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。     

SENSOR FAILURE DETECTION AND SIGNAL RECOVERY BASED ON BP NEURAL NETWORK

Manyhighpefformancecontrolsystemsmusthavefauhtolerantabilityagainstsensorfailures.Theapplicationofprevioussensorfailuredetectinnmethods,mostlybasedonanalyti-calredundancy['Jlislimitedbecausetheyrequireaprecise.mathematicalmedel.BPneuralnetwork(BPNN)isabletolearnanycomplicatedcontinuousnonlinearfunctions,therefore,itcanbeusedtodetectsensorfailuresandrecoverthesignalforthefailedsensor'Recentpubli-cationshavedemonstratedtheuseofBPNNfordetectingsomkindofsensorfailuresandre-coveringthefailedsen…     

光电探测系统指向误差分析、建模与修正

针对光电探测系统(EODS)的高精度指向要求,提出一种基于半参数同归模型(SPRM)的改进算法.全面分析了误差来源,如光学系统的光轴一致性误差、机械框架的垂直度和回转误差、控制系统的稳定跟踪误差等,采用多体系统运动学理论,建立了具有明确物理意义的指向误差线性模型.同时,针对系统中的非线性误差因素,提出了半参数回归模型改...     

无需辅助数据的分布式目标自适应检测器

在非高斯背景和没有辅助数据的条件下,研究了高分辨率雷达分布式目标的自适应检测问题.首先采用有序检测理论和协方差矩阵的迭代估计方法粗略估计散射点集合,进一步利用迭代估计方法获得协方差矩阵的近似最大似然估计,提出了无需辅助数据的自适应检测器(ADWSD).ADWSD在非高斯背景下具有近似恒虚警率特性,且检测性能远好于修正的...     

三自由度柔性并联机器人运动参数检测系统开发

以线尺传感器为采集单元,以RTLinux为开发平台,建立了平面三自由度柔性并联机器人运动参数检测系统,实现了机器人动平台运动位姿的实时获取。设计并完成了柔性系统下的高速、高加速轨迹实验,通过实验结果与仿真结果的对比,表明该检测系统实时性强,可靠性高,可以为平面三自由度柔性并联机器人全闭环实时控制提供支持。     

微小卫星低可观测外形飞行姿态规划

为提高在轨微小卫星的使用效能及生存能力,提出一种微小卫星低可观测外形飞行姿态规划算法.根据微小卫星雷达散射截面(RCS)、轨道及雷达威胁特性,建立了可进行长时间内最佳飞行姿态规划的数学模型,设计了低计算复杂度的链表式个体结构及进化规划策略,并实现了算法对高威胁区优化规划的能力.同时,算法低迭代步长下的快速收敛特性以及进...     

基于力场转换理论的图像粗大边缘检测方法

基于粗大边缘的异源图像匹配在导航制导等领域具有广阔的应用前景,但是现有边缘检测方法很难提取出异源图像中的粗大边缘.根据异源图像成像原理和灰度分布特点,提出一种基于力场转换理论的异源图像粗大边缘检测新方法.首先,根据引力概念计算图像中各像素点受到合力的大小和方向;其次,为了去除光照和异源图像灰度不同的影响,对图像中像素点...     

基于GSPN的机载液压作动系统可靠性模型

机载液压系统具有余度降级、故障检测、隔离等动态时序过程,传统基于两元可靠性模型很难描述其动态行为和性能降级过程.针对这一问题,采用分层聚类和广义随机Petri网相结合建立了机载液压系统可靠性模型.利用该模型,详细分析了故障检测装置的故障检测率对系统可靠性的影响.分析结果表明,由于故障检测装置故障检测率的影响,机载液压作...     

各向同性热解炭材料中的缺陷分析和超声检测技术

利用偏光金相显微镜和超声探伤仪对高性能机械密封用块体各向同性热解炭材料中的缺陷进行表征和无损检测.偏光显微观察发现,各向同性热解炭材料中的主要缺陷主要包括三种:各向异性夹杂、裂纹和各向同性夹杂.超声实验研究表明,利用脉冲反射法超声波检测技术可有效检出各向同性热解炭制件中存在的上述缺陷.目前该技术已成功地用于各向同性热解...     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。