基于自适应阈值的粒子滤波非线性系统故障诊断

针对实际非线性系统传统方法难以实现可靠故障诊断的问题,采用粒子滤波算法,利用对数似然函数和作为评价指标,并借助自适应阈值的设计,研究了非线性非高斯系统的故障检测和故障隔离。阈值的选取,是准确判别系统是否发生故障的标准,本文通过分析非线性系统残差的统计特性,在判定残差统计特性成正态分布的基础上,设计了一种基于粒子滤波故障诊断的自适应阈值方法,减少了故障诊断的漏报和误报。通过非恒温连续搅拌水箱式反应堆的仿真实例,验证了该方法在故障诊断中的准确性和有效性。      

DS/FH混合扩频系统快速捕获新算法

针对DS/FH (Direct Sequence/Frequency Hopping)混合扩频系统捕获时间长的难题,提出了一种基于可变跳频速率的捕获算法.对搜索过程中频率未对准状态进行快速出局处理,降低平均捕获时间;对准状态则通过较长时间来验证以降低虚警概率.通过状态流图,导出了新算法在高斯白噪声信道和典型干扰环境下的平均捕获时间计算公式、检测概率、漏警概率和虚警概率.仿真结果表明,在高斯白噪声环境下,选取合适的门限,平均捕获时间可减少为传统快速扫描法的1/4;在干扰环境下,新算法鲁棒性优于后者.      

基于修正IMM的风机变桨系统故障诊断方法

针对交互式多模型（IMM）故障诊断方法固定模型转移概率导致的诊断准确性、速度下降和估计精度损失问题，提出了一种基于模型转移概率和模型概率修正的故障诊断方法，并与粒子滤波（PF）结合实现了风机变桨系统传感器的多故障诊断。在非模式切换阶段，采用后验模型概率梯度信息设计模型转移概率的修正函数，以抑制噪声对IMM估计精度的影响；在模式切换阶段，采用模型概率反转的策略快速切换模型，弥补模型软切换导致的诊断延迟和错误诊断。通过仿真实验证明所提方法的准确性、模型切换速度以及状态估计精度都得到了较好的提升。      

基于深度残差收缩网络的滚动轴承故障诊断

滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号,提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先,根据采集到的滚动轴承数据构造故障样本,针对多种故障类型下的长时间序列的振动信号,按照一定尺寸将长时间序列矩阵化,构成多故障类型的灰度图故障样本。从正常到故障的滚动轴承性能退化过程,通过多个采样点的随机采样,构造全寿命周期的故障样本用于故障诊断。其次,在多层深度学习模型基础上,将残差收缩网络模块加入到卷积神经网络(CNN)中构建深度残差收缩网络模型用于故障诊断,其中通过将残差项加入到网络中训练解决了多层网络模型的模型退化问题,利用软阈值化实现了样本降噪。最后,为了验证所提方法的有效性,采集了滚动轴承的多故障时间序列样本和全寿命周期故障样本用于故障诊断。实例验证的结果表明:所提深度残差收缩网络模型在处理含噪声样本时仍具有良好的鲁棒性,多层网络模型下没有明显的网络退化,能够保持较高的故障诊断正确率。在处理2种轴承故障数据集时,与其他模型相比,所提方法训练误差更低,平均故障诊断正确率提高1%~6%。      

基于Jerk输入估计的MCS模型及非线性跟踪算法

针对强机动目标跟踪问题,基于当前统计(CS,Current Statistical)模型、改进输入估计 (MIE,Modified Input Estimation)和无迹强跟踪滤波器,提出了一种新的自适应目标跟踪算法.该算法引入Jerk输入估计改进了当前统计模型的状态方程和机动加速度方差调整方法,利用改进的无迹强跟踪滤波器实现了状态协方差、状态噪声协方差和机动频率的联合自适应.在没有加速度先验知识的情况下,能够实时准确跟踪目标连续强机动、匀加速机动和匀速运动状态.仿真实验表明:相比CS模型无迹滤波算法、CS模型无迹强跟踪算法和交互多模型算法,该算法在对目标强机动的适应性、跟踪精度和对突变状态跟踪的收敛性方面都有更好的性能.     

