INS/GPS/TERCOM组合制导系统中的

提出由坐标变换、误匹配检测和卡尔曼滤波三个单元构成的一种新型INS/TERCOM系统优化结构,并对INS/GPS/TERCOM组合系统自适应联邦滤波信息融合和分散式信息融合两种算法分别进行了研究,将这两种算法与传统的集中滤波算法进行了比较.结果表明,系统无故障情况下三种方法精度相同;而在有故障情况下自适应联邦融合法优于另两种方法.     

INS／GPS／TERCOM组合制导系统中的信息融合方法研究

提出由坐标变换、误匹配检测和卡尔曼滤波三个单元构成的一种新型INS／GPS／TERCOM系统优化结构，并对INS／GPS／TERCOM组合系统自适应联邦滤波信息融合和分散式信息融合两种算法分别进行了研究，将这两种算法与传统的集中滤波算法进行了比较。结果表明，系统无故障情况下三种方法精度相同；而在有故障情况下自适应联邦融合法优于另两种方法。     

多传感器分层多级变结构组合导航信息融合方法

基于惯性/卫星(全球卫星定位系统(GPS)/北斗双星)/多普勒/星光组合导航系统,提出了一种用于组合导航系统的多传感器分层多级变结构部分优化故障检测、隔离与系统重构(FDIR)的信息融合模型和算法。给出了模型的构成,并讨论了分层多级融合顺序与部分融合对全局估计的影响及其优化。理论分析和仿真试验结果表明,分层多级部分优化融合模型融合后的综合性能优于联邦滤波基本融合模型。     

基于故障因子函数的鲁棒联邦滤波算法研究

针对联邦滤波器子系统传感器故障，提出了一种基于状态递推器的滑动残差检验法，并在故障检测函数的基础上，定义了故障因子函数，用于联邦滤波器的信息分配。根据新的算法，联邦滤波器的信息分配系数可根据故障因子函数进行自动调整，以减少故障通过全局重置对其他无故障子系统的污染程度，从而减少了故障信息的影响程度和持续时间，提高了故障隔离后联邦滤波器的快速恢复能力。仿真结果表明该算法是有效的。     

基于融合状态递推的非线性联邦滤波器故障检测算法

传统的联邦滤波器故障检测算法一般是针对线性系统模型提出的,现在非线性条件下对算法进行推广,推导了针对非线性模型的状态χ~2故障检测算法,并对其进行改进,提出一种基于融合状态递推的新型联邦滤波故障检测算法。该算法利用联邦滤波器的全局最优融合状态通过状态递推器获得融合状态递推,再由各子系统通过非线性滤波得到的状态估计与融合状态递推之间的残差构造检验量,进行故障检测。由于全局最优融合状态的精度要高于局部滤波值,故相比于传统联邦故障检测法,该算法的检测灵敏度更高;最后设计了一组仿真实验,验证了该检测算法的有效性。     

基于神经网络与自适应控制的系统重构方法

针对可重构飞行控制系统提出一种基于神经网络的抗扰动方法,其核心是运用神经网络的函数逼近能力去抑制非线性形式且动态特征未知的扰动。同时提出一种基于输入误差的自适应模型跟踪控制算法,可以保证系统在发生故障或局部损坏时的安全性和稳定性。将神经网络与自适应控制结合,从而降低扰动对故障检测和系统重构的影响,进而有效的降低故障误报率,提高系统的安全性。通过一个具体航空系统的仿真结果证实了该方法的有效性。     

一种面向二维观测模型的压缩感知重构算法

针对目前二维信号压缩感知重构时,常采用的一维化手段效率低、重构性能有待提高等缺陷,基于二维观测模型,提出一种新的压缩感知重构方法,并证明了其有效性。算法通过两个独立感知矩阵对二维信号的行列同时进行压缩感知,并考察信号的整体重构,缓解了传统算法引入的重构人为效应以及问题规模扩张带来的重构压力。理论分析和实验表明,新算法成功重构概率、重构信噪比等性能优于现有典型二维信号重构方法,且其运算复杂度较之一维化方法有所降低。     

基于多模型的飞控系统执行器故障调节

提出了基于多模型自适应控制重构的各种执行器故障调节算法.在故障情况下,对飞控系统执行器的二阶动态特性进行了描述,并建立了自适应多模型(观测器),来描述不同故障情况下系统的特性.虽然存在执行器故障的不确定性,但是,根据Lyapunov稳定性定理证明了在自适应重构控制器的作用下,故障后系统的跟踪误差渐近地收敛于零.仿真结果证实了所提出的故障检测及调节算法能达到预期的目标.     

