在发动机前面安装插板式动态压力畸变发生器。当发动机吸气时,气流在发动机进口产生动态压力畸变,畸变严重时,发动机会失速喘振。在发动机进口改装高响应米字测压耙,耙上有４０个动态压力传感器和４０个稳态压力测量皮托管,以测量动态压力畸变数据。在高压压气机和低压压气机出口改装动态压力传感器,探测压气机失速喘振信号,以便发现失速喘振后,迅速退出     

直升机海上悬停海浪滤波器研究

基于直升机海上悬停飞行试验数据,使用对差分GPS数据和无线电高度数据综合对比的方法,进行了海浪噪声的识别,将其从无线电高度数据中分离了出来。基于此,进行了海浪滤波器的研究,对无线电高度表测得的高度信号和垂直加速度计测得的垂直加速度信号进行组合滤波,构成互补式卡尔曼滤波器,获得了质量比较好的高度信号。     

扰动基座下惯组信号消噪方法对比研究

针对捷联惯导系统在扰动基座下对准时,惯组信号中存在干扰角运动和线运动的特点,进行了车载扰动基座初始对准试验,对试验数据进行频谱分析,得到车载扰动基座环境的频域特性。根据分析结果,设计并实现了FIR数字滤波器滤波和小波滤波对惯组信号的消噪,频谱分析和惯性系粗对准的结果显示,这两种方法都能有效地消除惯组信号中的噪声。数据分析显示,小波滤波的效果要优于FIR数字滤波器滤波的效果。     

一种用于仿生导航无人机航姿求解的混合滤波方法

针对现有组合导航系统易被干扰欺骗以及姿态求解精度不足的问题，设计了惯性测量单元(IMU)与偏振光传感器组成的航姿参考系统(AHRS)。同时，考虑到传统的姿态求解方法精度不高，提出了一种用于仿生导航无人机航姿求解的混合滤波方法。将Mahony滤波后的姿态值作为系统观测量，再结合扩展卡尔曼滤波(EKF)实现传感器数据的深层融合，以获得高精度的姿态角信息。实验结果表明：在静态环境下采用混合滤波方法求解的姿态值能有效滤除偏振光传感器和加速度计内部噪声干扰，其稳定性明显优于两种方法各自求解时的情况；在动态实验中该方法能有效抑制单独采用Mahony滤波时存在的超调问题，表现出更高的动态解算精度，从而为偏振光组合导航系统提供了更精确的姿态估计信息。     

利用卡尔曼滤波求取直升机气动导数的应用研究

本文主要介绍利用低通滤波、卡尔曼滤波及最小二乘法求取直升机气动导数的方法。本方法的特点是,通过低通滤波使旋翼高频成份的影响减至最小,同时求取试验数据的测量噪声和过程噪声,然后通过卡尔曼滤波使试验数据包含的随机噪声减至最小,最后用最小二乘法求得直升机的气动导数,为了提高卡尔曼滤波的准确度,用最小二乘法由试验数据求取直升机的气动导数作为卡尔曼滤波时的初始导数。计算结果表明,该方法可使试验数据中包含的噪声大大减小,误差带减少70％以上,而计算工作量又远远小于最大似然法。     

小波分析在外测数据滤波中的应用研究

为提高弹道估计精度,提出了一种基于小波分析的滤波方法,滤除外测数据中AR（自回归）模型的随机误差。分析讨论了滤波过程中的几个关键问题,提出了利用基于偏自相关系数截尾检验的方法来确定分解层数,然后采用GCV（广义交叉确认）准则来确定均方差意义下最优阈值的方法。本文提出的外测数据滤波方法计算简单,不需要估计噪声的方差。仿真结果表明,该方法能有效滤除外测数据中的AR噪声。     

