对特定传感器故障敏感的最优奇偶向量检测与隔离方法

 提出了一种利用对特定传感器故障敏感的最优奇偶向量进行故障检测与隔离的方法。主要思想是设计一个性能指标函数，使得最优奇偶向量对被检测的传感器故障最敏感，而对其余传感器故障和未知输入不敏感。与常用的广义似然比方法相比，该方法明显地提高了故障的检测能力，此外，对故障的隔离效果也更好。     

基于模糊奇偶方程的非线性系统传感器故障诊断

 给出了一种非线性系统传感器的故障诊断方法。该方法将T-S 模糊模型、全解耦奇偶方程和参数估计相结合,同时对非线性系统的多个传感器的故障进行检测、隔离与识别。设计出用于产生残差的线性系统全解耦奇偶方程,并给出了全解耦奇偶向量的存在条件,全解耦奇偶方程产生的残差仅对一个传感器故障敏感,而对系统状态、扰动输入和其它传感器输出解耦。引入T-S 模型将全解耦奇偶方程推广到非线性系统中得到了模糊奇偶方程。传感器的故障模型表示为刻度因子和偏差的形式,根据残差信息应用卡尔曼估计方法可识别出故障模型的参数。最后给出了某型号飞机控制系统传感器的故障诊断仿真实例。     

采用序列概率比方法检测航空发动机传感器软故障

提出基于卡尔曼滤波和序列概率比方法进行某型涡扇发动机控制系统传感器软故障检测新方法.研究了采用修正的序列概率比方法处理滤波残差,检测传感器软故障;并将该方法与残差加权二乘算法WSSR(Weighted Sum of Squared Residual)检测传感器软故障过程进行了对比.仿真结果表明,序列概率比方法较WSSR法所需决策时间短,适合于航空发动机传感器软故障检测.      

用于卫星导航多星故障识别的新方法

 通过分析广义似然比方法,指出该方法不能用于多星故障识别。为能够快速识别多颗故障卫星,提高卫星导航定位系统的可靠性,提出了一种可以用于多颗故障卫星识别的接收机自主完整性监测（RAIM）的新方法——假设验证法。该方法对所有可能的故障卫星组合进行假设验证,对每种假设的故障卫星组合计算出卫星伪距偏差,然后利用此偏差构造一个新的奇偶残差矢量,最后利用特定的故障识别准则进行判断。以识别2颗故障卫星和识别3颗故障卫星为例进行了计算机仿真,结果显示：假设验证法故障正确识别率高于85%,高于现有的可用于多星故障识别的最优奇偶矢量法,可以有效提高卫星导航系统的可靠性。同时,与最优奇偶矢量法相比,假设验证法不需要求取矩阵广义特征向量,计算量将减少90%以上。     

基于奇异值分解的接收机自主完好性监测算法

基于最小二乘法残差的接收机自主完好性监测（receiver autonomous integrity monitoring，RAIM）算法本质是一种基于伪距残差矢量的一致性监测算法，但由于残差矢量中各分量具有一定的关联性，掩饰了某些重要的不一致性信息。为了消除这种关联性，提出了一种基于奇异值分解的接收机自主完好性监测方法。在方法中利用奇异值分解对伪距观测矩阵中的观测系数矩阵进行分解，获得奇异值空间矢量和奇异值空间矩阵。基于奇异值空间矢量构造能够直接反映故障卫星偏差信息的检验统计量，从而可以简便地进行粗差监测，更好地满足完好性监测需求。鉴于实际中完好性故障包含运控系统故障、导航系统故障、信号传播异常以及地面接收处理故障等多类因素，以脉冲型和阶跃型两种故障方式进行基于奇异值分解的RAIM故障检测与识别，并开展仿真分析研究。结果表明，提出的方法能够正确检测、识别故障卫星，在特定参数下能够达到很好的故障识别率，即当误警概率设置为1×10-5/h、引入阶跃故障误差为25 m时，算法能够实现98.8%的故障识别率。     

基于DE-RLSSVM算法的航空发动机传感器故障诊断

为了使约简最小二乘支持向量机(RLSSVM)具有更好的稀疏性和泛化能力,利用微分进化(DE)算法选择RLSSVM的支持向量,提出了DE-RLSSVM算法.在benchmark回归数据集上的仿真试验表明该算法具有很好的稀疏性和泛化能力.然后将该算法用于航空发动机传感器故障的诊断,提出了基于DE-RLSSVM算法的航空发动机传感器故障诊断方法.该方法利用DE-RLSSVM算法对传感器故障进行监测,然后进行定位和隔离.数字仿真结果表明该传感器故障诊断系统能够实现对航空发动机传感器硬故障的检测与隔离.      