基于RBF带学习能力高精度非线性FDD设计

在轨航天器故障检测与诊断问题需要面对模型的非线性,而且要求尽量提高其检测的精度,为此设计了基于径向基函数（RBF）神经网络的动量轮非线性故障检测与诊断（FDD）方案。首先应用RBF补偿建模误差,提高检测精度,并选择李雅普诺夫函数证明其收敛性;然后应用非线性观测器来产生故障残差,给出了阈值以及故障检测的时间;应用RBF网络对故障信号进行重构,并据此设计了带学习能力的FDD策略。再次建立了详细的动量轮模型,通过不同条件下的仿真研究分别验证残差的阈值特性、时间特性以及RBF的重构能力,仿真结果表明了算法的有效性。     

基于自适应观测器的非线性系统故障诊断

研究一类非线性系统执行器故障诊断问题。对于故障系统,建立一种自适应观测器,通过在线调整,故障后执行器的未知参数被在线逼近。所提出的自适应调整律能够保证观测器稳定及故障估计误差收敛。最后引入卫星反作用飞轮模型,对单飞轮发生故障的情况进行了仿真,结果表明提出的方法有效、可行。     

基于双量子比特态测量的量子自适应中值滤波

为了进一步增强去噪时对图像细节的保护能力,并同时提高算法实时性,提出了基于双量子比特态测量的量子自适应中值滤波算法,该算法首先将待处理图像像素转化为量子叠加态,然后依据量子测量原理对此叠加态进行量子测量,最后将测量后的坍缩态转化为输出图像.该算法使用双量子比特态来描述单像素,拓展了单量子比特态与单像素的对应关系.双量子比特态的4个叠加基态增加了被描述像素的信息量,可以更精确地对像素进行操作.该算法根据噪声特点设计双量子比特态的概率密度公式,并根据测量坍缩态自适应地调整滤波窗口尺寸.实验证明,该算法与标准中值滤波和经典自适应中值滤波相比,具有更好的综合滤波能力,既可以有效地滤除噪声点,很好地保护图像细节,又具有很好的实时性.     

Dual-frequency carrier smoothed code filtering with dynamical ionospheric delay modeling

In GNSS applications, carrier-smoothed-code is a widely used technique to combine code pseudo-range and carrier phase measurements. A dynamical ionospheric delay modeling method is proposed based on Kalman filter and least-squares theory. The level of the process noise is adaptively tuned along with the real-time KF state estimation, based on the online variance component estimation method. Meanwhile, the correlations of the time differenced carrier phase measurements are considered. This approach avoids overly optimistically evaluating the estimate and improves the transient accuracy of the estimates. A real GPS dataset is employed to check the performance of the proposed method under different conditions. The results show that the new algorithm can model the ionospheric delay variation well with different sampling intervals or even in ionospheric abnormal environment. The positioning accuracy can be confirmed, about 21%, 35% and 16% better are obtained in the N, E, and U direction than raw dataset.     

基于双谱的eLORAN接收机干扰抑制方法研究

针对eLORAN导航定时接收机传统自适应滤波干扰抑制算法性能易受高斯噪声影响的问题,提出了一种基于双谱检测的干扰抑制方法。该方法采用双谱估计,在高斯噪声中检测出干扰信号,再用检测信号调节自适应滤波器的系数,完成系数更新,最终达到去除干扰的目的。理论分析与实验结果表明：双谱检测方法能够有效的抑制高斯白噪声,提取信号。基于双谱检测的干扰抑制方法,可有效去除和减轻干扰,特别是在强高斯噪声干扰的情况下,抑制干扰效果明显,解决了eLORAN接收机在强噪声下的干扰抑制问题,具有一定的推广和应用价值。