基于改进D-S证据理论的航空发动机转子故障决策融合诊断研究

针对单一传感器的测量信息难以准确、全面地反映航空发动机转子、轴承和齿轮的工作状况,进而造成振动故障诊断难度大的问题,提出安装多个振动传感器组成传感器网络,建立基于多传感器信息的发动机转子故障决策融合诊断系统。由于多传感器系统不可避免地会存在各传感器信息不一致、信息冲突的情形,因此针对该融合诊断系统的信号测量、信息预处理、特征提取、故障诊断及决策融合5个环节,重点研究了决策融合环节的Dempster-Shafer（D-S）证据决策融合方法存在的冲突证据融合失效问题。通过分析原因,从避免“一票否决”现象和证据加权平均两个方面进行改进,提出了改进D-S证据融合方法,并应用于航空发动机转子的模拟故障决策融合诊断中。结果表明基于D-S证据理论对3个传感器的单一诊断结果进行决策融合,能得到比任一单个传感器更准确、可靠的结果;而改进D-S证据融合方法由于能在一定程度上克服冲突证据融合带来的失效问题,且能同时兼顾处理好非冲突证据的融合,故其对于证据冲突和非冲突情形都取得了较好的融合效果,因此总的分类正确率要高于常规D-S算法和PCR5算法。     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强，单一寻的制导方式很难完成对目标的稳定跟踪和精确打击，需采用多种探测器作为传感器，提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型，利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题，避免了求解复杂的雅克比矩阵。对于分布式多传感器融合，传统的方法多采用协方差交叉（CI）融合方法，但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程，且计算量小。在此基础上，提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后，对算法进行了仿真分析，并进一步验证了提出算法的有效性。     

多传感器融合技术在镁合金激光焊接质量检测中的应用

将多传感器融合技术应用于镁合金激光焊接质量检测系统,进行了基于D-S证据理论的检测数据融合,构建了识别框架及基本信度函数,阐述了证据组合与决策规则以及质量测度的概念,并对基本算法进行了描述.试验验证了由多传感器获得的温度信息包含焊缝质量特征,对在焊接过程中焊缝附近几点采集的温度数据进行处理完全可以综合评定焊接质量.     

基于数据融合技术的多导航传感器性能评价系统研究

试飞是对导航传感器性能进行评价的有效手段.为克服仅采用单一导航传感器作为评价基准的缺陷,提出了基于数据融合技术的多导航传感器性能评价方法及其系统实现.设计的多导航传感器性能评价系统融合了卡尔曼滤波、最优固定区间平滑滤波、最小二乘加权等多导航传感器数据融合算法,在分析上述融合算法特点及使用的基础上,从信息流的角度出发,设计并实现了相应的多导航传感器性能评价系统.给出了评价系统的主要功能模块的设计与实现.还通过仿真数据对评价系统的功能和性能进行了测试,测试结果表明评价系统能准确地实现对导航传感器性能的评价.     

一种基于相邻模块化加权D-S的融合诊断方法

常规D-S (Dempster-Shafter)决策融合方法由于其自身理论不足,不能很好直接处理决策结果偏差大、冲突大的传感器融合问题,因而对于信息高冲突情况下的转子微弱故障融合诊断存在着失效问题。针对该类问题与不足,借鉴复杂网络的舆论传播、社会学习理论及多智能体一致性决策的相关概念与思路,从避免决策结果冲突大的传感器直接进行融合的角度进行改进,提出相邻模块化加权D-S融合方法。该方法首先根据初步结果进行相邻节点与模块划分,只有决策距离在相邻界限值范围内的相邻模块节点才能进行决策融合;对于同一模块内相邻节点,根据各节点决策权重及初步决策结果采用加权D-S融合方法进行决策融合;针对融合结果再进行相邻节点模块划分与融合,依此步骤进行循环划分与融合,直到所有模块与节点均不相邻;最后采用专家权威决策方法确定权重和最大的模块融合结果作为最终的传感器网络一致性决策结果。通过多传感器网络的转子故障模拟实验对所提方法进行验证,应用结果表明:所提方法可以较好解决少数传感器诊断正确、而多数诊断错误的信息高冲突条件下的局部微弱故障融合诊断问题。     

一种分布式异步航迹融合算法

在多被动传感器目标跟踪中,融合中心处理的信息一般是同步的,然而实际情况并非如此。另外,一些被动传感器只能得到目标的方位信息,无法单独形成有效航迹,这就需要将各传感器数据同步到相同时刻,然后应用同步融合算法。针对被动传感器探测系统,采用传感器到传感器融合和系统到传感器融合的分布式融合结构,并对各局部传感器引入全局反馈,对相关信息采用协方差交叉算法进行处理,完成被动传感器异步数据的融合,仿真结果表明,该算法具有较好的融合效果。     

