一类有色噪声干扰随机系统最小二乘递推辨识

提出一类有色噪声干扰随机系统的辅助模型最小二乘递推辨识算法.此算法结合辅助模型辨识思想和递推增广最小二乘理论,用辅助模型的输出代替辨识模型信息向量中未知中间变量,用估计残差代替信息向量中不可测噪声项,从而可以运用递推辨识思想来估计系统所有参数,包括噪声模型参数.仿真例子说明提出算法的有效性.      

一种简化递推偏最小二乘建模算法及其应用

在已有的偏最小二乘相关算法基础上,提出一种简化的递推偏最小二乘算法,即直接采用自变量主元的2个回归系数矩阵来取代残差矩阵进行递推计算,进一步简化了递推计算过程,在保证建模精度的同时,使计算速度提高了近一倍.并以数控铣削加工过程中切削合力峰值在线建模为应用实例,对切削过程z传递函数的参数进行了在线辨识计算,由估计模型重构了切削过程的输出,其结果与实验测量值是一致的,且误差很小.仿真和实验结果表明,该简化递推偏最小二乘建模算法是正确和有效的,并且具有计算量小、辨识速度快、建模效率高等特点,适用于数据量较大、建模速度要求较高的研究对象的在线建模.      

INS/GIS组合导航方法研究

针对GIS量测误差统计信息不明确,且量测信息具有随机性和有限性的特点,提出了采用非等间隔并解决量测滞后的滤波算法,设计了相应的卡尔曼滤波算法和递推最小二乘算法.建立了INS/GIS组合导航数学模型,通过仿真分析对比了上述两种算法的滤波精度,结果表明,改进的卡尔曼滤波方法优于递推最小二乘估计方法,可有效提高导航精度.     

带柔性载荷超静平台的模型参数在轨辨识

摘要： 针对柔性载荷振动引起超静平台模型参数在轨辨识精度下降的问题,设计一种超静平台模型参数在轨辨识方法.建立考虑柔性载荷振动的超静平台动力学模型,采用卡尔曼滤波估计柔性载荷振动的模态位移,利用多参数并发递推最小二乘法实现超静平台模型参数的准确辨识,通过仿真验证算法的有效性.仿真结果表明：在不考虑柔性载荷振动时,超静平台模型参数辨识收敛速度缓慢,辨识误差较大;采用文中考虑柔性载荷振动的多变量并发递推最小二乘法,能够明显提高超静平台模型参数估计精度.     

LPV模型的动态压缩测量辨识算法

在解决线性参变（LPV）模型的辨识问题上,最小二乘算法以结构简单、计算复杂度低等优点被大量使用。但最小二乘算法辨识结果受制于计算精度和模型近似精度,而这两者在同一个系统中是互斥的。因此,该算法的辨识结果与真值总是存在一定的误差。另外,在高阶LPV模型辨识或采样成本高的情况下,一般模型参数要多于辨识数据,而此时最小二乘算法很难得到稳定的辨识结果。本文提出的动态压缩测量辨识（DCMI）算法从两个方面提高在该情况下的系统辨识精度。其一,利用“匀速变化”及“非匀速变化”模型表示参变函数,以提高模型近似精度。其二,利用压缩感知理论的欠采样能力,在同等数据量的情况下提高参数的计算精度、扩大模型的计算规模。仿真结果表明,基于“匀速变化”模型DCMI算法可以准确地辨识出LPV函数,而且该算法在辨识数据不足的情况下仍然能够获得稳定的辨识结果。      

递推阻尼最小二乘及其在INS/双星组合中应用

由于双星系统的误差模型未知,且稳定性较差,采用Kalman滤波实现惯导(INS)/双星组合导航时,其滤波特性较差;而此时最小二乘法是实际工程应用中常用的方法,但易产生参数爆发现象.因此,提出了一种基于多输入-多输出(MI-MO)系统的递推阻尼最小二乘法,并将其应用到INS/双星组合导航系统中.仿真结果表明,利用递推阻尼最小二乘法能达到和递推最小二乘法同样的精度,且能明显抑制参数爆发现象.      

