基于信息融合遗传算法的航空发动机气路故障诊断

针对航空发动机由传统定期维修向视情维修转变的发展趋势,研究了遗传算法在气路性能参数估计中的应用,提出了改进的基于信息融合的遗传算法,将多源信息融合到遗传算法中,用以减小遗传算法的搜索范围.仿真结果表明:通过融合多源信息,有效克服遗传算法在寻优过程中陷入局部最优的情况,从而提高了气路性能参数的估计精度,能将估计误差控制在5%以内.      

基于制造过程信息融合的产品早期失效率评估

为在快速响应制造模式下充分利用制造过程多源信息,通过评价产品的早期失效率来评估特定工艺的质量,进而选取合适的工艺,提出基于制造过程信息融合的评估方法.首先建立产品早期失效率的模型,并给出参数估计的方法;其次通过对形成产品可靠性的制造过程进行分析,确定合理的信息源;再次利用信息熵得到当前加工完成的产品与类似产品的相似程度;最后确定产品早期故障率的融合分布,对当前工艺生产产品的早期故障率进行评估;并以雷达移相单元为评估对象,验证论文所提方法的可行性.      

基于改进证据网络的空战动态态势估计方法

针对无人机空战态势估计既需要综合考虑多类型因素影响,又需要具有不确定性推理能力的特点,建立了一种基于改进证据网络的动态态势估计模型并设计了威胁等级评估推理方法。首先,考虑空战决策时间较短的特点,提出变量框架等级缩减方法以提高网络运行效率;然后,针对空战态势信息具有大不确定性的特点增加冲突数据自适应融合算法以及网络证据的时间序列预测,提高证据的合理性;最后,引入时空融合思想和变权机制将前一时刻的威胁信息作为评判后一时刻威胁的重要标准,应用威胁在时间维度上的递归合成增加信息在时间方向的传递,改善了由于证据失真引起的评估结果的不合理性问题,并通过仿真验证了该方法的有效性。     

基于不确定性测度与支持度的测试性验前信息融合方法

针对目前验前信息融合方法存在主观性和单一性的缺陷,引入验前分布的不确定性测度和支持度,提出了基于不确定性测度与支持度相结合的验前信息加权融合方法.首先,利用β分布对测试性验前信息的不确定性进行描述,运用不同的验前信息确定验前分布超参数;然后,引入不确定性测度和支持度作为验前信息加权因子,设计了相应的融合算法;最后利用混合验前分布,结合测试性现场试验数据,计算了Bayes融合评估的验后结果.该方法不仅考虑了验前分布本身对测试性参数的真实情况描述的接近程度,还考虑了不同来源的验前信息之间的支持程度.实例分析表明,在同一置信水平下,基于该方法的测试性评估置信下限相对于传统方法的测试性评估置信下限大约提高了0.7%.      

基于改进D-S证据理论的航空发动机转子故障决策融合诊断研究

针对单一传感器的测量信息难以准确、全面地反映航空发动机转子、轴承和齿轮的工作状况,进而造成振动故障诊断难度大的问题,提出安装多个振动传感器组成传感器网络,建立基于多传感器信息的发动机转子故障决策融合诊断系统。由于多传感器系统不可避免地会存在各传感器信息不一致、信息冲突的情形,因此针对该融合诊断系统的信号测量、信息预处理、特征提取、故障诊断及决策融合5个环节,重点研究了决策融合环节的Dempster-Shafer（D-S）证据决策融合方法存在的冲突证据融合失效问题。通过分析原因,从避免“一票否决”现象和证据加权平均两个方面进行改进,提出了改进D-S证据融合方法,并应用于航空发动机转子的模拟故障决策融合诊断中。结果表明基于D-S证据理论对3个传感器的单一诊断结果进行决策融合,能得到比任一单个传感器更准确、可靠的结果;而改进D-S证据融合方法由于能在一定程度上克服冲突证据融合带来的失效问题,且能同时兼顾处理好非冲突证据的融合,故其对于证据冲突和非冲突情形都取得了较好的融合效果,因此总的分类正确率要高于常规D-S算法和PCR5算法。     

多传感器协同辨识自校正加权观测融合Kalman滤波器

对于带未知噪声统计的多传感器系统,利用最小二乘法将观测方程统一处理,形成新 的跟踪系统,处理后的观测结果之差可以产生多组新的白噪声序列,利用各组白噪声的相关 函数阵解矩阵方程组,可解得各传感器观测噪声方差〖WTHX〗R〖WTBX〗i。通过状态 方程和观测方 程以及观测噪声估值,利用相关函数,可求得〖WTHX〗ΓQ〖WTBX〗w〖WTHX〗Γ〖WTBX 〗 T 的估计,进而得到自校正 加权观测融合Kalman滤波器。一个带有3传感器目标跟踪系统的仿真例子说明了其收敛速度 快,估计精确等特点。
     

拖曳式诱饵对抗技术研究

基于机载拖曳式诱饵会对雷达导引头形成双点源干扰这一背景,对拖曳式诱饵对抗技术进行了研究。分析了拖曳式诱饵形成干扰的原理,针对拖曳式诱饵不能够对红外导引头形成干扰这一特点,基于雷达／红外信息融合技术,对雷达／红外双模导引头对抗拖曳式诱饵技术进行了研究,论述了双模寻的目标检测跟踪流程。最后在干扰条件下利用雷达／红外信息融合技术对目标跟踪进行了仿真,验证了方法的可行性。     

异构多无人机协同目标跟踪分散化最优控制

针对主被动传感器协同目标跟踪需要,考虑到可扩展性、异构性和动态可重构性等特点,建立了适于不同测量类型和不同测量维数的异构多传感器分散化信息融合算法.以极大化信息融合所得到的信息熵及无人机(UAV,Unmanned Aerial Vehicles)观测信息质量为效能函数,建立了异构多UAV协同目标跟踪的分散化最优控制代价函数以及通信、防撞和控制等约束模型.实现了多UAV协同目标跟踪的分散化模型预测控制,并分析了通讯噪声等因素对分散化信息融合和协同控制的影响.     

移动工业机器人在飞机装配生产线中的应用研究

在总结移动工业机器人在飞机装配生产线等航空制造场景典型应用的基础上,重点分析了移动工业机器人多传感器融合的同步定位和建图、移动机器人导航控制、机械臂精度控制和数字化测量等关键技术,并对未来航空领域移动机器人的人机协作、多传感器数据融合、智能规划与决策、数字孪生体系等发展趋势进行了阐述。     

智慧城市多模式数据融合模型

随着云计算和大数据等技术的发展及城市发展的迫切需求,智慧城市已成为近年来国内外研究的热点之一。随着城市中摄像头、监测传感器等采集设备数量的增加,城市数据种类也越来越多。所获取的城市数据具有多源、异构、时变、高维等多模式特性。如何让这些多模式的城市数据关联起来,实现它们的互通互联,挖掘出更丰富多样的信息,从而能更好地指导智慧城市的构建,是本领域的难点。本文提出了一个城市多模式数据融合模型,即多模式互联生长（MICROS）模型,并从3个层面对该模型进行了描述。首先,针对多模式数据的特点,重点描述了多模式数据多源、异构、时变、高维等特点。其次,针对多模式数据的特点,自底向上构建实现针对多模式数据的融合过程的3层基础模型,分别是服务信息描述模型、元数据模型和数据互联模型。最后,在这3层模型的基础上,本文提出了一个适用于智慧城市建设的多模式数据融合模型。