基于PTE的多雷达航迹融合算法

针对杂波背景下的多雷达航迹融合时局部估计误差互协方差矩阵未知的问题,提出基于目标存在概率（PTE）的航迹融合算法,提升了正确航迹率和跟踪精度。首先,通过综合概率数据关联得到单接收站的目标航迹估计集合和对应的目标存在概率。然后,在局部估计误差互协方差矩阵未知的条件下,基于PTE信息提出不带记忆的综合广义凸组合航迹融合算法。进而将前一帧的融合状态进行反馈,提出带记忆的综合广义凸组合航迹融合算法。仿真验证了所提算法的有效性。     

双流制窄轨电力机车用异步牵引电机设计

将牵引电机应用于双流制窄轨电力机车时,由于窄轨机车轨距小,所以牵引电机安装空间异常狭小,比一般牵引电机在安装空间、电机结构、电磁负荷等方面的要求更加苛刻。针对窄轨双流制电力机车的运用特点和特殊要求进行了分析,提出了牵引电机的设计要求和关键技术难点,并对关键技术难点给出了相应的分析和解决措施。对该牵引电机的制造过程及电机试验测试情况进行了论述。试验结果表明,该牵引电机达到了设计预期,完全能满足设计要求。     

基于Bayes-模糊逻辑算子的小子样可靠性信息融合方法

为了解决航空航天复杂系统可靠性评定中样本量小而导致评估结果可信度不高的问题,引入模糊逻辑算子这一非线性模型对多源可靠性验前信息进行融合,并给出了其参数估计的第二类极大似然(ML-Ⅱ)估计方法,通过仿真示例说明了融合方法的有效性.      

考虑先验信息可信度的后验加权Bayes估计

 先验信息失真及先验样本数量过大会扭曲小子样条件下Bayes融合评估的效果,引入可信度可以改善这个问题。现有的可信度度量方法大都直接基于数据层,即通过判断两种样本是否属于同一分布,这种度量在小子样情况下不太可信,为此提出了一种基于数据物理来源的可信度度量方法。同时归纳了可信度融合评估的准则,分析了现有可信度融合评估方法的不足,并结合正态分布的参数估计问题,给出了一种考虑先验信息可信度的后验加权Bayes估计方法。理论分析和算例都证实了该方法优于常用的Bayes估计方法。     

基于证据理论的航空发动机早期故障诊断方法

在分析航空发动机早期故障特点和数据融合的基础上,将证据理论应用于发动机故障征兆级别的数据融合中,提出了构造基本信任指派函数的方法,从而得到了更准确的早期故障征兆.在此基础上,应用模糊聚类分析方法,依据最大隶属度原则得到发动机早期故障源.该方法考虑了发动机早期故障征兆不明确、不精确、不肯定等特点,应用模糊测度来表示征兆,更符合发动机早期故障的实际情况.      

航空发动机滑油综合监控中的磨损故障融合诊断研究

单一的滑油光谱监控手段容易漏报航空发动机磨损故障.根据滑油光谱监控和自动磨粒检测互补的特点,在某型航空发动机上实施滑油综合监控,应用Dempster-Shafer(D-S)证据理论实现发动机磨损故障的融合诊断,并开发出基于上述监控方法和信息融合诊断的滑油监控专家系统.通过对实际诊断案例进行分析,结果表明:提出的滑油综合监控和融合诊断方法可有效解决该型发动机轴承故障预报的难题.      

基于傅里叶变换的航迹对准关联算法

研究了在组网雷达存在系统误差情况下的目标航迹关联问题,理论分析了雷达系统误差对目标航迹的影响,并将该影响表示为目标航迹的旋转和平移量。在此基础上,提出了一种基于傅里叶变换的系统误差配准前航迹对准关联算法,该算法将组网雷达的航迹数据看做为一种整体信息,采用傅里叶变换理论来估计和补偿组网雷达目标航迹数据到融合中心航迹数据的相对旋转量和平移量,将雷达网中雷达上报的目标航迹数据对准到融合中心,从而不依赖于估计雷达网系统误差,实现了误差配准前的航迹准确关联,能够为后端的系统误差配准提供可靠的关联目标航迹数据。     

基于改进信息融合的航空发动机状态评估方法

针对航空发动机状态监测数据的模糊性和随机性,结合贝叶斯粗糙集和D-S证据理论,提出一种改进信息融合的状态评估方法。首先对样本数据进行离散化处理,通过基于区分矩阵的属性约简算法对影响发动机性能的特征参数进行提取,生成最佳决策表。然后根据置信增益函数重新定义了贝叶斯粗糙集,利用贝叶斯粗糙集的支持度和置信增益函数作为证据的支持程度,得到各准则下的证据基本信任分配。最后利用证据合成法则对多个证据进行合成,得到评估结果。通过实例计算,验证了改进方法应用在航空器发动机状态评估中的有效性以及在处理不完备信息问题时的优越性。     

面向未知区域深度测量的序列图像稠密点特征生成算法

对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。     

多传感器多目标系统误差融合估计算法

为解决多传感器组网系统的系统误差估计问题,基于多传感器多目标上报信息,研究并提出了一种多传感器多目标系统误差融合估计算法.算法构建了两级融合结构,即第一级对多传感器组合状态估计信息进行反馈融合以改善局部组合状态估计精度,从而间接改善系统误差的估计精度,而第二级对多目标系统误差估计信息进行融合以进一步提高系统误差的估计精度.蒙特卡洛仿真显示算法能有效融合利用多传感器多目标信息,实现多传感器系统误差的实时精确估计.