基于纵向滤波的星敏感器低频误差在线估计

多敏感器数据融合是获得更高精度姿态测量的有效方法,敏感器数据融合前必须先修正低频误差。首先,介绍了星敏感器低频误差（LFE）的产生机理及对其在线估计的必要性。其次,针对传统算法的不足,提出了基于纵向滤波的低频误差在线估计算法,该算法将传统低频误差估计问题转化为若干个常值误差估计问题,提高了估计精度。最后,给出了该算法具体实施方式,说明相关参数物理意义及选取原则。通过理论分析及仿真,算法误差可忽略不计。通过在轨数据仿真,星敏感器轨道周期低频误差可被消除。     

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

多机构比对融合的分布式InSAR编队星间基线确定

星间基线高精度确定是分布式干涉合成孔径雷达（InSAR）系统完成科学任务的重要保证,受星载全球定位系统（GPS）接收机连续跟踪弧段短、个别弧段共视GPS卫星个数少或模糊度固定成功率低、频繁轨道机动等因素影响,分布式InSAR高精度基线确定仍有不可靠的风险。通过多机构产品互比来识别基线精度较差的时间段,降低不可靠风险,并通过多机构产品融合进一步提高基线精度。选用重力反演与气候实验（GRACE）卫星数据进行实验,国防科技大学（NDT）和西安测绘研究所（CHS）采用不同的基线处理软件和简化动力学策略,保证了各自的基线产品具有一定的独立性。实验表明,多机构互比对可以有效识别基线精度较差的时间段,NDT和CHS的基线产品之间具有很好的一致性,互比对残差的均方根（RMS）在R、T、N方向分别为0.7、0.9、0.7 mm,二者之间没发现明显系统偏差,大约97.86%的基线三维互比对残差量级在2 mm以内。两个机构基线产品融合后发现可进一步降低基线产品中的随机波动误差,K/Ka波段测距（KBR）系统校核结果表明融合基线产品精度较NDT基线产品提高8.97%,较CHS基线产品提高29.21%。     

基于多源信息融合分析的 导弹贮存寿命评估方法

对于长期贮存的导弹,通常能获取的贮存信息仅为贮存期内的年检数据与少量的例行试验数据,贮存信息相对匮乏,对导弹贮存寿命与可靠性评估工作非常不利。为解决这种工程实践中存在的实际问题,发展了一种采用工程加速贮存与地面鉴定试验相结合的加速贮存信息获取方法,获取典型单机与简单系统贮存信息。将典型单机与非金属材料加速贮存信息与地面鉴定试验信息、现场贮存信息、贮存环境数据以及例行试验信息等数据信息融合处理,建立基于多源信息融合的贮存信息数据库。在此基础上,建立基于现场贮存信息与加速试验信息融合分析的导弹贮存寿命与可靠性评估方法,并给出导弹在现有贮存时间下,继续贮存一定年限的可靠度。     

双惯导自主定位系统方案探讨

介绍了双惯导定位系统的组成、功用和数据融合方式基本模式,提出了三种定位方案并进行了比较分析,阐述了利用车载惯导对弹上惯导的验证性能,通过双惯导互为备份使用使武器系统的机动性和生存能力得到提高.     

航空发动机故障融合诊断研究

结合气路诊断与振动分析方法,建立发动机故障融合诊断模型,探讨气路与振动故障融合诊断方法的可行性。构建故障融合诊断3级体系(故障特征级、故障模式级以及故障决策级融合),实现基于性能参数和振动参数的综合评估方法,获得基于小偏差法的气路故障判据,形成基于动力学分析的振动故障判据,提出故障特征融合的方法,通过算法实现故障融合识别,并在模拟试验器上进行涡轮叶片掉块故障试验验证,获得相应的故障诊断决策。结果表明:设计的发动机故障融合诊断方法合理,算法正确。     

一种基于TCBR与RBR融合推理的试飞支持信息系统

深入研究了基于文本案例的推理(TCBR)、基于规则的推理(RBR)及两者融合的人工智能技术,并首创性地运用于先进战机的试飞支持信息系统,由此构建了先进战机智能化试飞支持信息系统的整体框架。建立了其案例库、规则库和知识库的结构。采用Tomcat7、IK Analyzer、GWT、MySQL等运用软件进行开发。实现了理解问答、智能搜索和案例推理等功能,对于试飞工程师还增加了数据库维护及试飞文档编写助手等功能。运行结果表明:系统整体构架设计合理实用;特别是TCBR和RBR的融合运用使系统体现了接近人类思维特点的智能化特征。     

基于IHS变换的高分辨率遥感图像融合研究与发展

介绍了IHS变换方法和融合原理,以及几种典型的基于IHS变换的融合方法。融合实验采用IKONOS遥感图像．通过对不同融合方法进行比较,总结归纳了基于IHS变换融合方法的发展趋势。     

基于气路参数融合的涡扇发动机性能退化预测

针对单参数驱动的涡扇发动机性能退化预测精度不高的问题,提出了一种基于气路参数融合的涡扇发动机性能退化预测的方法。通过监测发动机性能退化过程中多源参数,采用专家经验和核主成分分析相结合的方法,进行发动机性能参数的选择和融合,从而构建健康参数。基于非线性Wiener过程构建涡扇发动机退化模型,采用极大似然方法求得发动机退化模型的离线参数估计值;由于不同发动机性能退化的差异性,基于贝叶斯更新理念对随机参数进行实时更新,可以实现对单台发动机的性能退化实时预测。通过实例验证,采用此方法在预测末端方均根误差为0.028 3,整体预测精度提升了54.5%,可以辅助指导维修决策。      

基于混沌理论的滚动轴承振动信号融合模型预测

提出融合算法模型,在混沌理论的基础上对滚动轴承振动信号进行预测。基于相图法、最大Lyapunov指数法和关联维数法对滚动轴承振动信号进行混沌判别,证明其混沌性。以预测值和真值间差值范数最小为目标导向优化出Kriging模型、最小二乘支持向量机(LSSVM)模型和极端学习机(ELM)模型的权重,加权法构建融合算法模型。相空间重构法构建滚动轴承振动信号预测的训练样本,并对融合模型、Kriging模型、LSSVM模型和ELM模型进行训练,训练好的模型用于振动轴承振动信号混沌预测。以案例1和案例2共两个实验的滚动轴承振动信号为对象进行验证,两案例的最大Lyapunov指数大于0,从而判断这两个案例的轴承振动信号呈现混沌特性。另外,从方均误差、方均根误差和平均绝对误差指标来评价,融合算法模型的指标值均小于单一模型算法,融合算法模型的预测精度优于单一模型算法。