多雷达跟踪网数据融合算法的研究

为了将国外多传感器融合技术引用的雷达网系统中，本文对国外多传感器数据融合技术做了简要叙述，并进行了归纳，分析，作者认为在卡尔曼滤波前，对多个传感器的观测数据进行并行的预处理（融合估计）的算法比其他融合算法要求，为了找到使跟踪精度更高的数据融合算法，本文不仅就参与融合的观测值的数目与跟踪精度的关系进行了仿真比较，而且对几种认为可取的国外算法进行了扩展与改进。最后，将改进后的几种融合算法就其应用于雷达     

基于模糊综合函数的目标识别融合及B/S模式在智能监控中的应用

针对虹桥机场通信管网人井的监控问题,本文利用基于模糊综合函数的目标识别融合理论实现多传感器决策级数据融合,提高通信人井井盖监测的准确性,并以B/S模式构建分布式通信人井多传感器集中智能监控系统。这两种理论保证了本套在线实时监控系统成功地应用于虹桥机场,保证了机场的通信管网安全畅通。     

D-S证据理论在多传感器数据融合中的应用

近年来，许多领域都在进行多传感器数据融合技术的研究。多传感器数据的属性融合有很多算法，最常用的算法是贝叶斯决策检验法，国际上已提出将证据理论用于数据融合，但在这方面的理论基础还不完善。本文研究了证据理论在多传感器数据融合中的应用。Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ方法是对Ｂａｙｅｓ决策检验法的推广，证据理论比概率论满足更弱的公理系统，并且在区分不确定与不知及精确反映证据收集过程等方面显示了很大的灵活性。文中阐述了Ｄ－Ｓ证据理论的数学性质，给出了可信度公理及Ｄ－Ｓ综合规则，并进行了计算机仿真实验，实验结果说明这种判决方法非常实用，用于数据融合算法非常有效     

低空突防中的多传感器信息融合技术研究

当飞机超低空贴地飞行、航路上多障碍物时,机载传感器容易失效。针对这一情况,本文首先论述了低空突防过程中,机载多传感器系统必须采取的有效信息融合措施;然后对容错控制问题进行了讨论,给出一个多传感器故障检测与隔离算法,使用该算法容易剔除失效的传感器,并将多传感器系统进行重构,降低了失效传感器数据对系统的污染程度;接着给出一个简单实用的分散滤波算法,该算法使得各有效传感器的数据被并行处理,且各局部处理器之间无需数据交换,需存储的数据量较少,提高了系统的实时性,最后的仿真算例说明了这一点     

基于多传感融合的自动钻铆孔位在线测量方法

为了获得飞机壁板自动钻铆中孔位的实际位置和法向信息,提出了一种基于视觉和激光测距多传感器融合的孔位在线测量方法,该方法可以实时获得钻铆任务的孔位偏差修正量,从而保证壁板钻铆质量。首先,通过建立视觉和激光测距传感器与钻铆机参考坐标系间的映射关系,获得了钻铆孔位在线测量的多传感器融合模型,给出了孔位位置和法向的在线测量原理。然后,为了简化标定过程和提高标定精度,设计了一种同时适用于视觉和激光测传感器的标定板,给出了位置和法向测量的标定方法。最后,测量试验表明,多传感融合的在线测量方法孔位测量位置误差≤0.2 mm,法向误差≤0.3°,能够满足飞机钻铆孔位测量精度要求。     

FAULT-TOLERANT INTEGRATED NAVIGATION SYSTEM BASED ON NEURONS

讨论了容错组合导航系统中的信息融合问题,提出了一种用于多传感器组合导航系统信息融合的神经元方法。通过仿真实验,验证了这种方法的可行性,该方法可以替代传统的需要估计协方差的数据融合算法,可以满足导航精度要求。     

涡扇发动机风扇配平方法的优化

本文介绍了以单一振动传感器振动数据为基础,运用三圆配平方法对风扇转子进行配平的基本思路,提出了基于多组振动数据的涡扇发动机风扇配平方法,给出了通过多个振动传感器或多个飞行航段所获取的振动数据进行配平计算的方法,解决了早期的机载振动设备不具备提供发动机风扇配平解决方案的实际困难。该方法同样适用于安装了现代机载振动设备且具有多个振动传感器的涡扇发动机风扇配平。     

基于加权PCR证据融合的多传感器Lamb波损伤成像

为提高基于Lamb波损伤定位成像的对比度和可靠性,提出了一种基于证据理论多传感器信息融合的损伤成像方法。基于连续小波变换,确定了传感路径的时间延迟,进而采用椭圆定位法进行损伤成像。以信号时频带能量变化率为指标,确定了传感路径的权重值,提出了一种基于加权比例冲突再分配(Proportional conflict redistribution,PCR)证据融合算法,并以此对多组传感路径的定位成像进行融合。试验结果表明,该方法具有较好的成像对比度,且能降低因部分传感路径时间延迟判断失误对成像结果造成的影响。     

基于多传感器信息融合的自主移动机器人导航算法研究

本文介绍了一种基于微控制器控制，以GPS为主要导航手段，且基于多传感器信息融合的自主移动机器人导航系统的软硬件设计思想及实现方法。重点讨论了基于栅格法的导航算法在微控制器系统中的实现。最后给出了该导航系统在比较典型的环境中实现导航与避障的实验结果。     

