基于支持向量机的冗余陀螺故障诊断方法

为了弥补最优奇偶向量法在冗余陀螺故障诊断中存在的不足,提出了基于支持向量机的故障诊断方法.在最优奇偶向量法的基础上,将冗余陀螺测量单元中所有陀螺的奇偶残差看做整体,作为多故障支持向量分类机进行训练数据,并从训练数据预处理、核函数选择和参数寻优等方面进行了研究.将训练后的支持向量分类机用于对九陀螺冗余测量单元的故障诊断试验,试验结果表明,该方法具有良好的故障识别率、较低的漏检率和虚警率.     

闭环光纤陀螺的温度补偿

为使全数字闭环光纤陀螺在全温度(-40～+65℃)范围内的性能保持一致,采用了控制光源以稳定光功率和波长,以及对集成光器件进行温度补偿两种技术措施。试验结果表明,研制的光纤陀螺在全温度范围内,标度因数和零偏的温度灵敏度分别小于2×10-5℃-1、0.008(°)/(h·℃),达到了中等精度光纤陀螺的要求。     

光纤陀螺温度建模及补偿技术研究

研究了干涉式光纤陀螺的温度补偿问题。首先分析了光纤陀螺仪温度漂移的主要影响因素，并应用人工神经网络与数理统计方法建立了陀螺仪的温度补偿模型。最后对某型号陀螺进行了0～50℃环境温度下的大量恒温及变温实验，通过实验数据完善所建模型并完成了对该陀螺的温度补偿。实验结果表明：在特定温度环境下，该方法能够有效地改善光纤陀螺仪零偏稳定性。     

机抖激光陀螺捷联系统中惯性器件的温度补偿的研究

研究了机抖激光陀螺和加速度计的温度特性。通过重复性温度实验，得到了激光陀螺零偏的温度补偿模型；通过静态特性测试，得到了加速度计的补偿模型。结果表明，得到的模型可以有效补偿惯性传感器的漂移，使陀螺的精度提高了4．6倍，加速度计的漂移小于一个脉冲，并可以通过温度补偿来缩短系统的预热时间，由原来的半小时到基本不需预热；系统的精度提高了1倍。     

基于支持向量机的抗干扰决策技术

为了应对日益复杂的电磁环境,认知雷达的概念被引入电子战中。认知电子战系统包括认知侦察、认知对抗和认知效能评估3个重要环节。针对认知电子战系统对抗干扰决策技术的需求,为实现自适应的决策抗干扰措施,将支持向量机(SVM)算法运用于抗干扰决策中。仿真结果表明:基于SVM的抗干扰决策技术可以自适应地决策抗干扰措施,进行干扰对抗,该算法完成了认知电子战中的最后的一步,使认知电子战系统实现闭环。     

光纤陀螺标度因数温度误差分析与补偿

光纤陀螺在大角速度应用时,标度因数误差超过偏置漂移误差成为主要误差源。分析了引起数字闭环光纤陀螺标度因数温度误差的原因,推导出了标度因数温度误差数学表达式,并对各温度敏感参数进行了温度性能测试。使用第二闭环控制补偿了反馈通道增益的温度漂移,证明了第二闭环控制精度对标度因数的影响至多是一个三阶小量。测量了不同输出角速率和不同温度时陀螺输出误差值,用一阶多项式和三阶多项式建立了它们的关系。建立了一个双输入、单输出标度因数温度补偿模型,利用最小二乘误差准则计算出模型系数。在-25℃～60℃温度范围内,采用本文提出的控制和补偿方法可将光纤陀螺标度因数误差减小到100×10-6以下,并使标度因数非线性度小于50×10^-6。     

最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

基于异方差分析的多MEMS陀螺随机误差补偿方法

针对具有异方差性的多MEMS陀螺随机漂移误差的补偿问题,提出基于广义自回归条件异方差建立单个MEMS陀螺随机漂移的误差模型,并在此基础上进行多元异方差时间序列的相关性分析,研究基于多元广义自回归条件异方差分析多MEMS 陀螺随机漂移信号的协方差矩阵和时变相关系数。将该分析方法应用于多MEMS陀螺的在线融合补偿中,验证了多元异方差分析方法对多MEMS陀螺随机误差补偿的有效性。仿真结果表明该方法对随机漂移信号具有很好的融合补偿效果,可以提高多MEMS陀螺的测量精度。     

基于引力球结构支持向量机多类算法的涡轮泵故障诊断

在涡轮泵故障诊断中，多类故障诊断是经常出现的问题。为提高多类故障诊断速度，在球结构支持向量机的基础上，提出一种引力球结构的支持向量机多类算法，该算法充分考虑样本分布疏松程度，经过试验优化分析得到最佳分类引力公式。用该算法和其他常用算法对涡轮泵仿真故障进行分类比较，结果表明基于引力球结构的支持向量机故障诊断算法学习速度快，诊断效果好。     