卫星故障诊断的最优奇偶向量法

 提供一种卫星故障诊断方法以提高 GPS导航的完整性。该方法利用最优奇偶向量来检测和诊断卫星故障以提高卫星故障诊断的准确性。仿真结果显示,在故障幅值较小的情况下最优奇偶向量方法相比广义似然比方法可以提高故障的正确检测率和正确诊断率。该方法还可以缩短检测斜坡型故障的时间,从而提高了系统的可靠性。     

传感器参数误差下的运动目标TDOA/FDOA无源定位算法

在运动目标无源定位系统中，许多算法的前提是精确已知传感器的位置以及速度，但实际情况下可利用的传感器的参数均会存在一些噪声扰动。针对这一问题，提出一种改进的两步加权最小二乘（TSWLS）时差（TDOA）与频差（FDOA）定位算法。该算法是一种闭式算法并且分为2步。第1步与经典的两步加权最小二乘算法相同，第2步进一步研究了额外变量与目标参数之间的关系并且建立了新的矩阵方程。随后，利用加权最小二乘技术给出了最终解。理论分析证明了在测量噪声较小时该算法能够达到克拉美罗界（CRLB）。所提算法具有计算复杂度低，实时性高的优点；另外，经过适当的维度调整，该算法同样适用于对多非相交源进行定位求解。计算机仿真进一步证明了理论分析的正确性。     

航空发动机故障诊断算法性能分析及参数优化

基于航空发动机故障诊断测试平台,通过蒙特卡洛仿真得到涡扇发动机部件、传感器及执行机构典型故障数据,经过参数换算、趋势监测、异常检测等过程进行故障诊断,采用加权最小二乘法实现故障隔离.利用故障诊断测试平台中的评估指标准则对诊断算法性能做出定量评估,采用遗传算法对虚警率、漏报率和Kappa系数等关键参数进行优化.     

基于最小二乘法的GPS故障星辨识新方法研究

在最小二乘故障检测的基础上，提出了一种在最小二乘法残差向量ω的似然函数基础上推导出故障卫星辨识的新方法。采用该方法针对GPS卫星中可能出现的突发性故障以及斜坡形软故障进行了仿真实验。结果表明，该故障卫星辨识方法能够准确地辨识出故障卫星并将其实时剔除，星座重构后能够使GPS的定位莰差处于正常的范围内。     

基于变权重最小二乘法的发动机气路故障诊断

针对航空发动机气路部件故障诊断中存在的严重故障诊断问题,提出基于变权重最小二乘法进行发动机故障诊断.该方法在发动机仿真实验的基础上采用加权最小二乘法进行故障诊断,并对算法进行了改进,根据初期诊断结果对故障权重系数矩阵进行修正,使诊断结果更加合理可信.仿真表明,基于变权重最小二乘法的发动机气路故障诊断能快捷有效地诊断气路部件严重故障.      

传感器位置误差条件下的约束总体最小二乘时差定位算法

 现代定位系统中,传感器往往被安放在运动平台上,其位置无法精确得知,存在估计误差,将严重影响对目标的定位精度。针对这一问题,提出基于约束总体最小二乘(CTLS)的到达时差(TDOA)定位算法。首先通过引入中间变量,将非线性TDOA定位方程转化为伪线性方程,再利用CTLS技术,全面考虑伪线性方程所有系数中的噪声。在此基础上推导了定位方程的目标函数,再根据牛顿迭代方法,进行数值迭代,快速得到精确解。采用一阶小噪声扰动分析方法,对该算法的理论性能进行了分析,证明了算法的无偏性和逼近克拉美-罗下限(CRLB)。仿真实验表明,该算法克服了现有总体最小二乘(TLS)算法不能达到CRLB、两步加权最小二乘(two-step WLS)算法在较高噪声时性能发散的缺陷,在较高噪声时定位精度仍然能达到CRLB。     

