均值检验方法及其在冗余惯性导航系统中的应用

采用了非线性滤波的方法对影响故障检测及分离（FDI）性能的传感器误差进行了补偿,同时提出了故障检测与分离的均值检验方法（MVT）,该方法可以对2个传感器同时出现故障的情况进行检测与隔离。5个陀螺冗余惯性导航系统仿真结果验证了本文算法的有效性。     

基于模糊奇偶方程的非线性系统传感器故障诊断

 给出了一种非线性系统传感器的故障诊断方法。该方法将T-S 模糊模型、全解耦奇偶方程和参数估计相结合,同时对非线性系统的多个传感器的故障进行检测、隔离与识别。设计出用于产生残差的线性系统全解耦奇偶方程,并给出了全解耦奇偶向量的存在条件,全解耦奇偶方程产生的残差仅对一个传感器故障敏感,而对系统状态、扰动输入和其它传感器输出解耦。引入T-S 模型将全解耦奇偶方程推广到非线性系统中得到了模糊奇偶方程。传感器的故障模型表示为刻度因子和偏差的形式,根据残差信息应用卡尔曼估计方法可识别出故障模型的参数。最后给出了某型号飞机控制系统传感器的故障诊断仿真实例。     

对特定传感器故障敏感的最优奇偶向量检测与隔离方法

 提出了一种利用对特定传感器故障敏感的最优奇偶向量进行故障检测与隔离的方法。主要思想是设计一个性能指标函数，使得最优奇偶向量对被检测的传感器故障最敏感，而对其余传感器故障和未知输入不敏感。与常用的广义似然比方法相比，该方法明显地提高了故障的检测能力，此外，对故障的隔离效果也更好。     

惯性冗余系统奇偶向量法故障检测与识别技术研究

为使惯性冗余系统达到故障检测与识别的功能,本文对惯性冗余系统的奇偶向量在有、无故障的不一致情况进行了研究,介绍了单自由度惯性仪表和双自由度惯性仪表广义似然比故障检测与隔离方法,通过对奇偶向量的分析及仿真,给出了最优化故障检测与隔离算法,该结果表明,采用奇偶向量法确实可以提高冗余惯性系统的故障检测与识别的性能,可以解决其软故障的检测能力。     

余度传感器系统中传感器配置结构和奇偶向量的最优化

 本文研究了余度传感器系统传感器的配置和奇偶向量的选择问题,从输出和检测性能最优的准则出发,给出了配置结构和奇偶向量的求解途径,并将它同现有的一些方法进行了比较。     

检测传感器故障的鲁棒观测器

介绍一种在系统参数变化情况下进行故障检测的观测器。对观测器采用特征值、特征向量进行联合配置的算法 ,并对估计误差设计奇偶空间 ,使各传感器的故障在奇偶空间中被解耦分离 ,因而可用一个观测器检测与分离多路故障传感器 ,实现了故障检测的鲁棒性     

一种改进余度捷联惯导系统最优奇偶矢量故障容错算法

针对余度捷联惯导系统故障检测方法对小故障和渐变型故障检测率低的问题,提出了利用对特定传感器敏感的最优奇偶矢量来构造最小二乘加权矩阵的算法。该算法利用最优奇偶矢量产生奇偶残差来反映特定传感器对待测状态量测的准确程度,通过该残差确定最小二乘加权阵,进而再辅助最优奇偶矢量进行故障检测,达到对小故障和渐变型故障的容错。仿真结果表明本方法能够有效提高待测状态的估计精度,具有一定的工程参考价值。     

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。     

基于电流阈值的开关磁阻电机位置估计容错分析

在基于双电流阈值的位置估计基础上,提出了一种考虑电流传感器故障和估计误差补偿的位置估计容错技术。通过双电流阈值与脉冲电流峰值比较估计位置检索脉冲信号,利用开关磁阻电机相与相之间的独立性,利用正常相的电磁信息间接估计传感器故障相的转子位置信号。通过仿真计算得到转速对位置估计误差的影响,并提出了位置误差补偿措施。在一台12/8结构样机中进行了相关试验,试验结果表明,所提方法提高了无位置传感器技术的容错性,验证了该算法的正确性和可行性。     

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。     

In-Flight Parity Vector Compensation for FDI

The performance of a failure detection and isolation (FDI) algorithm applied to a redundant strapdown inertial measurement unit (IMU) is limited by sensor errors such as input axis misalignment, scale factor errors, and biases. A techique is presented for improving the performance of FDI algorithms applied to redundant strapdown IMUs. A Kalman filter provides estimates of those linear combinations of sensor errors that affect the parity vector. These estimates are used to form a compensated parity vector which does not include the effects of sensor errors. The compensated parity vector is then used in place of the uncompensated parity vector to make FDI decisions. Simulation results are presented in which the algorithm is tested in a realistic flight environment that includes vehicle maneuvers, the effects of turbulence, and sensor failures. The results show that the algorithm can significantly improve FDI performance, especially during vehicle maneuvers.     

