融合粗糙集与D-S证据理论的航空装备故障诊断

针对航空电子装备故障诊断中出现的多源诊断信息存在冲突的情况,基于粗糙集与证据理论在处理不确定问题时的优势,提出了一种融合粗糙集与证据理论的故障诊断方法.该方法利用粗糙集将信息源给出的诊断数据转化为证据理论中的mass函数,进行结果融合.同时,该方法给出边界粗糙熵的定义,并基于边界粗糙熵获得反映各信息源在诊断融合过程中重要度的动态权重参数,提出一种新的证据理论的冲突合成规则.仿真实验表明,该方法可以有效地提升诊断信息融合结果的准确性,在航空电子装备故障诊断方面有较好的实用价值.      

面向冲突证据的改进DS证据理论算法

DS证据理论在处理不确定信息上的优势在各个领域得到广泛应用。针对传统DS(Dempster-Shafer)存在的证据冲突问题，提出了一种改进的DS证据理论算法。首先，结合皮尔逊相关系数的相关性限制和融合过程零因子的修正，较大程度上减少分配与整体非相关证据体的权值，修正证据体的整体重要程度；然后，按照修正后的基本概率分布(BPA)进行DS组合规则计算，得到融合结果。在解决常见冲突证据和证据体融合数量等方面与其他改进DS证据理论算法进行比较，所提算法收敛速度更快，融合的可信命题基本概率结果更高，因而验证了算法的有效性。      

组合航天器转动惯量在轨两步辨识标定

在轨辨识转动惯量参数是主动航天器与非合作空间目标构成组合体后实现高精度姿态控制的重要前提,文章提出了一种两步在轨辨识组合航天器转动惯量参数的方法。第一步以航天器本体坐标系滚动轴转动惯量为基准将转动惯量矩阵归一化,得到特殊的转动惯量比矩阵,建立与其相关的姿态动力学模型,提出了基于扩展卡尔曼滤波的在轨辨识算法,基于星上陀螺角速率测量信息在100s左右辨识出所有转动惯量比参数,克服了由于模型简单导致转动惯量信息辨识不完整的缺点;第二步基于第一步辨识得到的转动惯量比参数,采用最小二乘算法辨识得到滚动轴转动惯量值,计算量小,消耗能量少。最后给出仿真算例,辨识精度基本在1|之内,验证了方法的有效性。     

基于分类及不确定墒的DS证据合成及判决方法

提出了一种基于证据分类及不确定墒的修正证据合成方法,以解决证据冲突情况下的合成问题,该方法模仿人处理冲突信息时所经常采用的策略,即首先将证据分类,保证分在同一类中的证据具有较大的相似性,然后依据分类结果中各类证据的个数以及其本身具有的不确定性程度,决定对该类合成结果的信任度,并通过加权方法得到最终的合成证据.      

基于分层随机梯度辨识算法的传感器故障检测方法

提出一种基于两阶段递推随机梯度参数辨识的传感器故障的在线检测方法.相对于最小二乘参数辨识算法,随机梯度参数辨识算法所需计算量更小.针对计算能力受限的系统,提出基于随机梯度参数辨识的检测算法.通过分析可知,参数辨识精度越高时检测精度越高.为提高精度,给出基于两阶段递推随机梯度参数辨识的检测算法并设计基于最新估计信息的残差.除此之外,还给出新的检测算法与原有的基于最小二乘检测算法计算量的对比分析,并通过仿真实例,证明新的检测算法的优越性及有效性.     

基于D-S证据理论的知识融合及其应用

知识融合是上世纪末提出的一种新概念,它不但能够融合数据、信息,而且还可对方法、经验,甚至人的思想进行融合.针对企业失败预警问题,提出了一种基于D-S(Dempster-Shafer)证据理论的新的知识融合方法,该方法主要包括数学建模、知识融合以及结果分析与决策三个步骤.给出了基于D-S证据理论知识融合方法的具体实现:提出了一种数学建模方法,将信息熵的概念引入到基础概率分配的确定中;针对企业失败预警问题,推导了基于D-S证据组合理论的知识融合公式;提出了一种简洁的融合结果分析与决策方法.最后通过对具有典型企业风险特性的两个上市公司进行分析和处理,验证提出的基于D-S证据理论的知识融合方法的有效性.结果表明,该方法能有效降低企业失败预警方法的不确定性.      

结构模糊非概率混合可靠性分析方法

针对模糊非概率混合不确定性下结构可靠性分析问题,基于模糊数学分解原理将混合可靠性分析模型转化为[0,1]内连续分布隶属度水平下的非概率可靠性分析模型;针对非概率可靠度计算复杂性,基于逐维策略将结构功能函数最值的计算转化为最值点向量的逐维计算,提出一种确定结构功能函数界限的算法;通过在[0,1]内遍历隶属度值确定结构可靠度的隶属度函数实现结构可靠度模糊性的定量化.算例表明该方法的合理性,计算精度高和计算量小的特点为复杂工程结构可靠度分析及优化设计提供了可行途径.      

基于满意度的贮备多阶段任务系统可靠性优化

分析了多阶段任务系统成功运行的条件;在冷贮备系统的可靠性计算模型的基础上提出了单元是二态,失效率服从指数分布的冷贮备多阶段任务系统的可靠性计算模型;建立了系统可靠度、体积、重量和价格的子满意度函数,并利用层次分析法确定各个子满意度函数的影响因子;构建了基于综合满意度函数的贮备多阶段任务系统可靠性冗余优化模型,应用微粒群算法对模型进行求解.算例通过一个3个阶段的冷贮备系统来阐述该方法的应用,并验证了模型的合理性及算法的有效性.      