关于空管自动化数据处理算法的改进设计

根据空中交通管制自动化系统提出两点关于雷达数据处理的算法改进,重点关注单雷达航迹相关和多雷达数据融合。提出一种改进型的卡尔曼滤波航迹相关算法以及基于BP神经网络的多雷达数据融合算法,两种算法分别通过C#设计在Visual2010平台得以实现。     

航空发动机磨损故障的智能融合诊断

运用了4种最常用的滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出了运用神经网络和D—S证据理论对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，转换成故障征兆的布尔值；其次，建立了各子神经网络的拓扑结构。并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，由此获得了各子神经网络的训练样本，对各网络成功训练后。利用神经网络实现各子网络的诊断并得到了中间诊断结果；然后，将每种方法的神经网络诊断结果作为各故障模式的基本概率分配值，利用改进的D—S证据理论。实现了对神经网络诊断结果的融合，由此获得了最终的融合诊断结果，最后，通过算例证明了该方法的有效性。     

发动机磨损故障的集成神经网络融合诊断

针对发动机试车过程中的磨损故障诊断问题．本文运用了四种最常用的润滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出运用集成神经网络对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，统一转换成故障征兆的布尔值；其次，建立各子神经网络的拓扑结构，并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，从而得到各子神经网络的训练样本．对各网络进行成功训练后，利用神经网络实现各子网络的诊断并得到中间诊断结果；然后，通过建立合适的权重矩阵．利用模糊综合决策理论，时集成神经网络的诊断结果进行综合，从而得到最终的融合诊断结果；最后，运用一个算例表明了本文方法的有效性。     

飞机复杂系统故障诊断的灰色粗集推理方法

传统的复杂系统故障诊断规则不易获取且方法单一,不能满足系统维护要求.文中全面考虑复杂系统诊断的数据来源,用灰色关联理论降低系统复杂性并通过粗糙集约简数据的思想实现灰色粗集推理.基于灰色粗集推理方法实现了故障诊断规则的获取,并通过实例验证方法的可行性,结果明显优于神经网络算法,可有效提高诊断效率.     

组合导航信息融合滤波的研究(英文)

提出一种组合导航信息融合新方法,该方法能提高容错性能,更好地进行故障检测、隔离和重构.同时,当故障发生时,由于融合了系统信息,它能使重构的系统以更高的精度工作.采用这种滤波器设计了捷联惯导系统、GPS、多普勒雷达三传感器信息容错系统.仿真结果表明, 这种设计方法对陀螺、加速度计、GPS、多普勒雷达的软故障是有效的.     

基于不完备模糊规则库的信息融合故障诊断方法

在基于模糊推理的故障诊断专家系统中,规则库的不完备常常会引起系统的某些输入产生的输出不确定。针对此问题,将模糊推理与证据理论相结合提出了一种新的融合诊断方法。首先根据证据的随机集表示及随机集扩展准则将模糊输入映射到输出,并聚合生成故障命题的基本概率赋值(BPA),以度量由规则库不完备和输入模糊性引起的输出不确定。然后利用Dempster组合规则将多个不完备规则库提供的BPA融合,用融合结果判决故障,并以电机转子故障诊断为例,验证了所提方法可以有效地提高故障确诊率。     

基于神经网络的直升机自动倾斜器轴承故障诊断方法

为了进一步提高直升机的安全性，利用BP神经网络和RBF神经网络对直升机自动倾斜器轴承进行故障诊断。完成了直升机自动倾斜器轴承故障植入试验，获取了自动倾斜器轴承的故障振动数据，并进行了振动数据的特征信号提取。采用振动数据特征信号的多参数融合作为神经网络的输入，对自动倾斜器轴承故障进行诊断，获得了较高的故障诊断率。采用基于神经网络的故障诊断方法，自动倾斜器轴承各类故障的最高故障诊断率均大于89%。     

航空发动机气路故障诊断研究现状与展望

航空发动机气路故障诊断是通过对发动机系统、部件的气路参数进行分析,以识别气路部件性能退化或故障的主动过程,是提高飞行安全性和可靠性、降低发动机维修成本的重要途径,当前已成为飞行推进技术研究领域的热点。本文较为详尽地阐述了发动机气路故障诊断技术的发展历程;讨论了发动机气路故障诊断的主要方法,包括基于线性/非线性模型的诊断方法、基于数据驱动的诊断方法、基于信息融合的诊断方法等,评述了这些方法的优缺点;最后指出了气路故障诊断技术中的关键技术和难点,并对未来的发展趋势进行了展望。     

基于时间序列数据挖掘的旋转机械故障预报

提出一种基于时间序列数据挖掘的故障预报新方法。把故障前兆因子作为一种暂态,根据旋转机械轴承振动的实验数据建立时间序列．利用时延嵌入的方法重构状态空间,在状态空间中使用遗传算法搜寻最优暂态束．组成暂态集。用暂态集对旋转机械轴承振动的测试数据进行分析．判断是否为故障前兆因子．从而实现故障预报。