组合航天器转动惯量在轨两步辨识标定

在轨辨识转动惯量参数是主动航天器与非合作空间目标构成组合体后实现高精度姿态控制的重要前提,文章提出了一种两步在轨辨识组合航天器转动惯量参数的方法。第一步以航天器本体坐标系滚动轴转动惯量为基准将转动惯量矩阵归一化,得到特殊的转动惯量比矩阵,建立与其相关的姿态动力学模型,提出了基于扩展卡尔曼滤波的在轨辨识算法,基于星上陀螺角速率测量信息在100s左右辨识出所有转动惯量比参数,克服了由于模型简单导致转动惯量信息辨识不完整的缺点;第二步基于第一步辨识得到的转动惯量比参数,采用最小二乘算法辨识得到滚动轴转动惯量值,计算量小,消耗能量少。最后给出仿真算例,辨识精度基本在1|之内,验证了方法的有效性。     

飞机机翼故障的动态飞行包线估算方法

进行机翼故障情况下的飞行包线估算可为驾驶员正确操纵和包线保护控制提供必要的信息.考虑到飞机机翼故障的动力学特点,提出一种动态飞行包线估算方法.建立故障参数模型,应用最小二乘辨识算法进行气动参数辨识与故障诊断;基于参数辨识结果估算飞行包线;根据故障特点,分别对系统进行配平计算,在每个配平点建立飞行包线数据库,根据故障诊断结果实时调用包线库中的数据,形成当前时刻的飞行包线.     

基于连续小波变换的飞行器结构模态参数辨识

给出了一种基于连续小波变换的多输入多输出MIMO(Multiple-Input Multiple-Output)飞行器结构模态参数的辨识方法.对结构离散运动方程进行连续小波变换建立了小波域内的系统AR(Auto Regression)模型,AR模型的系数矩阵决定着系统的动力学特性,可以通过最小二乘法求得.模态参数可以通过求解由AR系数矩阵构成的特征矩阵的特征值来获得.与已有基于小波变换的模态参数辨识方法相比,该方法应用了连续小波的时移共变性和小波变换的滤波能力来确保辨识的效率.在辨识过程中,采用优化算法提高了辨识的精度和稳定性.算例仿真结果表明该方法具有较高的计算精度和稳定性,能用于飞行器结构模态参数的辨识.      

基于递推自适应权重的快速稠密立体匹配

针对经典自适应权重稠密立体匹配算法计算量大的问题,提出了一种递推自适应权重算法.重新定义相邻像素的权重为距离衰减因子和色彩差异函数的乘积,不相邻像素权重为相邻像素权重的累乘,色彩差异越小、距离越近的像素权重越大;证明了在新的权重定义下,一维空间的匹配代价融合可以通过两次递推完成,真实图像的匹配代价融合可以通过4次递推完成,同时给出相应递推公式;递推匹配代价融合时每个像素每一视差只做4次乘法和8次加法,计算量比窗口大小为35×35的经典自适应权重算法小约两个数量级;基于递推匹配代价融合实现了一种快速稠密立体匹配算法.使用Middlebury大学的测评集测试该算法,证明了递推自适应权重算法的速度和精度均优于经典自适应权重算法.     

航空发动机传感器与执行机构信息重构算法

为实现航空发动机传感器与执行结构在故障情形下的故障幅值估计及信息重构，缓解故障对发动机性能的影响，在已有故障检测和故障隔离算法的基础上，提出一种基于修正的广义似然比（GLR）方法的信息重构算法。针对某型民用涡扇发动机的传感器与执行机构发生恒偏差与漂移故障的情形下进行了仿真验证。结果表明:基于修正的GLR方法对传感器和执行机构恒偏差和漂移故障的故障幅值估计具有较高的精度，两种故障情形下故障幅值的估计值的均方根误差均不超过0.005，故障部件信息重构后故障对系统性能的影响得到有效缓解。      

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H_∞估计的鲁棒故障检测

为了减少故障误警率和提高故障检测精度 ,文章利用H∞ 估计和优化理论研究了线性离散不确定系统的故障检测问题。故障检测的关键是使余量发生器产生的余量对不确定因素和干扰输入具有鲁棒性 ,同时对故障具有敏感性。另外 ,文中还讨论了门限值的计算和选择问题。最后 ,仿真计算了在模型不确定性和随机干扰情况下 ,某飞行器传感器 /执行器故障的检测过程。与基于卡尔曼滤波的方法比较 ,基于H∞ 估计的故障检测方法能有效降低误警率。     

基于键合图模型的传感器布局方法

为研究传感器布局对于故障诊断性能的影响,使用键合图方法对系统建模。通过在键合图模型中设置虚拟传感器模拟测点,利用键合图的结构信息和因果关系约束推导出一组解析冗余关系式,即系统残差,通过分析残差、故障及传感器配置的关系,提出了一种基于满足故障检测性和隔离性要求的传感器布局方法,在最大限度满足系统诊断性能前提下选择数量最少的传感器配置方案。最后,以同步发电机为例建立键合图传感器布局模型,通过残差推导其结构故障特征矩阵以及传感器特征矩阵,并对所提出的传感器优化布局方法进行验证,得出在参数性故障检测和隔离性能最高前提下的传感器配置方案。      

Real-time sensor fault detection and isolation for LEO satellite attitude estimation through magnetometer data

Attitude estimation is a critical component of the Attitude Determination and Control System (ADCS) of any satellite. It is used to convert the sensor observation data to an estimated attitude using filtering algorithms. However, in the presence of sensor faults, the ADCS fails to achieve the desired attitude accuracy. In this paper, the Fault Tolerant Extended Kalman Filter (FTEKF) is proposed to handle this imperfection. In accordance, various filtering steps are included in the FTEKF design to enhance both attitude estimation and sensor fault detection. The developed algorithm can detect and isolate any unexpected sensor faults in real time, which provides a reliable attitude estimation. A comparative study with the classical and robust Kalman filters is performed through numerical simulations in order to validate the effectiveness of the adopted filter in case of magnetometer fault data.     

