基于惯性辅助的北斗接收机完好性监测方法研究

针对传统卫星导航接收机在卫星数小于5颗及卫星星座构型不佳的情况下无法实现卫星故障识别与隔离的问题,结合卫星导航接收机在弹上的实际应用情况,利用惯导的辅助数据设计了一种基于多级Kalman滤波的北斗接收机完好性监测方案,给出了卫星导航接收机的RAIM滤波器结构与故障检测和隔离方法,并对其可用性进行了推导.该方案经过仿真分...     

接收机自主完好性监测技术研究

对卫星接收机完好性监测技术进行了简单的介绍,以最小二乘法对接收机自主完好性监测(Receiver Autonomous Integrity Monitoring,RAIM)的基本公式进行了详细的推导和分析,以奇偶矢量法在实际工程应用中验证了RAIM算法的正确性和可行性。在此基础上,提出一种新的故障卫星排除算法－均方根（Root Mean Square,RMS）比较法,工程验证了算法的有效性,具有较强工程应用价值。     

考虑多监测指标不确定性的滑油状态综合评估方法

针对不同油液指标信息的多样性导致油液状态评估结果存在不确定性的问题,基于模糊证据理论方法提出了1 种考虑 油液特征不确定的综合状态评估方法。应用模糊证据理论对油液多指标信息推理导致的不确定性结论进行多指标融合,进而应用 模糊推理算法实现油液状态量化表征,建立了滑油衰变趋势分析模型,并通过实验室环境下的滑油监测数据进行油液状态评估以 验证方法的有效性。结果表明：该方法对监测指标变化趋势矛盾的滑油状态评估有较好的效果,准确性和一致性均高于90%。     

基于改进半阈值算法的电容层析成像滑油监测方法研究

针对航空滑油检测过程中电容层析成像（Electrical Capacitance Tomography,ECT）存在的病态性和欠定性问题,将稀疏正则化中基于L1/2正则化的半阈值迭代算法应用到ECT图像重建,加入L2范数的惩罚项,构造新的泛函模型,并在迭代过程中设计一种新的约束项以优化解向量。仿真实验采用Comsol5.3搭建系统模型,Matlab2014a处理采集数据。实验结果表明,与Landweber迭代算法相比,改进算法成像误差降低37.33%,相关系数提升33.67%;与半阈值迭代算法相比,改进算法成像误差和相关系数分别降低12.31%和提升11.86%,图像误差降低至0.24、相关系数提升至0.92,且成像时间依然保持在0.06s。实际滑油监测的实验系统采用现场可编程门阵列（Field Programmable Gate Array,FPGA）直接数字频率生成模块生成数字量的正弦激励信号,通过D/A转化为正负交流信号对测量电极进行激励。实验结果表明,基于ECT系统的改进半阈值迭代算法可以满足航空发动机滑油监测的实时性和准确性的要求。     

基于改进联合稀疏电容层析成像算法滑油监测研究

由于电容层析成像(Electrical Capacitance Tomography,ECT)的"软场"特性,使其应用于航空发动机滑油管道监测时难以准确获得被测对象的位置和大小信息.针对图像重建过程中的病态问题,在对称交替乘子法(S-ADMM)算法基础上,提出一种采用L 2,1-范数作为核范数、(L 1-εL 2)范数...     

基于改进Split Bregman的电容层析成像滑油监测研究

针对电容层析成像（Electrical capacitance tomography,ECT）技术应用于滑油系统磨粒在线监测时,其图像重建过程中存在的不适定性问题,提出了一种基于迭代p阈值函数的Split Bregman（SB）图像重建算法。首先,建立基于SB算法的ECT图像重建模型。其次,建立基于L_p范数的SB模型。最后,为更方便求解L_p范数的阈值迭代形式,引入了p阈值函数。通过灵活选取p值,提高了SB算法的精度和适用性。仿真实验结果表明,与Landweber,Tikhonov正则化和SB算法相比,改进SB算法图像误差降低了约30%,相关系数高达0.96,成像速度与Landweber成像速度相近。实验结果表明,改进SB算法能够胜任滑油系统磨粒监测任务,并提高了成像质量。     

基于深度学习的滑油监测方法研究

针对传统的数据特征提取方法难以提取航空发动机滑油监测数据有效特征的缺陷,提出了一种基于多尺度卷积神经网络(Multi-scales convolutional neural network,MSCNN)、长短期记忆(Long short-term memory,LSTM)神经网络和BP网络的单通道网络模型MSCNN-LSTM-BP。将多尺度学习融入CNN,MSCNN和LSTM以串行方式提取数据在空间维度和时间维度的二维特征。实验结果表明:3尺度的MSCNN-LSTM-BP对数据样本的分类准确率达到98.2%,单组电容数据采集测试时间仅为2.1986ms,综合分类率F1达到98.57%,总体性能优于CNN,LSTM和传统的多尺度特征提取方法。MSCNN-LSTM-BP满足航空发动机滑油监测对于实时性和准确性的要求,具有良好的适用性。     

基于神经网络的轴承故障预测模型

利用在故障预测领域广泛应用的神经网络模型,对轴承监测数据的特征提取与建模,挖掘出监测数据与剩余寿命间内在关联,从而对轴承剩余寿命做出评估。在轴承全寿命数据的实际实验中,证实了该模型的有效性。     

基于高斯权值-混合建议分布粒子滤波的疲劳裂纹扩展预测

飞行器结构的疲劳裂纹扩展预测对保障结构安全、实现视情维护具有重要意义。结合粒子滤波算法和结构健康监测方法进行在线的疲劳裂纹扩展预测是近年来刚刚开始研究的新方法,该方法通过状态空间模型表征疲劳裂纹扩展过程中的不确定性,同时通过贝叶斯方法将结构健康监测所获取的结构实际裂纹观测值用于修正裂纹扩展模型的预测误差,实现更准确的疲劳裂纹扩展在线预测。由于该方法的研究刚刚开展,已有研究中粒子滤波算法的重要性密度函数往往简单选取为先验转移概率密度,存在严重的粒子退化问题。另一方面出于简单考虑,仅采用表征裂纹稳定扩展区的Paris模型。针对上述问题,本文提出一种基于高斯权值-混合建议分布粒子滤波的疲劳裂纹在线预测方法,基于表征裂纹全扩展区域的NASGRO裂纹扩展模型建立疲劳裂纹扩展状态方程,以主动Lamb波监测方法实现结构裂纹的在线监测,借助在线结构健康监测的优势,在粒子滤波时选取重要性密度函数为观测概率密度和先验转移概率密度的混合分布,同时基于先验估计获取高斯权值进行权值更新。本文进一步进行了仿真研究,结果表明所提出的方法优化了疲劳裂纹扩展预测的准确性。     

基于北斗通信的公路边坡监测终端设计

本文针对偏远地区公路边坡监测通信困难问题,设计了一种基于北斗FB3511短报文模块的边坡地质灾害监测终端。监测终端采用传感器阵列对边坡应力、倾斜角、位移等参数进行精确监测,利用北斗系统全天候无障碍通信的特点,实现边坡地质灾害的远程无人监测。