基于自适应容积卡尔曼滤波方法的涡扇发动机气路部件故障诊断

针对涡扇发动机气路部件故障诊断中参数存在不同的噪声统计特性,提出了一种自适应平方根容积卡尔曼滤波(ASRCKF)器的自适应滤波方法.该方法直接利用基于3阶容积积分方法近似发动机的非线性统计特性,用于替代非线性无迹卡尔曼滤波方法的系统模型,避免了滤波过程参数选取的问题;采用移动窗口法对噪声协方差矩阵进行自适应估计,提高了算法对不同统计特性噪声的自适应能力和滤波精度.通过对发动机气路部件健康参数蜕化过程仿真结果表明:ASRCKF方法相比平方根容积卡尔曼滤波(SRCKF)方法,精度提高40%~50%,对不同噪声信号具有更好的适应能力.      

基于改进平方根无迹卡尔曼滤波方法的涡扇发动机气路状态监控

针对涡扇发动机气路状态监控存在模型未知或不准确导致滤波效果下降甚至发散的问题,研究了一种融入高斯过程回归（GPR）的改进平方根无迹卡尔曼滤波（UKF）方法.该方法利用GPR对训练数据进行学习,建立发动机气路部件状态监控的GPR模型,替代UKF方法中的非线性系统模型;采用超球体单形采样和平方根滤波方法来提高滤波的计算效率和数值稳定性.仿真结果表明:训练的GPR模型解决了UKF方法对发动机原系统模型和噪声协方差矩阵依赖性的问题;与扩展卡尔曼滤波（EKF）和平方根UKF方法相比较,改进平方根UKF方法精度更高,对健康参数的估计精度达到99.9%,实现了对涡扇发动机单个和多个气路部件健系参数的有效跟踪.      

自适应高阶容积卡尔曼滤波在目标跟踪中的应用

针对传统容积卡尔曼滤波(CKF)在系统状态发生突变时估计精度下降的问题,将强跟踪滤波(STF)算法与高阶容积卡尔曼滤波(HCKF)算法相结合,提出了一种自适应高阶容积卡尔曼滤波(AHCKF)方法。该算法采用高阶球面-相径容积规则,可获得高于传统CKF的估计精度,同时在HCKF算法中引入STF,通过渐消因子在线修正预测误差协方差阵,强迫残差序列正交,提高了算法的鲁棒性,增强了算法应对系统状态突变等不确定因素的能力。将提出的AHCKF算法应用于具有状态突变的机动目标跟踪问题并进行数值仿真,仿真结果表明,AHCKF算法在系统状态发生突变的情况下表现出良好的滤波性能,有效地避免了状态突变造成的滤波精度下降,较传统的CKF、HCKF、交互式多模型-容积滤波(IMM-CKF)和自适应容积卡尔曼滤波(ACKF)算法有更强的鲁棒性和系统自适应能力。     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

基于高斯和粒子滤波的动态称重数据处理

由于动态称重过程中的噪声干扰,导致动态称重信号处理中存在数据处理速度慢与精度低等不足。为了提高动态称重的快速性与准确性,本文将高斯和粒子滤波算法应用于动态称重数据处理。在对动态称重系统建立状态空间模型的基础上,引进高斯和粒子滤波算法,利用高斯和逼近状态的后验密度,提高了对状态分布估计的精确性。实验结果证明,高斯和粒子滤波方法有效地提高了动态称重的速度与精度,比较实验结果说明本文方法优于传统的扩展卡尔曼滤波和粒子滤波效果。     

GPS测试数据处理中的滤波模型及算法

弹射试验测试的系统状态及量测过程都会受到随机噪声的影响,使用卡尔曼滤波可以有效消除这些随机噪声带来的误差.但卡尔曼滤波效果依赖于系统的运动模型,适宜的系统模型可以取得良好的滤波效果.本文针对高动态测试系统的特点.建立了加速度"当前"统计模型的卡尔曼自适应滤波算法.并给出了仿真结果及试验结果.结果表明,该滤波算法可以有效提高系统测试精度.     