非线性椭球集员滤波及其在故障诊断中的应用

 针对带有未知但有界噪声的非线性系统，提出一种椭球集员滤波算法，并将其应用于保证故障检测与隔离。对非线性状态方程和量测方程进行泰勒展开之后，通过区间分析的方法给出线性化余项存在区域的盒子外界描述。假设过程和量测噪声由盒子限界，在算法的时间更新和量测更新过程中，分别计算包含椭球与线段的向量和及椭球与带的交的次最小容积椭球。在椭球集员滤波算法的基础之上，给出传感器故障检测与隔离的方法。由于集员滤波是保证状态估计，因而基于集员滤波算法的故障检测与隔离方法也具有保证性，即如果发出故障警报，则一定有故障发生。一个二维非线性系统的例子说明了该方法的有效性。     

一种4站情况下基于TDOA/FDOA的无源定位方法

在基于时频差的三维运动目标无源定位系统中,针对在4个接收站的情况下搜索法实时性低的问题,提出了一种基于改进的加权最小二乘法（MWLS）与萤火虫算法（FA）相结合的无源定位方法（MWLS-FA）。该方法的第1步通过构造一组新的方程来对加权最小二乘（WLS）方法进行改进,使得改进后的WLS方法在4站情况下也能得到目标位置和速度的初始值,第2步利用这个初始值为FA方法提供一个动态的搜索区域,同时在约束条件的添加和参数选择两个方面针对性地对FA方法做出了调整和改进。仿真结果表明,该方法在4站情况下对目标的定位精度可以达到克拉美罗下限（CRLB）,而且在实时性和抗噪性方面优于传统的搜索法,同时该方法在5站情况下的抗噪性能优于两步加权最小二乘法（TSWLS）和约束加权最小二乘（CWLS）法。     

改进的容错惯性导航系统

 用于余度捷联惯性测量单元(IMU)的故障检测及分离(FDI)方法的性能受到诸如输入轴不准,刻度因子误差以及偏倚这样的传感器误差的限制。本文采用分离偏倚估计方法以获得上述影响奇偶向量的传感器误差的线性组合的估计,然后将这些估计用于构成补偿的奇偶向量,该奇偶向量不包括传感器误差的影响。用经补偿的奇偶向量代替未经补偿的奇偶向量进行故障检测及分离判决以提高FDI的性能。仿真结果表明奇偶向量补偿算法可大大提高FDI的性能,特别是在飞行器做机动飞行时。     

基于改进HMM和LS-SVM的机载设备故障预测研究

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型（HMM）和最小二乘支持向量机（LS—SVM）相结合的机载设备故障预测方法。首先,采用多智能体遗传算法对HMM参数进行训练优化,克服了B-W算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算。结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析。     

检测传感器故障的鲁棒观测器

介绍一种在系统参数变化情况下进行故障检测的观测器。对观测器采用特征值、特征向量进行联合配置的算法 ,并对估计误差设计奇偶空间 ,使各传感器的故障在奇偶空间中被解耦分离 ,因而可用一个观测器检测与分离多路故障传感器 ,实现了故障检测的鲁棒性     

广义回归神经网络在冗余捷联惯导故障诊断中的应用研究

针对冗余捷联惯导的故障诊断问题，研究提出了一种基于广义回归神经网络的故障诊断方法。该方法在传感器输出数学模型未知的情况下，仅通过传感器之间的冗余关系，利用传感器正常工作时的测量值和改进的神经网络估计输出值生成残差进行故障诊断。仿真试验表明，利用神经网络补偿产生的残差可以检测到未补偿时的故障。该方法不仅可以检测到单故障，还对多传感器同时发生故障具有一定的检测能力。     

基于智能信息融合的飞控系统故障检测隔离方法研究

利用小波时频信号分析技术来分离非平稳噪声,提高了残差中故障信息的信噪比.提出了智能信息融合故障检测新方法,应用模糊逻辑自适应调节无故障的模型参数,抑制残差中非平稳信号的增长;采用人工神经网络故障分类器来消除非线性故障信号偏差对残差判决的影响,扩大了故障检测与隔离算法的适用范围.仿真结果表明,该算法技术性能优越,改进效果明显.     

一种联邦卡尔曼滤波渐变型故障容错方法

具有良好的容错性是组合导航系统的基本要求。组合导航系统易于完成突变型故障的检测与容错,对渐变型故障的检测与容错则较为困难。文中以联邦卡尔曼滤波为组合导航系统状态估计方法,针对渐变型故障,提出了观测品质的概念及其模糊评估方法,应用观测品质进行了导航系统的渐变型故障检测,利用观测品质构成局部滤波器估计均方误差阵的修正矩阵,设计了组合导航系统智能自适应渐变型故障容错方法并完成了仿真运算。