A multi-rate sensor fusion approach using information filters for estimating aero-engine performance degradation

Gas-path performance estimation plays an important role in aero-engine health management, and Kalman Filter(KF) is a well-known technique to estimate performance degradation. In previous studies, it is assumed that different kinds of sensors are with the same sampling rate, and they are used for state estimation by the KF simultaneously. However, it is hard to achieve state estimation using various kinds of sensor measurements at the same sampling rate due to a complex network and physical characteristic differences between sensors, especially in an advanced multisensor architecture. For this purpose, a multi-rate sensor fusion using the information filtering approach is proposed based on the square-root cubature rule, which is called Multi-rate Squareroot Cubature Information Filter(MSCIF) to track engine performance degradation. Soft measurement synchronization of the MSCIF is designed to provide a sensor fusion condition for multiple sampling rates of measurement, and a fault sensor is isolated by maximum likelihood validation before state estimation. The contribution of this paper is to supply a novel multi-rate informationfilter approach for sensor fault tolerant health estimation of an aero-engine in a multi-sensor system. Tests are conducted for aero-engine performance degradation estimation with multiple sampling rates of sensor measurement on both digital simulation and semi-physical experiment.Experimental results illustrate the superiority of the proposed algorithm in terms of degradation estimation accuracy and robustness to sensor failure in a multi-sensor system.     

二维图像拼接技术研究综述

图像拼接是指将具有重叠区域的小视角、低分辨率的多张图像,经过相应的图像配准与融合算法,拼接成一张具有高分辨率、宽视角的全景图像。针对二维图像拼接方法,综述了将二维图像拼接技术应用于图像处理领域的最新研究进展,重点介绍和总结了图像配准方法和图像融合方法。其中,图像配准方法涵盖了基于SIFT、SURF和Harris点特征的提取方法。分析了各种算法的主要进展、典型算法的原理和优缺点以及国内外研究发展现状。最后,通过各种方法研究与应用情况推测,展望了未来图像拼接技术的发展趋势。     

一种多传感器组合导航系统的改进异步融合算法

针对多传感器组合导航系统中各子导航传感器数据采样率不同且呈有理数倍的这一特殊问题,提出了一种组合导航系统的信息融合算法.首先将多传感器组合导航系统的原始状态方程变换成状态数据块向量与当前状态向量之间的关系,进而构成新的状态方程,而原始量测方程表达为与状态数据块向量之间的关系,进而构成新的量测方程.然后基于具有尺度与小波...     

红外/雷达复合制导数据融合技术中的时间校准方法研究

从理论上分析了适合于红外/雷达双模复合制导背景下数据融合的3种时间校准方法,以校准误差为标准,时间片和目标机动为影响因素对这3种方法的校准效果进行了分析比较,并首次对传感器测量噪声在校准中的传播变化情况通过计算机仿真进行了尝试性研究。仿真结果表明:分段线性插值方法计算最简单,对噪声在校准过程中传播的不确定性有较好的抑制作用,且对时间片和目标机动均不敏感,它满足了双模复合制导对数据融合时间校准方法的要求。最后给出了分段线性插值在双模复合制导数据融合中的应用仿真结果,结果表明分段线性插值方法的时间校准性能良好。     

量测数据自校准融合方法

提出了一种量测数据自校准融合方法,给出量测数据系统误差(未知输入)的自识别自校准公式与计算步骤,能够自动对量测数据中事先无法校准的系统误差进行识别、估计、补偿和修正,从而减小系统误差的影响。建立多传感器的数据融合公式与计算步骤,进而降低偶然误差的影响。分别对线性系统和非线性系统进行了详细讨论,并进行了大量实例计算和仿真模拟验证。从两个算例计算结果可以看出:该方法的相对误差至少要比传统方法减小45%,且计算简单,便于工程应用。      

基于因子图的无人机全源导航关键技术研究

针对DARPA提出的全源导航需要快速集成并重新配置任意导航传感器的要求,结合民用无人机的任务需求,通过概率图模型相关原理,对基于因子图的无人机全源导航关键技术开展研究工作.采用因子图对系统状态更新过程进行表示,实现系统状态的递推与更新,完成传感器信息的数据综合.仿真结果表明,该方法能在传感器可用性时变的情况下,将不同传感器的数据进行有效融合,确保系统导航定位精度,使载体满足不断变化的任务需求与环境变化的要求.     

引入稀疏原子特征融合的滑动轴承摩擦故障状态监测

从信息融合理论出发,将特征的稀疏表达作为特征融合参数,提出一种结合K奇异值分解(KSVD）和最大相关最小冗余准则(mRMR）的轴承摩擦故障特征融合算法。该算法采用KSVD对信号稀疏化,将稀疏系数对应的字典原子作为特征融合的参数,用以表达非线性故障信息;针对字典原子集的优化选择问题,基于互信息的mRMR提出一种确定最优原子集的原子数目的准则;最后,通过最大化原则融合稀疏系数,提取故障状态监测的有效信息。轴承摩擦故障模拟实验的结果表明,所提方法能够更好地融合不同特征的故障信息,相比于单特征和其他融合特征方法,提高了约12%的故障识别率。      

基于双磁阻传感器的场面移动目标检测算法

针对无线磁阻传感器网络的场面移动目标检测系统,提出了一种基于双磁阻传感器的状态互补融合检测算法。算法综合考虑了目标地磁信号的实际特征,将双传感器获取的地磁信号进行数据融合,以避免由于航空器地磁信号的不连续特征而导致的误检为多个目标。验证结果表明,算法较于改进的自适应阈值算法,大大提高了场面移动目标的检测准确率,且算法简单,运行速度快,可以应用在无线节点的微处理器中检测场面移动目标。     

基于深度森林的卫星ACS执行机构与传感器故障识别

针对卫星姿态控制系统（ACS）闭环回路的故障难以辨识的问题,引入深度森林算法,实现执行机构与传感器故障识别。首先针对可获取的少量卫星姿态控制系统遥测数据,结合系统动力学特性,研究合适的特征选择和特征提取方法,再结合深度森林算法进行故障信息学习与辨识,建立故障预测模型,实现执行机构故障与传感器故障的识别。半物理仿真结果表明：在存在气浮台干扰力矩、卫星转动惯量未知、飞轮非线性特性、闭环故障传播等多种不利因素情况下,深度森林算法对于执行机构和传感器故障具有高效的识别能力。     

车载GPS/DR组合导航系统的数据融合算法

建立了车载GPS/DR(全球定位系统/航位推算)组合导航系统自适应联合Kalman滤波的数学模型,研究了综合运用子系统状态评估、自适应信息分配、误差补偿、迭代扩展Kalman滤波、抗野值干扰、U-D协方差分解滤波等技术来提高精度和可靠性的融合滤波算法;针对滤波发散的问题,引入了一种在线估计观测噪声统计特性的自适应滤波方法.理论分析和半物理仿真结果表明,所设计的算法在精度、可靠性、适应性、实时性等方面效果都很好.