支持向量机用于液体火箭发动机的故障诊断

支持向量机（Support Vector Machine,简称SVM）是一种基于机器学习的模式分类算法,其在解决小样本、非线性及高维模式识别等问题中都表现出许多特有的优势。用SVM对液体火箭发动机的故障数据进行检测和诊断。通过对发动机仿真模型的9种故障数据的学习,能检测出18组故障数据中的17组,但有4组出现误报,对误报故障进行二次学习和再检测,能对这4种故障正确检测。经过对C75试车4种故障数据的学习,能正确检测其故障类型,进一步验证了该方法的正确性和可行性。     

基于最小二乘支持向量机的工具误差分离与折合

制导工具误差分离与折合是导弹精度评定中的重要问题,提出了利用支持向量机方法获得工具误差系数估计和进行弹道误差折合的新方法,由于支持向量机综合考虑了结构风险和经验风险,使得模型的泛化能力增强。仿真计算表明,与最小二乘和主成分方法相比,最小二乘支持向量机获得的误差系数估计与真值更加接近,折合得到的全程弹道遥外差更加准确。     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。     

空间自旋目标平动补偿与微动特征提取方法

针对空间自旋目标平动补偿与微动(m-D)特征提取问题,提出一种基于延时共轭相乘和微动分解的平动补偿与特征提取方法。该方法通过延时共轭相乘处理实现目标加速度估计,然后构建冗余的微动原子集,对加速度补偿后信号进行微动分解补偿,通过搜索补偿信号的最大谱峰获取目标的微动特征与速度信息。仿真试验表明,所提方法能够有效估计空间自旋目标的运动参数,并快速提取其微动特征。     

星载激光通信终端在轨机动对温度影响

对激光通信终端在轨瞬态温度变化开展了仿真,以期研究在轨机动的影响、热分析和热试验时机动模式的简化模拟。通过合理地分析与简化,建立终端的轨道热分析模型,准确模拟在轨机动,根据典型机动模式、外热流和涂层退化等因素设计了计算工况,得出了终端在轨运行过程中的温度场随时间和姿态变化规律。结果表明：不同机动模式下的温度变化存在差异,最大可达23.0℃,采用固定姿态或一维转动的简化热分析或热试验不能准确模拟实际飞行温度,甚至不能部分替代二维转动热分析或热试验;光学天线和反射镜的温度控制是制约终端工作的瓶颈,为终端设计合适的避光机动策略,可大幅度提高温度稳定度和均匀度。研究结果可以为光机电设备在轨机动策略的设计和改进提供参考。     

遗忘因子最小二乘支持向量机及在陀螺仪漂移预测中的应用研究

以陀螺仪漂移误差系数时间序列预测为对象，研究并提出了遗忘因子最小二乘支持向量机算法。构造了以多项式、径向基、小波函数为核函数的支持向量机（SVM）、最小二乘支持向量机（LSSVM）、遗忘因子最小二乘支持向量机（FFLSSVM），比较了它们用于强非线性测试集的泛化性能。实验结果表明：FFLSSVM比由相应核函数构成的SVM、LSSVM自适应性强、预测精度高；三种核函数生成L2（R）子空间上完备基的能力不同，导致三个FFLSSVM逼近任意目标函数的精度有差异；遗忘因子最小二乘小波核支持向量机可有效地用于陀螺漂移误差动态补偿、可靠性辅助决策、故障预测。     

基于角增量和角速率的旋转矢量算法的等效性

推导了基于角增量和角速率的两种旋转矢量算法（RVA）及其计算误差,并从理论上分析、比较了两种RVA及其圆锥补偿误差（CCE）;在不考虑传感器误差情况下,对两种算法的CCE进行了基于典型圆锥运动的仿真。结果表明,两种RVA的CCE由采样频率和圆锥运动频率的比值定量确定：当比值大于1〖KG*9〗000时,相同子样数的两种算法的CCE相等;两种RVA具有圆锥误差补偿效应的范围为该比值介于3和1〖KG*9〗000之间。在该有效范围内,CCE随比值的减小而单调增大,并且相同子样数的两种算法的CCE随着子样数的增大而趋于相等;当比值小于等于3时,两种算法的圆锥误差补偿效应同样减弱。从而得出两种算法的圆锥误差补偿效应的近似等效性。对于捷联惯组的设计、RVA的选择及其在惯组高动态环境下的应用具有一定指导作用。