基于改进的自适应平方根容积卡尔曼滤波相对导航算法

针对无人机编队飞行时由于目标建模的不确定性导致相对导航滤波算法精度降低甚至出现滤波发散的问题,提出了一种自适应平方根容积卡尔曼滤波算法。首先,建立了无人机双机编队时的相对导航模型。然后,基于新息的自适应修正准则,对滤波状态预测量进行修正,进行了基于自适应修正的平方根容积卡尔曼滤波相对导航算法设计。最后,开展了仿真计算与结果分析。仿真结果表明,该算法具有较好的滤波精度和稳定性,且当目标运动状态与模型不匹配时,该算法与平方根容积卡尔曼滤波算法相比有更好的滤波性能。     

预测-五阶容积卡尔曼滤波方法

为适用于强非线性、非高斯过程噪声系统，结合预测滤波（PF）与高阶容积卡尔曼滤波（HCKF），提出一种预测-五阶容积卡尔曼滤波（P5thCKF）方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整，进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则，采用五阶球面单形积分准则处理球面积分，广义高斯-拉盖尔积分准则处理径向积分；描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。     

约简二次扩展平方根容积卡尔曼滤波及其应用

对于具有复杂加性噪声特点的非线性动态系统,往往很难直接运用传统非扩展容积卡尔曼滤波(CKF)方法对其状态进行有效估计。针对这一问题,通过非扩展和扩展Cubature变换精度的对比分析,结合扩展Cubature点集的约简特性,提出了一种约简二次扩展平方根容积卡尔曼滤波(RTA-SRCKF)方法。该方法采用二次扩展策略,在时间更新环节将过程噪声进行扩展,在量测更新环节将量测噪声进行扩展,有效缩减了采样点,降低了算法复杂度,具有很好的实时性,且在未损失滤波精度的前提下算法计算量明显降低,适用于具有复杂加性噪声特点的非线性动态系统状态估计。捷联惯性导航系统(SINS)大失准角初始对准仿真结果验证了理论分析结论,方位对准精度接近理论极限对准精度。     

基于自适应SRCKF的空间非合作目标实时轨道确定

针对天基测角对非合作目标跟踪定轨的动力学模型简化误差问题,提出一种基于非线性预测滤波和SRCKF(Square Root Cubature Kalman Filter,平方根容积Kalman滤波)的自适应滤波方法.采用考虑地球J2摄动影响的轨道动力学模型作为状态方程,在跟踪滤波过程中,用NPF(Nonlinear Predictive Filter,非线性预测滤波)对动力学模型进行实时修正,利用SRCKF对修正后的动力学模型进行状态估计.将该方法应用于高轨航天器对非合作低轨目标的实时测角定轨任务中,进行数字仿真,仿真结果证明,该方法相比传统的滤波方法具有更高的精度、更强的鲁棒性和稳定性.     

美、德两国存款保险制度模式比较分析

以美国联邦存款保险制度为代表的政府存款保险模式和以德国非官方自愿存款为代表的非官方存款保险模式是世界上两种基本存款保险制度模式,二者虽然存在着很大差异,但其运作基本上都是成功的.     

自寻优求解法建立涡轴发动机状态变量模型

采用自寻优求解法建立小偏差状态变量模型(SVM),即先任意给定A,B,C,D矩阵,然后根据发动机非线性模型与状态变量模型的小偏差动态响应对比直接寻优A,B,C,D矩阵.求解目的为使状态变量模型与非线性模型的小偏差动态响应吻合,因而应用该方法可以保证所建模型具有较高的精度.此外该方法不受模型阶次的限制.应用该方法建立了某型涡轴发动机的小偏差状态变量模型,通过与非线性模型仿真结果比较,验证了该方法的有效性和准确性,所建立的状态变量模型可用于航空发动机控制系统设计与故障诊断.      

某型涡喷发动机状态空间模型的提取与修正研究

以某型单转子涡喷发动机为研究对象,在提取该型发动机状态空间模型的基础上,提出了单转子涡喷发动机状态空间模型的稳态及动态的修正算法,获得基于稳态及动态的修正模型.以阶跃输入响应对模型进行了检验,检验结果表明使用该方法修正的状态空间模型具有与原非线性数学模型完全一致的稳态及动态过程响应,解决了单转子涡喷发动机状态空间模型检验与修正的问题.     

