一种基于观测站数目最小化的TDOA/FDOA无源定位算法

在三维（3D）运动目标无源定位系统中,无模糊定位最少需要4个观测站。而传统的两步加权最小二乘（TSWLS）及其改进的闭式算法至少需要5个观测站进行求解,当减少一个观测站时,这些闭式算法往往无法提供可靠解。针对这一问题,提出一种最小化观测站数目的到达时间差（TDOA）与到达频率差（FDOA）定位算法。该算法是一种闭式解法并且能够在三维场景下仅使用4个观测站进行定位。该算法分为两步：第1步分离传统的TSWLS算法中未知参数空间,建立了一组新的等式,并且利用加权最小二乘（WLS）算法得到目标位置与速度的初始值;第2步利用泰勒级数展开算法将中间变量线性化,对目标位置和速度初始值进一步校正。理论分析证明了在适当的噪声水平下该算法能够达到克拉美罗界（CRLB）。此外,计算机仿真表明仅使用4个观测站时,该算法对于近场以及远场目标参数的估计精度在测量噪声较小时可以实现CRLB;并且还表明使用5个观测站估计时,该算法比TSWLS及其改进算法能更好地适应大的测量噪声。     

故障树分析在某APU进气门故障诊断中的应用

首先介绍了故障树分析方法的概念和原理,然后以某辅助动力装置（APU）进气门组件为例．在对系统故障现象进行分析判断的基础上,按照任务和功能关系,建立包含各功能单元的故障树模型。随后求得系统的最小割集,并计算出底事件的重要度,并以此为依据,从大到小排序,确定故障诊断的最优程序。实验结果表明,所用方法具有较强的故障诊断能力,能进行准确的故障定位,并能给出相应的故障处理措施,为该辅助动力装置故障诊断的发展提供了较为实用的参考价值。     

涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。     

基于模型辨识的发动机部件特性修正研究

在发动机的总体性能研究中,发动机部件特性图的准确程度对总体性能计算结果有明显的影响.研究表明,部件特性数据的偏差,尤其是风扇、压气机及涡轮等部件特性的偏差会使发动机总体性能计算结果出现很大的偏差,与实际性能不符.本文采用变分加权最小二乘法对试验数据进行模型辨识分析,充分利用发动机整机测量的试验数据对发动机部件特性进行修正,该修正可反馈各部件实际特性信息,可为各部件分析及完善设计提供参考和依据.     

基于神经网络的MIMO非线性最小相位系统鲁棒自适应控制

 针对一类模型未知的具有不确定性和外部干扰的多输入多输出（MIMO）非线性最小相位系统提出了鲁棒自适应输出反馈跟踪控制方案。用高斯径向基函数（RBF）神经网络逼近对象未知非线性,用高增益观测器估计系统不可测量状态。所设计的鲁棒自适应控制器不仅能使闭环系统稳定,所有状态有界,而且跟踪误差一致最终有界,并保证最终边界足够小。仿真结果表明了所提出方法的有效性。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

振梁加速度计温度误差模型及补偿技术研究

研究了振梁加速度计温度误差建模及补偿问题。分析了振梁加速度计受温度影响的主要因素,应用最小二乘算法得到零偏、标度因数与温度的多项式拟合关系,进而得到振梁加速度计的温度误差模型。利用该误差模型进行温度补偿。结果表明：经过温度建模和补偿,振梁加速度计精度有明显的提高。     

存在观测站位置误差的转发式时差无源定位

无源定位中,由于观测站安放在运动平台等原因造成的观测站位置误差会影响无源定位精度性能。另外到达时间差(简称时差)(TDOA)的转发式测量需要将不同观测站截获到的辐射源信号都转发到同一位置,如主观测站。针对这两个问题,提出了基于约束总体最小二乘(CTLS)的无源定位算法。首先将转发式时差的非线性定位方程转化为不需要中间变量的直接线性方程,再基于CTLS算法依次转化为约束优化问题和无约束优化问题,最后推导给出定位近似闭式解。仿真实验表明在观测站误差较大时,该算法与其他算法相比定位精度性能较好。     

一种宽带阵列幅相与互耦误差联合校正算法

宽带数字阵列雷达接收通道中存在随频率变化的幅相误差和互耦误差,会严重影响雷达性能。针对这一问题,提出了一种宽带数字阵列幅相与互耦误差联合校正算法。首先选取通带内多个离散频点,对于每个频点,将幅相误差和互耦误差作为一个整体,采用基于子空间原理的窄带校正算法估计其阵列失真参数,并计算校正矩阵;然后将其组合起来,构成频域离散校正矩阵;最后基于最小二乘准则,设计了宽带有限长脉冲响应(FIR)校正滤波器矩阵。利用该矩阵,可实现通带范围内任意带宽入射信号的校正。计算机仿真实验验证了该算法的有效性。对实测数据的处理结果表明该算法在宽带数字阵列雷达系统中具有实用价值。     

结合不确定度的发动机模型辨识气路诊断

针对航空发动机气路诊断中测量参数个数小于待诊断参数个数的不适定问题,利用了发动机平衡技术,结合非线性的发动机数学模型,并综合考虑了测量参数的不确定度和理论模型部件性能的不确定度,建立了一种结合不确定度的发动机气路故障诊断辨识算法——变分加权最小二乘法,并将该算法应用于某发动机的诊断分析中.结果表明:运用该方法可分析出测量数据和模型计算数据之间的差别,同时,利用所得的故障参数修正量修正原发动机数学模型,使模型计算推力与试验测量推力最大偏差由8.25%减小到1.66%,耗油率最大偏差由6.25%减小到1.50%.