具有自修复功能间接自适应飞行控制系统研究

分析了具有自修复功能的推力矢量飞机自适应控制系统的结构功能特点,利用RHO优化控制算法实现在线控制器设计,利用MSLS辨识算法实现在线飞行参数辨识,采用等价空间算法、传感器信息融合技术和概率统计理论实现FDI算法。依据系统各个部分的算法开发了仿真平台,对飞机存在舵面故障情况下的飞行控制系统进行仿真,解决了舵面损伤后气动参数变化问题。仿真表明,该控制系统是一个完整、鲁棒、收敛系统。     

推力矢量飞机自适应控制系统仿真平台研究

研究了具有自修复功能的推力矢量飞机自适应控制系统的结构功能特点,研究了RHO优化控制算法实现在线控制器设计,利用MSLS辨识算法实现在线飞行参数辨识和等价空间算法、传感器信息融合技术和概率统计理论实现FDI算法。并且根据系统各个部分的算法,采用面向对象技术语言VC 6.0和三维图形语言OpenGL开发了仿真平台,利用仿真平台实时演示了飞机存在舵面故障情况下的飞行控制系统运行仿真,解决了飞机飞行过程中存在舵面损伤和气动参数变化的问题,该仿真平台可以根据需求进行飞机故障加载,具备完备的推力矢量飞机自适应控制系统仿真功能。     

基于遗传算法的机器人负载重力补偿优化算法研究

航空航天装配领域,利用安装在机器人末端的六维力传感器来感知外力是实现工业机器人柔顺装配的关键技术之一,而负载的存在会干扰对外力的感知。针对工业机器人末端负载的重力补偿,提出一种基于遗传算法的重力补偿优化算法。此方法以误差平方和最小为目标建立了最优解模型,利用遗传算法求解,最终可以在不使用测量仪器的情况下,估计力传感器安装偏角,提高重力补偿精度。同时设计了特定的机器人测量姿态来减少系统误差。试验表明,优化算法可以补偿任意角度的力传感器安装偏角,与补偿前相比,各方向最大重力补偿误差及平均重力补偿误差都有所减小。     

飞机着陆时的容错导航

研究了飞机在微波着陆环境中的传感器容错系统。该系统的主要目的是检测辅助导航设备和机载传感器的故障,并在这些传感器可能发生故障时提供可靠的飞机状态估计值。自动导航和控制系统利用这些状态估计控制和引导飞机按预定路线降落。     

非线性椭球集员滤波及其在故障诊断中的应用

 针对带有未知但有界噪声的非线性系统,提出一种椭球集员滤波算法,并将其应用于保证故障检测与隔离。对非线性状态方程和量测方程进行泰勒展开之后,通过区间分析的方法给出线性化余项存在区域的盒子外界描述。假设过程和量测噪声由盒子限界,在算法的时间更新和量测更新过程中,分别计算包含椭球与线段的向量和及椭球与带的交的次最小容积椭球。在椭球集员滤波算法的基础之上,给出传感器故障检测与隔离的方法。由于集员滤波是保证状态估计,因而基于集员滤波算法的故障检测与隔离方法也具有保证性,即如果发出故障警报,则一定有故障发生。一个二维非线性系统的例子说明了该方法的有效性。     

A fault tolerant model for multi-sensor measurement

Multi-sensor systems are very powerful in the complex environments.The cointegration theory and the vector error correction model,the statistic methods which widely applied in economic analysis,are utilized to create a fitting model for homogeneous sensors measurements.An algorithm is applied to implement the model for error correction,in which the signal of any sensor can be estimated from those of others.The model divides a signal series into two parts,the training part and the estimated part.By comparing the estimated part with the actual one,the proposed method can identify a sensor with possible faults and repair its signal.With a small amount of training data,the right parameters for the model in real time could be found by the algorithm.When applied in data analysis for aero engine testing,the model works well.Therefore,it is not only an effective method to detect any sensor failure or abnormality,but also a useful approach to correct possible errors.     

Interacting acceleration compensation algorithm for trackingmaneuvering targets

The two-stage Kalman estimator has been studied for state estimation in the presence of random bias and applied to the tracking of maneuvering targets by treating the target acceleration as a bias vector. Since the target acceleration is considered a bias, the first stage contains a constant velocity motion model and estimates the target position and velocity, while the second stage estimates the target acceleration when a maneuver is detected, the acceleration estimate is used to correct the estimates of the first stage. The interacting acceleration compensation (IAC) algorithm is proposed to overcome the requirement of explicit maneuver detection of the two-stage estimator. The IAC algorithm is viewed as a two-stage estimator having two acceleration models: the zero acceleration of the constant velocity model and a constant acceleration model. The interacting multiple model (IMM) algorithm is used to compute the acceleration estimates that compensate the estimate of the constant velocity filter. Simulation results indicate the tracking performance of the IAC algorithm approaches that of a comparative IMM algorithm while requiring approximately 50% of the computations