融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题，论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能，采用线性维纳过程对复合健康指标进行退化建模，通过极大似然估计方法确定模型参数，进而得到发动机的预测寿命。为了确定融合系数，提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后，基于训练发动机历史寿命数据，确定出模型参数的离线估计值；然后利用Bayesian公式，同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新，接着在首达时间的意义下推导出剩余寿命的概率分布，进而实现了发动机的剩余寿命在线预测。最后，选择商用模块化航空推进系统仿真数据集进行数值仿真实验，结果表明：相较于基于单一传感器的方法，论文所提方法能够提高剩余寿命预测的准确性，其剩余寿命预测的相对均方误差降低了2%左右。     

基于多传感器的裂纹扩展监测研究

疲劳裂纹扩展是结构健康监测的主要问题之一，为了保证金属结构的可靠和安全运行，实时监测结构的疲劳裂纹扩展过程十分必要。针对结构裂纹扩展的问题，采用压电传感器（PZT）和电阻应变片两种传感器，提出结合能够连续监测结构损伤的被动监测方法以及对微小损伤敏感的主动监测方法对裂纹扩展进行综合监测，以提高裂纹扩展的监测水平。采用随机森林算法对裂纹长度进行识别，并使用D-S证据理论对两种传感器的识别结果进行数据融合，得到比单一传感器更准确、可靠的裂纹扩展识别结果。进行了基于应变和主动Lamb波的裂纹扩展监测实验研究，验证了该方法对提高裂纹扩展监测识别准确率的有效性和实用性。     

雷达专家系统目标识别和红外图像目标识别的D-S融合

本文从雷达专家系统目标识别和红外图像目标识别算法分别得到带识别目标所属类别的基本概率分配函数。用D-S证据理论将得到的两个基本概率分配函数组合,最终实现了机载雷达和红外成像传感器的数据融合。仿真表明:融合后的识别效果要比单个雷达或单个红外传感器的识别效果要好得多。     

多传感器数据融合在空间目标跟踪中的基本应用

现代防空系统面临的威胁是不断变化的。航空、航天和电子战技术的发展构成了新的空间作战环境。随着空间进攻战术的发展，为了对空间环境作出更好的判断，需要多传感器组网并采用数据融合技术的防空作战系统。数据融合是多源信息处理的一项新技术，将数据融合技术引入了多传感器目标跟踪系统能提高系统的整体性能，可以使系统发挥最大的潜力。本文首先分析研究了传感器网之间的各种融合方法的特性和共性。在此基础上，研究了融合算法的一个具体应用。     

一种新颖的超高分辨率SAR频率域反投影成像算法

超高分辨率条件下,机载合成孔径雷达（SAR）发射信号带宽大,合成孔径时间比较长,对成像处理算法的精度和效率要求较高。现有近似频率域处理和时间域滤波反投影（FBP）算法聚焦SAR数据时均存在诸多问题。基于微局部分析方法,提出了一种新颖的频率域滤波反投影（FD-FBP）成像处理方案。首先,利用Keystone变换简化了数据距离多普勒（RD）域徙动表达式。然后,在RD域进行反投影操作,对参考位置处反投影数据进行移位、相位补偿和FFT等操作即可以得到图像,从而在保证算法精确性的前提下有效降低了运算效率,实现了频率域方法的高效率和时间域方法的精确性特点的结合。最后,点目标仿真和实测数据处理以及与FBP等算法的对比验证了该方法的有效性。     

基于庞加莱映射的多站数据融合算法

针对目前单目标跟踪数据融合中存在的伪数据问题，研究了基于庞加莱映射的补充条件定位引导算法和多站抗野值数据融合算法，建立了适应实际传感器数量变化的数据融合体系。理论分析和仿真结果均证明，该方法可行有效。     

卫星拒止情况下低精度惯导系统航姿算法研究

在卫星拒止情况下,低精度MEMS惯导系统由于惯性器件性能较差,无法长时间保持姿态精度。从重力矢量及飞行器的动力学特性出发,提出了一种基于动态检测和Kalman数据融合的航姿算法。该算法从导航与飞控一体化的理念出发,实时判断飞行器机动和飞控状态,在低动态时利用Kalman滤波器对水平加速度和惯性解算的姿态角进行数据融合,估计和修正水平姿态误差,从而提高水平姿态精度。经过飞行仿真验证,该算法可有效完成飞行器的动态检测,并保证在系统机动情况下水平姿态误差在2°以内。     

数据库技术在多传感器信息融合系统中的应用综述

数据库技术在多传感器信息融合系统中占有非常重要的地位。论文以数据库对融合算法的支持为目标,以数据库模型和数据融合数据库的全面设计为基础,在全面考虑面向特征的数据表征形式和组织结构的基础上,详细讨论了多传感器信息融合系统中数据库设计的基本理论,讨论了融合算法对数据库的需求和数据库设计,设计了辐射源识别的知识数据库。     

基于改进容积卡尔曼滤波的惯性/光流组合自主测速方法

针对容积卡尔曼滤波算法在惯性/光流组合测速数据融合时出现由于各系统输出数据频率不一致导致融合精度有限的问题,提出了一种基于多速率残差校正的改进容积卡尔曼滤波算法.通过当前时刻误差估算组合导航系统残差,再使用估算后的残差对速度估计值进行补偿,最终实现惯性/光流组合系统速度测量值的数据融合.实验结果表明,通过提出的改进容积卡尔曼滤波对惯性/光流数据进行融合后,东向速度均方根误差为0.2964m/s,北向速度均方根误差为0.06m/s,与现有其他卡尔曼滤波算法相比,此方法可显著提高惯性/光流组合系统的速度测量精度.     

