改进的量测一致性的联邦滤波器两级故障检测

当联邦滤波器故障为缓变故障或者故障幅值比较小时,传统的基于量测一致性的联邦滤波器故障检测算法由于相应的估计误差和方差同时增大,这使得算法需一定的时间后才能使这种增量大到使故障函数计算结果超出门限,因而会出现警告延迟甚至漏检现象.针对量测一致性算法的缺点,提出了改进的基于量测一致性的联邦滤波器两级故障检测算法.相比传统的基于量测一致性的故障检测算法,该方法增加了故障检测的冗余性,不仅可以区分硬故障和软故障,而且提高了故障检测的可靠性和灵敏度,使得联邦滤波器的故障检测方法更加成熟完善,这对提高整个系统的可靠性具有重要意义.仿真和实验结果表明,该方法准确度高,计算量小,便于工程实现.     

MEMS冗余惯组小幅值故障检测的PCA算法设计和优化

当组成冗余惯组的陀螺为MEMS陀螺,而故障又为幅值比较小的阶跃故障时(仿真发现,阶跃故障幅值为陀螺噪声方差的10倍左右大小时),使用以往的PCA故障检验方法,陀螺噪声会造成故障检测的困难.针对这种情况,提出了MEMS冗余惯组小幅值故障检测的PCA(Principal Component Analysis)算法设计和优化的方法,在以往PCA算法的基础上结合假设检验算法,考虑了陀螺噪声的影响,降低了MEMS陀螺噪声对故障检测的影响.通过仿真验证,证实了本文算法比以往PCA算法具有更高的检测准确性和灵敏度,这对于提高整个系统的可靠性具有重要意义.     

足绑式PNS自适应滑动平均零速区间检测方法

针对足绑式个人导航系统（PNS）中,传统的滑动平均算法对零速区间检测的延迟问题,设计了一种基于自适应滑动平均算法,对零速区间进行检测。首先对比力模值和角速率模值进行滑动平均,根据平均后数据的变化趋势,通过比较样本方差,设置一个自适应的滑动时间窗口来判断行人是否静止。该方法既能避免由于平滑算法带来的延时问题,又能够消除抖动干扰造成的误检,从而得到准确的零速区间。行走实验验证了本文方法的有效性,自适应滑动平均算法的导航精度提高了50%。