航空发动机机载实时自适应模型研究

航空发动机的性能蜕化会导致其可测参数的变化,因此传感器测量参数偏离正常工作情况下的变化量,可以表征发动机的性能蜕化程度。文中首先建立了包含发动机性能蜕化因素的状态变量模型,并将性能蜕化参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测的输出偏离量经滤波器状态估计得到发动机性能蜕化值,最后将性能蜕化值用于状态变量模型中不可测参数的修正,从而使机载模型适应发动机的非额定工作状况。     

基于部件特性的螺旋桨数学模型通用建模算法

为了有效地建立螺旋桨数学模型和涡桨发动机数学模型,以及为涡桨发动机控制规律设计奠定基础,借鉴压气机部件特性缩比方法,提出了一种适用于螺旋桨部件特性的修正缩比方程;基于螺旋桨静态特性,提出了静拉力状态下的螺旋桨建模优化算法;针对螺旋桨低速前进状态下和高速前进状态下的不同工作特点,提出了两种不同的螺旋桨建模算法,以实现全飞行包线内的螺旋桨数学建模。通过与GSP (Gas turbine Simulation Program)软件仿真数据对比验证,其结果表明,基于所提出的算法建立的螺旋桨数学模型输出拉力、功率和效率的最大相对误差分别不超过3×10-6,3×10-6和6×10-5,同时,验证了算法有效性和通用性。     

基于数据的发动机模型匹配方法研究

针对在使用环境条件下发动机部件特性未知的问题,为获得在实际装机条件下的发动机部件特性,采用1种基于参考数据的发动机部件级模型匹配方法,在对测量数据和模型特征分析的基础上,选取适当调整参数,以模型在非设计点的仿真输出与参考数据的匹配精度为目标,通过迭代方法求解部件特性。仿真数据表明:采用基于数据的发动机匹配技术得到的发动机模型,其仿真输出与参考数据的偏差均在允许范围内。利用该方法可以得到在使用条件下的发动机部件特性,为装机状态发动机的仿真预测提供技术支撑。     

航空发动机主轴承使用状态寿命预测模型

在滚动轴承寿命预测模型分析的基础上,提出了航空发动机主轴承状态寿命的概念,即把主轴承的使用寿命周期划分为状态良好、初步损伤、故障发展和即将失效4个寿命阶段;建立了1种利用机载传感器信息(转速、振动和飞行器机动),来确定航空发动机主轴承使用状态寿命的模型,该模型把状态监控数据和基于理论模型分析计算的方法相结合,为评估主轴承的寿命状态提供了1种新的方法.     

液氧/煤油高压补燃火箭发动机非线性稳态模型——考虑推进剂温升与密度变化

针对液氧／煤油高压补燃循环液体火箭发动机,考虑了推进剂供应系统中的温度与密度变化,推导建立了改进的简化非线性稳态特性数学模型。并通过数值模拟分析验证了该改进的非线性稳态模型可行性。     

液-固挤压铝基复合材料动态系统建模方法

 液态浸渗挤压是一种可以由液态金属直接成形复合材料管、棒、型材的新工艺,针对该工艺过程参数和成形过程难于控制的现存问题,在对其辨识建模特点进行深入分析的基础上,采用基于U-D分解的非线性模型和参数在线估计方法,辨识出液-固挤压铝基复合材料过程的动态模型。实验结果表明,该方法可以提高模型和参数在线估计的计算效率和数值稳定性,辨识模型能很好地反映系统的动态特性,说明该在线估计方法工程应用的有效性,同时也为液-固挤压复合材料工艺的实际应用和过程控制奠定了基础。     

大型客机辅助冷却系统稳态仿真模型

为指导大型客机辅助冷却系统的设计,针对机载蒸发循环和液体冷却循环相结合的辅助冷却系统,开发了系统稳态仿真模型。建立了适用于系统仿真的压缩机、换热器、电子膨胀阀等部件模型;对系统各单元之间的相互关系进行分析与解耦,建立了适用的系统求解算法。对系统性能随制冷剂充注量的变化趋势进行了预测分析,分析结果表明,辅助冷却系统稳态仿真模型对系统性能变化趋势的预测符合理论分析结果,模型可靠。