INS/GIS组合导航方法研究

针对GIS量测误差统计信息不明确,且量测信息具有随机性和有限性的特点,提出了采用非等间隔并解决量测滞后的滤波算法,设计了相应的卡尔曼滤波算法和递推最小二乘算法.建立了INS/GIS组合导航数学模型,通过仿真分析对比了上述两种算法的滤波精度,结果表明,改进的卡尔曼滤波方法优于递推最小二乘估计方法,可有效提高导航精度.     

基于最小二乘法的执行器系统机械属性评价

分析了机械属性评价方法的优缺点,给出了气动执行器和电动执行器系统机械属性的主要评价因素,并列出了执行器系统评价因素数据获取的3个途径,提出了一种基于最小二乘法的执行器系统组合权重机械属性评价方法.首先运用信息熵理论和层次分析法（AHP,Analytic Hierarchy Process）理论,分别得到两种执行器系统的机械属性权重,然后运用最小二乘法求得执行器系统的组合权重,计算出执行器系统综合评价值,选出最优方案,最后运用具体实例进行了评价方法验证.结果表明,以特定工况下的气动和电动执行器系统为例,运用组合权重机械属性评价方法,得出气动执行器系统比电动执行器系统机械属性更好,符合现场工况;执行器系统的组合权重机械属性评价结果的标准偏差比信息熵和层次分析-模糊综合评价（AHP-FCE,AHP-Fuzzy Comprehensive Evaluation）的都小.     

A model-free method for attitude estimation and inertial parameter identification of a noncooperative target

Determining the attitude and inertial parameters of a noncooperative target is essential in an on-orbit servicing mission. Various methods based on machine vision have been proposed, but most of them require the 3D model of the target. This paper proposes a model-free method through sequentially registering point clouds captured by a depth camera. Our main contributions are the avoidance of the ambiguity in registration, and the combination of the multiplicative extended Kalman filter and the pose graph optimization to reduce the effect of measurement noise and drift error. A hardware experiment was performed to generate the sequence of point clouds of a three-axis free-floating target and validate our method. The result shows that the proposed method outperforms existing methods and effectively identifies the inertial parameters, including the normalized principal moments of inertia and the orientation of principal axes.     

测量数据中色噪声处理方法探讨

针对经纬仪对高速运动目标测量数据的色噪声处理问题进行了分析探讨。介绍了目前对经纬仪测量数据随机误差进行处理的常用方法,指出了该方法对色噪声处理存在的问题,在对测量序列相关性采用差分方法进行分析的基础上,提出了对色噪声数据采用的两种处理策略——非相关转换法和相关数据平滑法,详细介绍了两种处理策略的计算过程和方法,并通过实测数据的处理实例,验证了所提出处理策略的有效性和合理性,最后对两种方法的特点进行了比较分析。     

不完备信息条件下的并发故障诊断方法

在实际的装备故障诊断过程中,经常存在测试信息不完整的情况,而此时对并发故障进行诊断,则更为困难。针对这种情况,首先,对目前应用于不完备信息条件下的故障诊断方法以及并发故障诊断方法进行了分析。定义了不完备并发故障诊断决策系统对存在缺失的测试信息进行表述。提出了不完备边界粗糙熵对决策系统的不确定性进行度量,给出每条测试属性的重要度,同时给出了不完备信息条件下属性值频率的计算方法。然后,为了对并发故障进行诊断,在DSmT框架下构建了并发故障诊断模型,在此模型下提出一种融合证据特征的区间信度合成规则。最后,通过故障诊断实例,验证了方法的有效性和适用性。      

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。      

基于四元数平方根容积卡尔曼滤波的姿态估计

针对飞行器姿态确定中乘性扩展卡尔曼滤波(MEKF, Multiplicative Extended Kalman Filter)在较大初始姿态误差角情况下存在估计精度低及收敛速度慢的问题,提出了一种四元数平方根容积卡尔曼滤波(QSCKF,Quaternion Square-root Cubature Kalman Filter)算法.在推导姿态确定系统四元数非线性误差模型的基础上,采用容积数值积分理论来计算非线性函数的均值与方差,同时使用平方根的形式来提高数值稳定性;针对四元数规范化问题,采用拉格朗日代价函数法求解四元数加权均值.仿真结果表明:在初始姿态误差较大的情况下,该算法相比较于MEKF以及无迹四元数估计法(USQUE, Unscented Quaternion Estimator),估计精度高且收敛速度快,滤波稳定性好,同时估计时间比USQUE缩短了1/3.     

证据理论和神经网络结合的目标识别方法

提出用证据理论和神经网络结合的高分辨率雷达(HRR)目标识别方法,即首先把多个目标高分辨一维距离像送入学习矢量量化神经网络,进行目标类证据估计;然后用D-S证据理论对各次估计结果进行融合.提出了连续特征空间离散化及类支持度构造的方法,并分析了神经网络识别的误差原因.仿真实验结果表明,这种方法的输出正确识别率比仅仅使用矢量量化神经网络有较大的改善,抗噪能力也有所提高.