航天器非合作目标相对导航的联邦滤波算法研究

提出了一种适用于空间机器人在轨对非合作目标进行测量的“激光测距仪+可见光 测角相机”组合的联邦卡尔曼滤波相对导航算法。分析了激光测距仪和可见光相机进行非合 作目标测量时存在的问题,为此设计了一套包括分别基于测角信息和测距信息的子滤波器, 以及进行子滤波器数据融合的主滤波器在内的联邦卡尔曼滤波器,并提出了具体的判据来对 子滤波器进行“条件重置”。仿真实验数据表明该联邦卡尔曼滤波器能够在部分目标测量设 备的输出出现暂时故障情况下输出较为平稳的相对导航数据,并且滤波算法具有较好的容错 性。
     

卫星姿态控制系统故障重构观测器设计

对于卫星姿态控制系统,提出一种基于PD型学习观测器(Learning observer, LO)的系统故障重构方法。在P型LO的学习算法基础上引入测量输出估计误差的微分项,设计了一种PD型LO,估计卫星姿态角速度和姿态角的同时,快速精确重构卫星执行机构故障。给出了所提观测器的稳定性条件,并基于线性矩阵不等式技术提出一种系统化PD型LO设计方法。进一步,将所提PD型LO设计扩展用于卫星姿态敏感器故障的快速重构。最后,将所提方法应用于微小卫星推力器故障重构和陀螺故障重构,仿真结果校验了所提方法的有效性。     

基于模糊拍卖的天波超视距雷达多模式融合跟踪算法

天波超视距雷达通过电离层反射实现超视距广域监视,其地理坐标系下的量测方程存在强非线性,同时由于电离层的不同分层,造成了多路径传播的严重问题,即同时存在多个模式的量测。本文提出了一种基于模糊拍卖的多模式融合跟踪算法,将多路径信息看作是多传感器提供的同步量测信息,利用模糊拍卖算法对确认量测和传播模式进行分配,再利用多传感器数据融合的方法对多模式信息进行同步数据融合。仿真结果表明,在杂波环境中,跟踪一个存在4种可能非线性量测的匀速运动目标时,本文提出的基于模糊拍卖的多模式融合跟踪算法与多径概率数据互联算法相比,在距离维、距离变化率维和方位维的精度具有很大改善,且耗时大大缩短,能更好地提供预警信息。     

数据驱动的陀螺随机游走故障诊断研究

针对工程中陀螺工作期间出现随机游走超差而导致的随机游走故障,提出了一种基于数据驱动的故障诊断方法。该方法基于陀螺实测无故障脉冲数据,利用Allan方差对无故障数据进行噪声特性分析与建模,并在此基础上进行故障模拟,然后利用小波包理论对故障样本进行时频域分析,结合信息熵理论提取样本的故障特征,再利用神经网络构造分类器,将故障特征与故障模式形成映射,进行故障模式的分类。本文以某型号激光陀螺为例展开研究,仿真结果表明,该方法简单、不依赖于模型、诊断快且诊断效果好。     

一种对车载惯导中平动加速度干扰的处理方法

文章针对车体的频繁加减速所带来的平动加速度对姿态融合的干扰问题，提出了一种对干扰加速度的门限检测和动态隔离算法。首先，搭建了基于MEMS惯性器件的实验平台，其中包括STM32处理器和三轴陀螺仪、加速度计和电磁罗盘等。然后，实现了多轴数据处理和系统状态方程的建立，并采用卡尔曼滤波融合算法，实现了对载体姿态的解算。通过分析干扰加速度对系统输出的影响，根据车体加减速过程中Z轴加速度不敏感的特性，利用输出融合结果反馈的方式，设计了相对加加速度的计算方法，从而实现对干扰的隔离。实验结果表明：该方法能够获得较高的灵敏度，而常规的加速度归一化门限处理方法要延迟1~2个周期。在12次的检测率分析中，二者的测试结果是12:7，证实了该方法的有效性和性能优势。该方法对低成本车载惯导具有一定的参考价值，可以提高系统的融合姿态输出精度。     

多传感器最优信息融合Kalman多步预报器及其应用

提出了一种新的标量加权线性最小方差意义下的多传感器最优信息融合算法。该算法考虑了局部估计误差之间的相关性，只需计算加权标量，避免了加权矩阵的计算，明显减小了计算负担，便于实时应用。基于该融合算法，对被多个传感器观测的离散线性随机系统，给出了具有容错性的多传感器标量加权最优信息融合分布式Kalman多步预报器。它具有两层融合结构，其中第一融合层具有网状并行结构，用来获得每时刻每两个无故障传感器子系统之间的滤波误差互协方差阵；第二融合层用来确定最优标量加权系数，进而获得标量加权最优融合Kalman多步预报器。将其应用于雷达跟踪系统验证了其有效性。     

