基于自适应UKF的敏感器故障诊断算法

针对非线性系统中敏感器测量过程存在异常干扰和出现仪器故障问题,提出一种基于自适应UKF(Unscented Kalman Filtering)的鲁棒故障诊断算法.算法通过新息特性分析引入自适应矩阵对异常干扰和仪器故障建立系统级抑制和部件级诊断.系统级检测将UKF的新息特性通过自适应函数引入状态预测,修正异常值对状态预测值的影响,达到对异常干扰的鲁棒性.部件级检测将新息特性分解成各部件参数的新息特性,建立各自敏感器的自适应矩阵,通过对自适应矩阵的迹进行判断,检测是否发生故障并隔离故障.仿真结果表明,算法对异常值具有较强的鲁棒性,对测量仪器失效造成的故障能够准确地检测并给出故障大小.算法结构简单,计算量小,对工程应用具有较好的参考价值.      

飞行器网络控制系统的多指标鲁棒故障检测

针对存在马尔可夫短时延且状态转移概率部分已知的网络环境,研究了飞行器网络控制系统的多指标鲁棒故障检测问题.传统马尔可夫跳变系统的故障检测方法是将故障、外部输入和未知扰动作为广义输入,采用一个H∞性能指标来进行故障检测滤波器的设计.由于该指标不具有明确的物理意义,为此需要研究多指标鲁棒故障检测滤波器的设计方法.通过将网络诱导时延描述为一个有限状态马尔可夫链,飞行器网络控制系统被建模为离散有限马尔可夫跳变系统.同时考虑残差对故障的敏感性和对未知扰动及外部输入的鲁棒性,以线性矩阵不等式的形式给出了多指标故障检测滤波器的存在条件和求解方法.最后通过数值算例验证了所提方法的有效性和优越性.     

SPMSM弱磁算法自适应调速仿真

摘要： 为提高弹用电动舵系统轻负载情况下的最大舵偏角速度,并抑制负载扰动,在表贴式永磁同步电机空间矢量控制算法的基础上提出弱磁自适应控制策略.采用基于电机物理功率限制的弱磁控制算法,实现调速系统在轻负载功率富余时的弱磁升速.设计基于Lyapunov稳定性的速度自适应控制器,克服速度环采用传统PI调节算法时随着负载变化时动态性能弱的缺点. 通过Simulink仿真证明该算法能够在实现弱磁升速的同时,具备良好的负载扰动抑制性能.     

PMSM弱磁算法自适应调速仿真

为提高弹用电动舵系统轻负载情况下的最大舵偏角速度,并抑制负载扰动,在表贴式永磁同步电机空间矢量控制算法的基础上提出弱磁自适应控制策略.采用基于电机物理功率限制的弱磁控制算法,实现调速系统在轻负载功率富余时的弱磁升速.设计基于Lyapunov稳定性的速度自适应控制器,克服速度环采用传统PI调节算法时随着负载变化时动态性能弱的缺点. 通过Simulink仿真证明该算法能够在实现弱磁升速的同时,具备良好的负载扰动抑制性能.     

飞行器网络控制系统在线故障检测算法

针对飞行器网络控制系统具有网络诱导时延且采样周期较短的情况,提出了一种飞行器网络控制系统在线故障检测算法.考虑未知时延对网络控制系统的影响,建立飞行器网络化控制系统故障检测模型.基于此模型,构造了残差生成器,将故障检测问题转化为最小化优化问题.以矩阵Moore-Penrose逆的形式给出该最小化优化问题的解,在每个采样周期内进行飞行器网络控制系统在线故障检测.数值算例表明:当飞行器网络控制系统存在未知时延时,该故障检测算法对故障敏感,同时对未知时延引起的扰动具有鲁棒性.     

飞行器网络控制系统故障检测与时域优化

针对存在马尔可夫短时延和丢包的网络环境,研究了飞行器网络控制系统的故障检测系统设计与优化问题.将含有上述问题的网络化控制系统建模为离散的马尔可夫跳变系统.在此基础上,基于观测器构建残差生成器,将故障检测问题转换成H_∞滤波问题,以LMI（Linear Matrix Inequality）的形式得到并证明了故障检测滤波器存在的充分条件和求解方法.为进一步改善检测性能,提高检测系统对故障信号的灵敏度,采用一种时域优化方法对残差评估函数进行优化处理,并给出了该优化问题最优解的求解方法.数值仿真说明了所提方法的有效性.      

