航空发动机健康估计的神经网络修正卡尔曼滤波算法

针对商用航空发动机与气路相关的传感器分布不均、且个数小于气路健康参数的个数、使用卡尔曼滤波算法估计全部气路健康参数时容易出现误判的特点,提出一种神经网络修正的卡尔曼滤波算法。该算法在每个采样周期内利用BP神经网络来修正个体的偏移方向,按粒子滤波算法计算每个个体的权值用以估计总体的均值和协方差,然后利用卡尔曼滤波算法更新所有个体,并将总体的均值作为当前时刻的估计结果。通过对商用航空发动机部件级模型在多个飞行状态点数字仿真模拟9种气路突变故障,由7个可测输出估计全部10个健康参数,该混合算法的估计误差相比BP神经网络与无迹卡尔曼滤波算法分别平均降低了34.6%与47.9%。     

双轴连续旋转调制捷联惯导系统大失准角初始对准技术

由于可以补偿惯性器件在三个轴向上的输出误差,双轴旋转调制技术被广泛应用于捷联惯导系统(SINS)。选择了一种合理且实用的十六次序双轴转位方案,并对其调制原理和误差进行了分析。初始对准技术是捷联惯导系统的一项重要技术,其对准精度直接决定了后续导航的精度。在粗对准完成后,当姿态误差角较大时,后续的精对准误差模型呈非线性特性,故选择了滤波精度高、稳定性强的平方根容积Kalman滤波算法(SCKF)来解决这一问题。考虑到在实际对准过程中,量测噪声的统计特性易发生变化,将SCKF算法与Sage-Husa算法相结合,在传统Sage-Husa SCKF算法的基础上提出了一种改进的自适应滤波算法(ASCKF)。该算法采用QR分解来完成对噪声协方差的平方根矩阵估计,从而避免了传统Sage-Husa SCKF算法中所估噪声协方差矩阵不正定的问题。最后,通过仿真证实了ASCKF算法可被很好地应用于量测噪声统计特性发生变化的初始对准中。     

控制系统模拟信号处理方法研究

模拟量采集精度对控制系统具有重要意义.研究了模拟量采集过程的软件设计流程,层次划分和模型,从传感器AD值到模拟量物理值之间不同处理阶段给出了常用方法描述.针对错误处理详细描述了错误诊断方法.最后将模拟量采集软件应用于某发动机模拟量采集中,通过试验进行模拟量测量值和软件输出值对比计算,结果表明此模拟量采集软件输出模拟量精度均在有效范围内.     

自适应渐消Kalman滤波算法在RTK中的应用研究

在动态载波相位差分定位(RTK)中,由于观测环境复杂,会经常发生周跳、卫星信号失锁等情况,严重影响基线解算的连续性和可靠性。针对动态应用环境,提出了一种Kalman滤波算法在RTK技术中的应用方法。该方法可以实时估计模糊度浮点解及其协方差矩阵,在需要重新固定模糊度时可直接用于搜索,起到了周跳修复的作用。此外,采用了自适应渐消Kalman滤波算法提高算法的动态适应性,并引入独立的滑动窗进行新息的收集和处理,解决了由于参考星变化或卫星信号失锁造成观测量中断而无法准确计算新息协方差的难题。仿真结果表明,该算法能够在模糊度发生变化时快速收敛,并且相对于一般Kalman滤波算法在高动态下提高了模糊度浮点解的精度,提高了后续模糊度搜索的效率和固定成功率。     

动态时频谱分析、探测和跟踪的随机有限集法

动态出现和消失多分量信号的时频分析问题一直是非平稳信号处理的难点之一。为此,提出了一种分析、探测和跟踪多分量信号的随机有限集法。该算法利用时频变换,如短时傅里叶变换或自适应谱估计法,以及多项式预测模型,将多分量信号的时频分析问题归纳成可利用随机有限集进行多目标追踪的问题。分析表明：借助于提出的初始权重赋值算法,以及谱分量幅度和频率的联合似然函数,就可利用高斯混合概率假设密度滤波器来实现对动态时频谱的分析、探测和跟踪。在仿真实验中,所提算法有效提升了动态时频谱的跟踪精度,其对微弱时频谱分量的探测能力,以及对载频差异的分析能力均优于文献报道的算法。     

惯导平台式重力测量技术实现及应用

详细阐述了解析方位双轴惯导平台式重力测量的工作原理,并通过基于方位余弦积的惯导力学编排解决了极区工作问题。在常规平台式重力测量数据处理方法的基础上,针对高动态环境提出了基于Kalman滤波的运动扰动修正方法。在此基础上研制了ZL11-1A型国产惯导平台式海洋重力仪。通过与国外主流重力仪产品海上同船作业比对,结果表明,该型重力仪在高海况下测量精度依然优于1mGal,满足重力测量作业要求。     

自适应增量 Kalman 滤波方法

提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用.      

基于自适应Kalman滤波的导引头随动系统设计

主要研究导引头随动系统中探测器信号处理延迟的影响及其补偿控制算法。提出了一种自适应Kalman滤波延迟补偿方案,利用Kalman滤波的预测能力得到当前时刻视线角的估计值,进而得到此时的跟踪误差的估计值,取代被延迟的探测器输出进行闭环控制。考虑到导引头探测器的低更新频率、非等间隔量测等工程特点,又对上述滤波算法进行了一系列改进。仿真表明方法可以明显提高导引头在弹体扰动情况下的跟踪精度。     

一种基于神经网络的飞机载荷参数识别方法

提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,对飞机特定机动下的载荷进行参数识别.首先,构建Kalman滤波神经网络(KFNN),设计了相关改进算法抑制滤波发散,提高了网络的预测精度和抗噪能力;其次,利用遗传算法(GA)优化KFNN的相关参数,使网络能迅速收敛,提高了运算效率.载荷识别结果显示,改进和优化后的GA-KFNN运行稳定,收敛迅速,具有良好的识别精度和泛化能力,满足工程实际需求.     

姿态测量中MEMS陀螺输出信号处理方法研究

为实现基于MEMS器件的舰船测姿,对MEMS陀螺的输出信号进行研究与处理。在分析MEME陀螺的输出误差模型基础上,通过经典卡尔曼滤波与鲁棒滤波的理论对比,设计滤波器对其输出信号进行滤波降噪。实验表明：鲁棒卡尔曼滤波方法对于MEMS陀螺输出信号的平滑降噪效果显著。