多航天器协同探测星簇构型探测效能的评价方法

为定量评估不同星簇构型设计的探测效能以进行各航天器的轨道设计,基于空间四面体构型的体张量定义,分析现有空间四面体构型的评价参量,并采用将空间五航天器构型分解为“五个四面体”和“主四面体加第五点问题”这两种方法定量评价空间五点协同探测星簇构型的探测效能。最后利用项目组已有的五个航天器在一个轨道周期内的模拟轨道数据对所提出的方法进行仿真,结果表明所提出的方法可以较好地评价空间五点构型的探测效能。     

基于小波分析的容错组合导航系统故障检测算法研究

针对目前多数故障检测法对缓变的软故障检测不灵敏,延迟性较大,无法判断各种故障类别等问题,在分析利用小波奇异性进行故障检测原理的基础上,提出了一种基于模极大值原理的导航传感器故障检测方法。该算法利用传感器的观测量来诊断传感器是否正常工作,文中给出了利用小波奇异性进行故障检测的原理描述及利用该算法进行故障检测算法流程。该算法不仅对导航传感器软故障具有较高的检测灵敏度,而且可以通过故障点处信号的Lipschitz指数来判断故障类别,为传感器故障隔离和修复提供有效的信息,因此可以更好的保障多传感器容错组合导航系统的可靠性。计算机仿真表明所提方法是有效的,具有较高的实用性。     

空间色噪声下信号频域检测方法性能分析

水下小孔径阵列的应用环境是色噪声环境,针对超增益波束形成方法在色噪声环境下噪声协方差矩阵估计偏差使阵列空间增益不能达到最大的问题,提出了一种频域超增益波束形成方法(FSD, Super-Directive beamforming in Frequency domain),该方法将宽带接收数据分成多个子带,在每个子带内分别估计噪声协方差矩阵,降低了噪声协方差矩阵的估计偏差,并使用估计得到的噪声协方差矩阵对接收数据解相关.最后使用空间谱检测器检测微弱目标信号.实测噪声数据的仿真结果表明,空间有色噪声环境中FSD方法的检测性能优于传统的时域超增益波束形成方法(TSD, Super-Directive beamforming in Time domain)2 dB,优于频域最小方差无畸变响应(FMVDR, Minimum Variance Distortionless Response in Frequency domain)波束形成方法2 dB.     

自治式水下机器人推进器故障检测、分离与重构

研究自治式水下机器人推进器故障检测、分离与重构问题。针对水下机器人故障诊断残差法中残差阈值不易选取的问题,提出了一种基于观测器的水下机器人推进器故障检测与分离方法,通过构建故障检测观测器对推进器故障与残差信号进行解耦,使推进器出现故障后仅引起与其相关的残差呈单调变化,从而可选择较大的阈值进行故障检测以提高诊断系统的可靠性,该方法在故障检测的同时可进行故障分离。针对系统不确定性导致的推进器故障重构精度低的问题,提出了一种RBF神经网络与等效输出注入相结合的故障重构方法,采用等效输出注入方法估计不确定性项,从神经网络输出中重构推进器故障。     

全球导航卫星系统多星故障排除新方法

在全球导航卫星系统中,多颗卫星同时发生故障的概率会随着观测卫星数的增加而增加,从而,在接收机自主完好性监测中需考虑多星故障的处理.针对故障检测比故障排除简单、且故障检测率比故障排除率高的特征,以故障检测为基础,提出了一种新的多星故障排除方法——随机搜索法.该方法采用二进制对观测卫星进行编码,通过随机初始化方式获得初始无故障星座,再通过逐步搜索未选卫星方式来得到最终的含有最多无故障卫星的星座,实现故障排除功能.仿真结果表明:大部分情形下,新方法能获得99%以上的故障排除率,既能进行单星故障排除,也能进行多星故障排除,能有效满足全球导航卫星系统关于自主完好性的要求.      

基于联邦滤波器的新型故障检测结构及算法

提出了一种基于联邦卡尔曼滤波器的故障检测结构,该结构利用各局部滤波器和参考滤波器共有状态之间的残差进行故障检测.并提出了2种故障检测算法:χ2检验法和Elman神经网络检验法.以组合导航系统为例进行了仿真研究,和其它算法相比该算法计算简单、可靠,不但可以快速检测出外部传感器及参考系统故障,且具有很好的容错性能,能快速检测出故障并进行隔离,使融合后系统依然保持较高精度.     

Systematic examination of the geomagnetic storm sudden commencement using multi resolution analysis

Geomagnetic storm sudden commencements (SSC) contain a wealth of information which is useful in many applications. It is important to point out that the SSCs used in this study are sampled at the rate of one sample per second in order get use of such high resolution data. In this paper, two studies are made on the geomagnetic SSC and an SSC onset automatic detection algorithm is introduced. The first study is about finding the relationship between the SSC rise time and its amplitude. Where it is found that there is a positive correlation between the amplitude and the amplitude gradient which is the amplitude divided by rise time. The second study is checking the spectrum of the SSC, starting from its onset until the end of the SSC rise time. This check had proved that the SSC contains both low and high frequency regions. This led us to introduce a new term, namely the SSC variation rate (VR). This VR is defined as the maximum rate of change of the field in the higher-frequency region of the SSC. These two studies were the guide to build an SSC automatic detector of one sample per second data using multi resolution analysis (MRA) of the discrete wavelet transform (DWT). The data set contains 134 SSCs with different VRs that were collected from the Circum-pan Pacific Magnetometer Network (CPMN). It is found that the standard deviation of the detection error is 41 s and that the average error is 9 s. From the calculated error distribution function, it is found that the detection error is within the range of −1.5 to 3 min. The detection process, as will be shown in the article, takes 70 s for one station and 3 min if the decision is related to the detection(s) of other stations. These results demonstrate the superiority of the proposed algorithm over other algorithms in which the detection error ranges between −8 and 5 min and the detection process takes 2–10 min. In addition to being faster and more accurate than the other algorithms, the proposed algorithm is the first algorithm that automatically detects the SSC onset times from high-resolution data unlike previous studies that focused on determining the SSC times automatically using one-minute resolution data.     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

组合导航系统的鲁棒故障诊断

 讨论了导航系统的故障检测问题,提出通过设计对特定导航系统故障敏感的最优鲁棒向量来检测组合导航系统故障,只利用传感器的测量数据,不需要具体的动态模型,并与常用的奇偶检测法进行了比较.最后以3个导航系统的组合为例,仿真结果显示,鲁棒故障诊断的检测故障、隔离故障效果明显提高.     

分组级短码长LT喷泉码的工程应用

针对LT喷泉码在准单向链路、高差错、链路恶劣易中断的信道环境应用时出现的运算量大、译码时延长、编码效率较低等问题,文章提出使用基于数据分块的分组级短码长喷泉码方案。其思想是将短码长LT码方案和分组级LT码方案结合起来,并且在数据子块的度序列生成过程中加入度值检测机制。实验仿真结果表明:与已提出的LT码方案相比,该方案能够有效地降低译码开销、计算代价和译码时延,提高系统的最大传输效率。