基于模糊最小方差估计的超视距雷达多模式融合跟踪算法

天波超视距雷达(OTHR)是通过电离层反射实现超视距广域监视的,其地理坐标系下的量测方程存在强非线性,同时由于电离层的不同分层,造成了多路径传播的严重问题,即同时存在多个量测模型。本文借鉴多传感器数据融合的思想,提出了一种新的超视距雷达跟踪算法,将多路径信息看作是多传感器提供的量测信息,利用模糊最小方差估计的方法对多路径信息进行同步融合。仿真结果表明,当在杂波环境中,跟踪一个存在四种可能非线性量测的非机动目标时,本文提出的基于模糊最小方差估计的多模式融合跟踪算法(FLCE-MFT)与多径概率数据互联算法(MPDA)相比,在距离维的精度具有很大改善,且耗时大大缩短,具有更好的跟踪性能。     

基于自适应FBFN网络的不确定系统容错方法

提出了一种基于自适应模糊基函数网络(AFBFN)的不确定系统的容错方法,解决不确定系统的故障容错问题。不确定系统由已知数学模型和未知模型组成。应用模糊基函数网络(FBFN)离线估计不确定系统无故障时的未知模型,用AFBFN在线估计系统的未知模型。由已知数学模型和FBFN组成参考模型。根据参考模型、实际系统和AFBFN的输出用另一个AFBFN得到不确定系统的反馈控制输入,使实际系统跟踪参考模型给出的期望输出。最后给出了某飞机的微波着陆系统仿真结果。     

一种超静平台主动指向容错控制方法

针对超静平台主动指向控制中的作动器故障问题,提出一种超静平台主动指向容错控制方法。首先,基于超静平台的一般动力学模型,推导用于指向控制的解耦模型和标准解耦矩阵,将超静平台由高度耦合的复杂多输入多输出系统变为多个相对简单的单输入单输出系统,有利于控制器的设计和容错控制方法的引入;在此基础上,针对作动器的故障问题,提出指向控制重构策略,并建立新解耦矩阵;进一步,提出基于解耦矩阵条件数最小的冗余自由度选择方法;最后,进行了数值仿真分析。仿真结果表明：基于冗余自由度最优选择的主动指向容错控制方法能够最大限度地减少作动器故障对超静平台主动指向控制效果的影响。     

基于观测器的航天器执行机构失效故障重构

针对刚体航天器在轨运行时存在执行机构失效故障和外部干扰问题,提出了一种基于观测器的故障检测与重构方法。该方法运用迭代学习技术,利用上一步的执行机构故障观测信息来估计当前的故障信息,并最终实现故障的精确重构。此外基于Lyapunov方法从理论上证明了此故障诊断方法能够实时、在线地实现对常值、时变甚至随机型的执行机构失效故障的重构,并且对外干扰力矩具有一定的鲁棒性。最后,仿真结果验证了该方法的有效性。
     

基于输出反馈的编队卫星姿态同步和跟踪控制

研究了卫星编队无角速度测量信息且采用局部信息交互时的姿态协同控制问题.以四元数为姿态描述手段,采用超前滤波方法重构星体绝对和相对角速度信息,设计了基于输出反馈的分散姿态同步和跟踪控制器.利用Barbalat引理和代数图论等对闭环系统的全局渐近稳定性进行了理论分析和证明.以六星编队为背景的数值仿真进一步验证了算法的有效性.     

集员辨识与T-S模型相结合的非线性系统建模及其故障检测算法

针对带有未知但有界（Unknown But Bounded．UBB）噪声的非线性系统的建模及其故障检测问题，提出了一种集员辨识与T-s模糊模型相结合的非线性系统建模及其故障检测算法。在建立非线性系统模型时，利用系统正常状态下的运行数据，选用T-S模型对其进行离线建模。首先采用模糊聚类的方法对输入空间进行模糊划分，然后利用T-S模型为参数线性模型的特点，使用参数线性集员辨识算法辨识T-S模型的结论参数。由于集员辨识算法所得到的是参数的集合估计，在系统运行过程中，可以很方便地利用所建模型预测实际系统的输出范围，如果测量所得实际系统的输出不在预测输出范围之内，则可判断系统发生了故障。通过与其他算法相比，验证了本方法的性能。