基于岭回归的红外协同定位优化算法

针对双机协同定位误差较大问题，首先，在球坐标与直角坐标相结合的基础上，建立双机协同定位的数学模型，并通过对数学模型的分析得出双机距离较近时定位误差大的原因。其次，利用岭回归算法求解出定位精度较高的两组测量子集的目标位置估计值和定位误差协方差矩阵。最后，利用加权最小二乘算法对两组测量子集进行融合定位，推导出协同定位优化算法。仿真分析表明，该算法能显著改善了整个探测区域内的定位精度，并且在双机相距较近时也能保持高的定位精度。      

一种基于多虚拟观测量的组合导航自主完好性监测方法

完好性用于导航系统出现故障的情况下提供及时的告警,是生命安全类用户需要考虑的重要性能指标。基于惯性导航系统（INS）辅助的卫星导航自主完好性监测算法,提出了一种利用INS构造3颗虚拟卫星观测量的组合导航系统自主完好性监测方法,通过构造视线方向相互垂直的3颗卫星,最大限度利用组合导航中INS的导航信息,在2颗可见星条件下就能实现故障检测。相比传统接收机自主完好性监测(RAIM)方法,该方法提高了检测算法可用性。在GPS单星座且INS定位误差方差σ_s=1m条件下,加入35m单星故障幅值,传统加权RAIM故障检测概率为48.51%,本文算法检测概率为95.21%,检测性能提升47%;与INS辅助的卡尔曼滤波残差检测法相比,在相同INS精度等级条件下该方法也具有更高的检测概率。此外,仿真分析了不同INS精度等级对该方法故障检测性能的影响,结果表明INS精度越高,该方法检测性能越好。     

基于时延的高精度泄漏点超声定向检测方法

针对当前气体泄漏点检测定向精度低的情况,提出一种基于时延的高精度超声检测方法.该方法利用3个呈等边三角形分布的超声传感器接收由泄漏点产生的超声波,根据3路信号的相对时延值确定泄漏点的方向.为克服采样间隔对时延估计精度的限制,采用基于三次样条插值的时延估计算法估计信号时延值,并对不同核窗长度下的各100组实验数据的时延值进行误差统计,得到其均方差并与其Cramér-Rao下界比较,发现二者的变化趋势具有良好的一致性.在此基础上研究了时延值均方差,超声传感器间距和泄漏点距离对定向精度的影响.结果表明:定向误差随时延值均方差增大而增大,随超声传感器间距增大而减小,随泄漏点距离增大而增大;定向精度比单超声传感器检测方法提高7～10倍.     

基于HMM的雷达状态转移估计方法

针对传统识别模型存在的参数规律描述不全面的问题,提出一种适用于多功能雷达(MFR)的层级模型,该模型通过任务、状态、参数3个层级反映了MFR系统的运行机制,并依据不同的参数变化规律,设定多种函数进行描述,能够反映信号的联合变化和统计信息,较统计和脉冲样本图模型具备更好的识别效果。在层级模型基础上,针对MFR状态转移估计方法存在的鲁棒性、估计准确率不佳的问题,引入目标运动状态信息,构建双链隐马尔可夫模型(HMM),进而利用D-S(Dempster-Shafer)证据理论优化估计结果,提出一种基于HMM的雷达状态转移估计方法,实验结果表明,提出的方法较改进前具备更优异的鲁棒性和估计准确率。     

基于雾计算的无线传感器网络联合入侵检测算法

为了保障无线传感器网络的安全性,提出一种基于雾计算的联合入侵检测算法Fed-XGB。Fed-XGB算法通过引入雾计算节点扩展网络边缘,减少通信时延,在提升联合学习全局模型和局部模型准确率的同时,降低了传输带宽和隐私泄露风险;通过改进基于直方图的近似计算方法,适应无线传感器网络数据不均衡特征;通过引入TOP-K梯度选择,最小化模型参数上传次数,提高模型参数交互效率。实验结果表明: Fed-XGB算法的检测准确率在0.97以上,误报率在0.036以下,优于其他对比算法;在遭受中毒攻击及数据含噪的情况下,算法检测分类性能依然稳定,具有较强的鲁棒性。