组合导航信息融合滤波的研究(英文)

提出一种组合导航信息融合新方法,该方法能提高容错性能,更好地进行故障检测、隔离和重构.同时,当故障发生时,由于融合了系统信息,它能使重构的系统以更高的精度工作.采用这种滤波器设计了捷联惯导系统、GPS、多普勒雷达三传感器信息容错系统.仿真结果表明, 这种设计方法对陀螺、加速度计、GPS、多普勒雷达的软故障是有效的.     

基于VPRS理论的航空发动机送修等级决策

应用变精度粗糙集理论研究了发动机状态信息与单元体性能参数之间的关系，提出了一种基于信息熵属性约简的航空公司发动机维修等级决策方法，从而在维修决策时能够更加客观地反映发动机实际损伤程度。最后以CF6型发动机维修等级决策规则生成为例说明了该决策方法的有效性。     

神经网络与D-S理论结合的HRR识别研究

基于D-S(Dempster-Shafer)证据理论,比较和研究了相关数据和不相关数据的融合方法,分析了多传感器数据融合的算法:集中式融合算法和分布式融合算法.经过实验证明,执行分布式有反馈融合算法时的效果最好.然后利用该算法,提出了和线性内插神经网络相结合的识别方法.利用4种飞机的步进频率雷达的高分辨率一维距离像,将神经网络的识别结果作为证据分别送入传感器进行融合,进行识别研究.实验证明,与单纯利用神经网络的方法比较,目标的正确识别率得到了改善.     

一致性检验方法在导弹多惯组测量中的应用

传感器测量的准确与可靠是减小融合系统不确定性的前提,通过对多传感器一致性的检验,可以确定多传感器之间的测量误差,判断检测系统可靠性的程度。提出了应用概率距离测量对多传感器信息进行一致性检验的方法,并将此方法引入到基于多惯性测量组合的总线式导弹制导控制系统中。实例证明,该方法对于确保和提高测量导弹飞行信息的精度具有良好的效果。     

多传感器信息融合技术

多传感器信息融合是Ｃ＾３Ｉ系统和电子综合战系统中的关键技术，本文从信息融合分类出发，讨论了单传感器的信息融合决策理论和技术以及多传感器信息融合原理，提出了多传感器信息融合专家系统，着重讨论贝叶斯法用于二元检测的分布式多传感器信息融合的检测方式。     

INS/SAR组合导航量测信息不同步的滤波算法

在惯性导航系统/合成孔径雷达(Inertial navigation system/synthetic aperture radar,INS/SAR)组合导航系统中,传统的SAR只提供位置和航向角信息,本文引入SAR图像测速系统,实现对INS速度信息的补偿修正。同时,建立了该组合导航滤波的数学模型。针对图像匹配耗时较大、产生信息不同步的现象,本文利用INS信息增量来对SAR导航信息延迟、非等间隔以及SAR量测不在INS滤波离散间隔上所带来的误差进行修正,并进行了仿真。经过1 500s后,本导航系统导航信息没有出现发散,在飞行器出现加速、爬升、转弯等机动时,位置误差绝对值不超过36.8m,高度误差绝对值不超过18.1m,航向角误差绝对值不超过5.3′,速度误差绝对值不超过0.5m/s,并与曲线拟合法作对比,仿真结果表明本文算法能够有效提高INS/SAR组合导航系统的精度,并为其他组合导航系统提供参考。     

基于实体-属性框架的领域知识库构建

知识库是进行各种自然语言处理任务不可或缺的一项基础性的资源。而目前知识库的构建还是一个难点问题,尤其是以自动方式构建复杂的领域性知识库系统的研究还处于探索阶段。本文提出一种基于实体-属性框架的领域知识库自动构建方法,致力于利用航空百科辞典的信息自动获取术语之间的上下位关系及部分实体属性关系,其中,基于多策略的上下位关系术语对提取融合了后缀子串匹配、模板自动构建、实质提取三种方法,分别考虑了辞典中反映上下位关系的不同信息。其中模板自动构建方法,在无需人工标注语料的情况下获得了比较好的效果。属性提取部分采用了以人工标注语料为前提的模板匹配方法。实验表明,本文系统对术语上下位关系抽取的F值达到76.01%,对各个属性的抽取也达到了75%以上。     

微流量测量方法及其技术的发展

归纳了近五年来基于MEMS技术的微流量传感器结构及性能参数。根据国际上热门的研究方法推断微流量测量技术可能的发展方向与研究趋势,即集成两种或两种以上的测量方法,实现优势互补,提高测量精度或扩大量程比。最后基于现有的技术基础,提出了融合科氏效应与差压效应的微流量测量方法,阐述了传感器的工作原理与理论基础,并对其可行性进行了分析与论证。     

基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。