面向目标检测的双驱自适应遥感图像超分重建方法

有光学遥感图像超分重建方法主要是生成视觉上令人满意的图像,并未考虑后续目标检测任务的特殊性,不能有效地应用到目标检测中。基于此,提出了面向目标检测的双驱动自适应多尺度光学遥感图像超分重建方法,将超分重建网络和目标检测网络结合起来,进行联合优化。针对光学遥感图像的特点设计了自适应多尺度遥感图像超分重建网络,集成选择性内核网络和自适应特征门控单元来特征提取和融合,重建出初步遥感图像。通过提出的双驱动模块,将特征先验驱动损失和任务驱动损失传到超分重建网络中,提高目标检测的性能。在UCAS-AOD和NWPU VHR-10数据集上进行实验,并与5种主流方法进行比较,所提方法的峰值信噪比和平均准确率相较于FDSR方法分别提高了1.86 dB和3.73%。实验结果表明,所提方法和光学遥感图像目标检测结合可以取得更好的效果,综合性能更佳。      

一种自适应观测器设计和故障检测方法

利用模糊系统和径向高斯函数网络,设计一种具有自适应能力的模糊神经网络.用高斯函数表示模糊规则前件的隶属度函数,然后,构造一种递阶自组织在线学习算法,从输入输出样本数据中,通过学习提取模糊IF-THEN规则;在此基础上,提出一种非线性时变系统的自适应状态观测器设计和故障检测方法,并对其结构及特征进行了讨论,仿真结果表明,这种自适应状态观测器能很好地观测系统的状态,并能有效地应用于系统的故障检测.     

基于时序建模的卫星故障检测方法

为解决当前卫星故障检测面临的依赖规则库、多元特征融合不足以及数据正负样本分布不均衡等问题,从卫星数据的时序特性出发,提出基于时序建模的卫星故障检测方法与半监督模型,实现卫星数据规律的有效挖掘与数据驱动的故障检测。考虑卫星数据间的时序关联,提出基于长短期记忆神经网络的卫星故障检测方法,并引入滑动窗口机制实现卫星数据的有效预测与故障检测。考虑卫星数据多元特征参数间的关联关系,引入时间卷积和自编码器神经网络,同时建模不同时刻、多元特征参数间的依赖关系,实现融合多元特征参数进行卫星故障的有效检测。以某型号卫星电源分系统为实验对象,仿真结果表明,所提算法和模型在关键指标方面优于BP神经网络等传统故障检测方法和模型。     

一种基于多虚拟观测量的组合导航自主完好性监测方法

完好性用于导航系统出现故障的情况下提供及时的告警，是生命安全类用户需要考虑的重要性能指标。基于惯性导航系统（INS）辅助的卫星导航自主完好性监测算法，提出了一种利用INS构造3颗虚拟卫星观测量的组合导航系统自主完好性监测方法，通过构造视线方向相互垂直的3颗卫星，最大限度利用组合导航中INS的导航信息，在2颗可见星条件下就能实现故障检测。相比传统接收机自主完好性监测(RAIM)方法，该方法提高了检测算法可用性。在GPS单星座且INS定位误差方差σ_s=1m条件下，加入35m单星故障幅值，传统加权RAIM故障检测概率为48.51%，本文算法检测概率为95.21%，检测性能提升47%；与INS辅助的卡尔曼滤波残差检测法相比，在相同INS精度等级条件下该方法也具有更高的检测概率。此外，仿真分析了不同INS精度等级对该方法故障检测性能的影响，结果表明INS精度越高，该方法检测性能越好。     

基于视频帧间运动估计的无人机图像车辆检测

基于人工智能(AI)芯片搭建轻量化深度神经网络，可以在无人机(UAV)机载端实现视频中车辆目标的自动检测，具有重要的应用前景。为此，提出了一种针对无人机图像车辆目标的检测方法，并在AI芯片上进行部署与测试。方法具体包括:结合无人机图像中车辆目标的尺寸范围，对MobileNet-SSD网络进行裁剪，构建轻量化单帧图像检测器；为解决小目标特性在轻量网络框架下引发的检测性能下降问题，引入帧间运动矢量估计，根据相邻帧信息辅助预测当前帧丢失目标的位置范围，并利用检测结果进行修正，实现丢失目标的再召回。通过对多个数据集进行融合与自动补充标注，搭建了一个高质量的无人机图像车辆目标数据集；同时将方法在基于RK3399芯片计算的嵌入式开发平台上进行实验验证，结果表明:搭建的网络能够显著减少存储资源占用，具有轻量化的特点；同时相比于单帧检测法，引入视频帧间运动估计方法可以有效提高检测精度，并在AI芯片上实现125.3 ms/帧的检测速度。      

基于循环神经网络的卫星姿态执行器故障诊断

针对卫星姿态控制系统执行器机构故障问题，提出了一种基于循环神经网络的故障诊断方法。对卫星姿态控制系统建模，进行故障分析并采集星敏感器和角速度陀螺的连续时刻故障数据。设计六种异构的循环神经网络，对故障数据进行故障诊断和分类, 分别从网络深度、反馈单元、激活函数和训练算法对比网络效果。带有门循环单元的 (gate recurrent unit，GRU)深层循环神经网络训练效果更好，其故障诊断准确率达到了95.7%。结果表明对于时序的卫星数据，门循环单元和带有一定深度的循环神经网络故障诊断效果更优。     

多传感器斜置系统故障检测的奇偶向量补偿方法

提出采用神经网络对多传感器斜置组件的奇偶向量进行补偿,从而消除安装误差、刻度系数误差以及常值偏差对奇偶向量的影响,提高系统对小幅值故障检测与隔离的准确性.基于神经网络的方法与卡尔曼滤波、偏差分离估计方法相比,不需要各项误差的动态模型和噪声统计特性.神经网络采用有一定时间延迟的样本进行在线学习时,利用补偿后的奇偶向量能够检测出有一定斜率的斜坡型故障.      