分布式无源传感器系统多目标跟踪算法

研究了分布式无源多传感器系统多目标跟踪问题,在只有测向信息可以利用的情况下,分布式系统首先利用波门技术分别对各个无源传感器角度测量数据进行关联配对和滤波;然后,将处理结果送到融合中心,在融合中心通过构造的χ2分布检验统计量进行多目标方位航迹的关联;最后,通过交叉定位和位置信息融合获得多个目标的位置信息估计,实现无源多目标跟踪。论文通过仿真分析对算法的有效性和可行性进行了验证。     

具有丢包补偿的分布式一致性融合估计器

研究了具有随机丢包的网络化分布式一致性估计问题。丢包现象存在于各节点间局部状态估计值的传输过程中,引入一组服从Bernoulli分布的随机变量来描述。当发生丢包时,以融合节点前一时刻融合估计值的一步预测值进行补偿。建立了以估计器增益为决策变量,以所有传感器有限时域下状态融合估计误差和为代价函数的优化问题。在给定一致性权重下,通过最小化代价函数的上界得到了一组次优的估计器增益,并给出了融合估计器渐进稳定的充分条件。最后,通过算例仿真验证了算法的有效性。     

A multi-criteria fusion feature selection algorithm for fault diagnosis of helicopter planetary gear train

Planetary gear train is a prominent component of helicopter transmission system and its health is of great significance for the flight safety of the helicopter. During health condition monitoring, the selection of a fault sensitive feature subset is meaningful for fault diagnosis of helicopter planetary gear train. According to actual situation, this paper proposed a multi-criteria fusion feature selection algorithm (MCFFSA) to identify an optimal feature subset from the high-dimensional original feature space. In MCFFSA, a fault feature set of multiple domains, including time domain, frequency domain and wavelet domain, is first extracted from the raw vibration dataset. Four targeted criteria are then fused by multi-objective evolutionary algorithm based on decomposition (MOEA/D) to find Proto-efficient subsets, wherein two criteria for measuring diagnostic performance are assessed by sparse Bayesian extreme learning machine (SBELM). Further, F-measure is adopted to identify the optimal feature subset, which was employed for subsequent fault diagnosis. The effectiveness of MCFFSA is validated through six fault recognition datasets from a real helicopter transmission platform. The experimental results illustrate the superiority of combination of MOEA/D and SBELM in MCFFSA, and comparative analysis demonstrates that the optimal feature subset provided by MCFFSA can achieve a better diagnosis performance than other algorithms.     

基于序贯关联算法的多目标无源跟踪

基于序贯关联算法,对多目标无源跟踪问题进行了研究。在只有角度信息可以利用的情况下,首先,利用波门技术对各个无源传感器角度测量数据进行关联和滤波,形成参数航迹;然后,将各个无源传感器的参数航迹送到融合中心进行关联配对,并在关联过程中通过构造关联质量函数对参数航迹的关联历史情况进行度量,解决参数航迹关联模糊问题;最后,通过对关联成功的参数航迹进行交叉定位,给出多个不同目标的位置信息,实现分布式无源系统对多目标的数据关联和跟踪,并通过仿真分析,对算法的有效性和可行性进行验证。     

Performance evaluation for MAP state estimate fusion

This paper presents a quantitative performance evaluation method for the maximum a posteriori (MAP) state estimate fusion algorithm. Under ideal conditions where data association is assumed to be perfect, it has been shown that the MAP or best linear unbiased estimate (BLUE) fusion formula provides the best linear minimum mean squared estimate (LMMSE) given local estimates under the linear Gaussian assumption for a static system. However, for a dynamic system where fusion is recursively performed by the fusion center on local estimates generated from local measurements, it is not obvious how the MAP algorithm will perform. In the past, several performance evaluation methods have been proposed for various fusion algorithms, including simple convex combination, cross-covariance combination, information matrix, and MAP fusion. However, not much has been done to quantify the steady state behavior of these fusion methods for a dynamic system. The goal of this work is to present analytical fusion performance results for MAP state estimate fusion without extensive Monte Carlo simulations, using an approach developed for steady state performance evaluation for track fusion. Two different communication strategies are considered: fusion with and without feedback to the sensors. Analytic curves for the steady state performance of the fusion algorithm for various communication patterns are presented under different operating conditions.