非线性随机动态系统学习建模方法

在动态神经网络及扩展卡尔曼滤波算法的基础上，提出了对非线性随机动态系统进行学习建模的迭代算法，用这种方法对非线性随机系统建模，可以获得更准确伯系统模型，并可对非线性随机系统进行状态估计。最后给出相应算法及仿真结果。     

卫星故障诊断的最优奇偶向量法

 提供一种卫星故障诊断方法以提高 GPS导航的完整性。该方法利用最优奇偶向量来检测和诊断卫星故障以提高卫星故障诊断的准确性。仿真结果显示,在故障幅值较小的情况下最优奇偶向量方法相比广义似然比方法可以提高故障的正确检测率和正确诊断率。该方法还可以缩短检测斜坡型故障的时间,从而提高了系统的可靠性。     

随机多变量连续系统的辨识

本文讨论了由随机向量微分方程描述的多变量连续系统的辨识问题。虽然假定微分方程中的噪声项是白噪声,但是用方脉冲函数积分微分方程后,所得到的代数方程中的噪声项却是有色噪声。为了得到无偏的参数估计,本文提出一种预滤波方法。仿真例子表明这种方法是很有效的。     

基于奇异值分解的冗余惯导系统故障诊断

为了验证奇异值分解法（SVD）存冗余惯性组件系统故障诊断中的实用性，进行了一系列的研究。以沿正十二面体对称侧面配置的六陀螺冗余惯件组件为平台，对2种基于奇异值分解的故障诊断方法进行了相心的实验，分析了不同类型故障下的故障诊断效果及其原因。实验结果证明了方法在实际应用中的有效性，2种疗法均可以正确的诊断出故障。奇异值分解法中的方法2不仅可以检测一个陀螺的故障，还可以检测2个陀螺同时发生故障的情况，有更广泛的实用价值。     

基于全解耦奇偶方程的动态系统执行器故障检测与识别

给出了基于全解耦奇偶方程的动态系统执行器故障的检测与识别方法。讨论了全解耦奇偶向量的产生方法,给出了全解耦奇偶向量的存在条件,并结合卡尔曼滤波方法得到了故障模型参数的估计方法。最后给出了仿真实例。结果表明,全解耦奇偶方程方法能估计出动态系统执行器故障模型。     

基于RBF网络的惯导系统初始对准

建立了惯导系统（ＩＮＳ）初始对准的线性和非线性误差模型。分析了径向基函数（ＲＢＦ）网络的结构和工作原理。研究了ＲＢＦ网代替初始对准中的卡尔曼滤波器的实现方法。通过仿真表明，用神经网络进行初始对准，既可获得与卡尔曼滤波相同的对准精度，又提高了系统的实时性。     

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     

基于对偶原理的二子样划船补偿算法

划船补偿算法一般以典型划船运动为基础,利用最优化理论来进行推导.圆锥补偿算法不仅可利用最优化理论,还可利用Goodman-Robinson理论进行推导.利用对偶原理,将Goodman-Robinson理论下得到的二子样修正圆锥补偿算法推广至划船补偿算法设计中,得到一种改进的二子样划船补偿算法.在典型划船运动条件下,对得到的划船补偿算法进行了数字仿真,并与二子样优化划船补偿算法进行了对比研究.仿真结果表明,此改进二子样划船补偿算法能提高速度更新精度.     

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。     

基于模糊基函数网络的系统故障检测

给出了基于T-S模型的模糊基函数网络(FBFN),并提出了一种基于FBFN的未知系统故障信息检测通用方法.将未知系统分为已知部分和未知部分.系统的实际输出包括已知部分输出、未知部分输出和故障信息等三部分.已知部分用数学模型描述.未知部分包括系统的建模误差、噪声干扰等不确定性,用FBFN逼近.因此,根据系统的实际输出、数学模型输出和FBFN输出可估计出故障信息.最后给出了某飞机的微波着陆系统故障信息检测仿真实例.