一种网络环境中的故障诊断模型

结合故障诊断的需求和存在的问题,提出了一种以故障症状、故障假设、诊断操作和观测操作节点为基本元素,并具有网络结构的诊断模型.在该模型基础之上,遵循诊断过程独立的假设,解决实际诊断过程中操作依赖关系的问题,提出了一种基于诊断贝叶斯网络DBN(Diagnosis Bayesian Network)的故障诊断算法.同时通过引入观测操作,加快诊断的速度并且降低诊断代价.试验表明,与P/C更新算法比较,该算法能更有效地降低诊断代价,实现快速故障诊断,较好解决了操作依赖的复杂故障诊断问题.      

基于CO2浓度监测的飞机火警探测方法

目前飞机普遍采用感温、感烟火警探测方法,其存在误报率高的缺陷.分析了发生火灾时气态燃烧产物的生成规律,提出了以CO_2气体为火警探测参量,通过准确监测环境中CO_2气体浓度的变化,进行飞机火警探测的方法;根据飞机飞行所处环境条件的特殊性,研究了基于非色散红外(NDIR)吸收原理的CO_2气体浓度监测的飞机火警探测方法应用于飞机上所面临的温度补偿难题;根据飞机火警探测器测量电压与环境温度、参比电压之间的关系,采用偏最小二乘(PLS)法建立飞机火警探测器温度补偿模型;根据飞机火警探测器测量电压与CO_2气体浓度之间的关系,采用PLS法建立CO_2气体浓度计算模型;研究了基于CO_2气体浓度监测的报警算法,为飞机火警探测提供了一种新的方法.     

基于蚁群优化的长短时神经网络变外形飞行器故障模式识别

变外形飞行器机械结构复杂,在变外形过程中发生故障的概率大,传感器测量成本高,针对这些问题,提出了一种基于长短时神经网络进行飞行器测试故障诊断的方法。首先根据变外形飞行器的气动参数模型和非线性动力学模型,构建变外形飞行器执行机构故障特征数据库。然后针对变外形飞行器发生故障时的序列化特征数据,提出基于长短时神经网络的执行器故障诊断框架。利用蚁群优化算法对网络训练的超参数进行优化,提高故障诊断的准确性与泛化性。通过仿真验证了该方法可实现变外形飞行器的低成本,高效率,高精度的故障快速定位。     

Mars entry fault-tolerant control via neural network and structure adaptive model inversion

The capability of autonomous fault detection and reconstruction is essential for future manned Mars exploration missions. Considering actuator failures and atmosphere uncertainties, we present a new active fault-tolerant control algorithm for Mars entry by use of neural network and structure adaptive model inversion. First, the online BP neural network is adopted to conduct the fault detection and isolation. Second, based on the structure adaptive model inversion, an adaptive neural network PID controller is developed for Mars entry fault-tolerant control. The normal PID controller will be automatically switched into neural network PID controller when an actuator fault is detected. Therefore, the error between the reference model and the output of the attitude control system would be adjusted to ensure the dynamic property of the entry vehicle. Finally, the effectiveness of the algorithm developed in this paper is confirmed by computer simulation.     

Fault tolerant small satellite attitude control using adaptive non-singular terminal sliding mode

The Attitude Control System (ACS) plays a pivotal role in the whole performance of the spacecraft on the orbit; therefore, it is vitally important to design the control system with the performance of rapid response, high control precision and insensitive to external perturbations. In the first place, this paper proposes two adaptive nonlinear control algorithms based on the sliding mode control (SMC), which are designed for small satellite attitude control system. The nonlinear dynamics describing the attitude of small satellite is considered in a circle reference orbit, and the stability of the closed-loop system in the presence of external perturbations is investigated. Then, in order to account for accidental or degradation fault in satellite actuators, the fault-tolerant control schemes are presented. Hence, two adaptive fault-tolerant control laws (continuous sliding mode control and non-singular terminal sliding mode control) are developed by adopting the nonlinear analytical model to describe the system, which can guarantee global asymptotic convergence of the attitude control error with the existence of unknown external perturbations. The nonlinear hyperplane based Terminal sliding mode is introduced into the control law design; therefore, the system convergence performance improves and the control error is convergent in “finite time”. As a result, the study on the non-singular terminal sliding mode control is the emphasis and the continuous sliding mode control is used to compare with the non-singular terminal sliding mode control. Meanwhile, an adaptive fuzzy algorithm has been proposed to suppress the chattering phenomenon. Moreover, several numerical examples are presented to demonstrate the efficacy of the proposed controllers by correcting for the external perturbations. Simulation results confirm that the suggested methodologies yield high control precision in control. In addition, actuator degradation, actuator stuck and actuator failure for a period of time are simulated to demonstrate the fault recovery capability of the fault tolerant controllers. The numerical results clearly demonstrate the good performance of the adaptive non-singular terminal control in the event of actuator fault compare with the continuous sliding mode control.