非线性滤波方法及其在飞行状态及参数估计中的应用

基于非线性系统高阶近似的思想,提出一种比推广卡尔曼滤波（ＥＫＦ）更接近非线性系统本质的近似滤波方法,并应用于飞行状态的参数估计（或称为飞行轨迹重构）问题。仿真和实际飞行数据计算结果表明：提出的非线性近似滤波方法比ＥＫＦ有更高的估计精度和更好的鲁棒性,对飞机机动形状、数据长度要求不高,滤波收敛速度快。利用飞行状态估计数学模型的具体特点,使计算量和存储量大幅度减少。该方法应用于非线性较强的飞行状态及参数估计问题。可得到比ＥＫＦ更好的结果。     

Narrowband interference suppression in impulsive channels

Suppression algorithms are developed first for a channel containing only impulsive background noise and then for a channel containing a spread-spectrum signal as well. These algorithms are based on nonlinear filters that produce predictions of the interfering signals that are then subtracted from the received signal to suppress the interference. Several such filters, including both fixed and adaptive ones, are proposed and compared using extensive computer simulations. The independence of the filtering procedures from the noise distribution shape, given constant second-order statistics, is shown     

Optimum Steady-State Position and Velocity Estimation Using Noisy Sampled Position Data

The Kalman filtering technique is used to obtain analytical expressions for the optimum position and velocity accuracy that can be achieved in a navigation system that measures position at uniform sampling intervals of T seconds through random noise with an rms value of ?x. A one-dimensional dynamic model, with piecewise-constant acceleration assumed, is used in the analysis, in which analytic expressions for position and velocity accuracy (mean square), before and after observations, are obtained. The errors are maximum immediately before position measurements are made. The maximum position error, however, can be bounded by the inherent sensor error by use of a sufficiently high sampling rate, which depends on the sensor accuracy and acceleration level. The steady-state Kalman filter for realizing the optimum estimates consists of a double integrator, the initial conditions of which are reset at each observation.     

基于可变滑动窗口与3σ准则的脉冲星信号去噪算法

针对地面接收射电观测脉冲星信号较弱、信噪比较低的问题,提出了基于可变滑动窗口与两层3σ准则的信号去噪算法。该算法引入可变滑动窗口,对信号进行分步连续处理,同时在筛选噪声时使用两层3σ准则算法,解决了噪声遗漏及过度去噪问题。为证明算法可靠性与实用性,利用佳木斯66 m观测站实测数据进行算法验证,针对J1939+2134与J1744—1134脉冲星的实测数据进行分析处理。结果表明,该算法能够对脉冲星数据进行有效去噪,普遍提高信噪比约10dB。     

Reduced state estimator for systems with parametric inputs

A reduced state estimator is derived for systems with bounded parameters as inputs. Optimal filter gains are derived for minimizing the total covariance of the estimation error due to measurement noise and parameter uncertainty. It is shown that these filter gains for a two-state system with a Gaussian parameter satisfy the Kalata relation in steady state. Equations are also derived for optimally filtering measurements in arbitrary time order. This reduced state estimator offers novelties over a traditional Kalman filter in its application to the class of problems considered. The total error covariance, which is minimized, makes no use of plant noise. Furthermore, the filter is easier to optimize in high dimensional and multiple sensor applications as well as in processing out-of-sequence measurements.     

由飞行试验数据求取直升机气动导数的最佳方法研究

本文主要介绍利用频率法、卡尔曼滤波和最大似然法求取气动导数的方法。方法的特点是,通过频率法使旋翼高频成份的影响减至最小,同时求取试验数据的测量噪声和过程噪声,然后通过卡尔曼滤波使试验数据包含的随机噪声减小,最后使用最大似然法使试验数据包含的随机噪声进一步减小,并求取最终的气动导数。计算结果表明,该方法可使试验数据中包含的噪声减至最小,复合相关系数提高到0.95以上,特征根更接近真值,其准确度优于最小二乘法、频率法、卡尔曼滤波方法和最大似然法,它保留了使用低通滤波数据的卡尔曼滤波方法的优点,克服了原方法振荡模态频率偏低的缺点,适合于各种直升机的导数识别。