基于神经网络的无迹滤波改进算法

介绍了采用无迹变换(UT)描述随机变量通过非线性系统后的均值及方差的方法,提出可以将神经模糊推理系统(ANFIS)用于确定无迹变换中的参数,使其对随机变量均值的描述达到二次以上精度,并给出了改进的无迹滤波器(UKF)结构和神经网络训练方法;仿真结果表明,该算法适用于系统含有未知输入或系统噪声为非高斯的情况,并可解决一些典型的非线性估计问题,改进算法的性能优于传统无迹滤波器。     

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.      

带马尔科夫参数的容错控制系统中系统噪声与故障诊断检测延迟时间的关系

讨论了带马尔科夫参数的容错控制系统 (FTCSMP)中 ,在保持系统随机稳定性的前提下 ,系统噪声与故障诊断检测延迟时间的关系 ,并进一步给出了确定故障诊断检测延迟时间范围的方法 ,为故障诊断方法的选择提供了依据     

组合导航系统的鲁棒故障诊断

 讨论了导航系统的故障检测问题,提出通过设计对特定导航系统故障敏感的最优鲁棒向量来检测组合导航系统故障,只利用传感器的测量数据,不需要具体的动态模型,并与常用的奇偶检测法进行了比较.最后以3个导航系统的组合为例,仿真结果显示,鲁棒故障诊断的检测故障、隔离故障效果明显提高.     

均值检验方法及其在冗余惯性导航系统中的应用

采用了非线性滤波的方法对影响故障检测及分离（FDI）性能的传感器误差进行了补偿,同时提出了故障检测与分离的均值检验方法（MVT）,该方法可以对2个传感器同时出现故障的情况进行检测与隔离。5个陀螺冗余惯性导航系统仿真结果验证了本文算法的有效性。     

冗余配置捷联惯性导航系统可靠性分析

采用容错技术提高导航系统的可靠性是现代导航技术主要发展方向之一，采用冗余敏感器配置的捷联惯导系统具有成本低、重量轻和可靠性高等优点。利用马尔可夫模型对四余度双轴冗余惯性敏感器配置的导航组件的可靠性进行建模，对敏感器质量、故障检测和故障隔离的误差（包括误警率、漏检率和故障隔离率等）、系统任务时间和系统其它部件的故障概率等因素对导航系统可靠性的影响进行了分析和比较。     

离散系统的分散滤波器

基于文献[1,2],本文讨论了两种离散系统的分散滤波器方案,并给出了理论分析。最后,通过仿真证明了理论结果。     

控制滤波发射的新方法及其应用

通过大量的仿真，发现现行的滤波算法各有其利弊，在综合考虑和分析各种滤波方法之后，在理论推导的基础上，提出了一种新的控制滤波发散的方法，即通过判定发散的判据，求出噪声统计的估计值，然后再按得到的噪声统计的估计值计算新息序列的协方差阵，将该算法应用于惯导初始对准问题，通过仿真，可以验证该算法是十分有效的。