基于D-S证据理论的某飞行器地面电源故障诊断研究

针对某飞行器地面电源故障诊断中的特点和难点,运用D-S证据理论对其电气故障智能诊断中的应用进行探讨.本文首先介绍D-S证据方法的基本理论,然后以某飞行器地面电源中的电气故障为例建立故障特征库,最后利用D-S证据理论对该飞行器地面电源故障融合的结构、算法等进行了仿真研究,取得了满意的效果.     

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
     

多源数据融合算法综述

多源数据融合作为一种特殊的数据处理手段,在目标识别领域得到了较大的重视和发展。在介绍多源数据融合的基本原理和功能模型的基础上,对目前的多源数据融合算法进行了全面介绍,从算法概念出发对其进行了分类,分别为物理模型类、基于参数类和基于认识模型类,并阐述了每类算法的特点以及相关算法的改进,列举了目前国内外一些已经发表的重要算法,为下一步多源融合的目标识别研究提供了一定的理论依据。     

基于D-S证据理论的目标属性辨识研究

D—S证据组合理论已经成为不确定性推理的一种重要方法，基于该理论的多传感器决策层信息融合已得到广泛应用。本文在简要介绍D—S证据组合理论框架基础上，阐述了基于D—S证据组合理论的信息融合一般步骤及决策层判决方法；分析了发生证据严重冲突时，Dempster证据组合规则出现的不可靠和不合理的本质原因，介绍了针对D—S证据组合规则进行修正的几种主要方法；最后，提出了需要继续深入探讨的问题。     

非线性系统中多传感器目标跟踪融合算法研究

 研究了在非线性系统中 ,基于转换坐标卡尔曼滤波器的多传感器目标跟踪融合算法。通过分析得出 :在非线性系统的多传感器目标跟踪中 ,基于转换坐标卡尔曼滤波器 ( CMKF)的分布融合估计基本可以重构中心融合估计。仿真实验也证明了此结论。由此可见分布的 CMKFA是非线性系统中较优的分布融合算法     

基于智能信息融合的飞控系统故障检测隔离方法研究

利用小波时频信号分析技术来分离非平稳噪声,提高了残差中故障信息的信噪比.提出了智能信息融合故障检测新方法,应用模糊逻辑自适应调节无故障的模型参数,抑制残差中非平稳信号的增长;采用人工神经网络故障分类器来消除非线性故障信号偏差对残差判决的影响,扩大了故障检测与隔离算法的适用范围.仿真结果表明,该算法技术性能优越,改进效果明显.     

基于关系矩阵的多传感器数据融合方法

以置信距离测度作为数据融合的融合度,先计算出置信距离矩阵,然后分析了计算关系矩阵和确定最佳融合数的几种不同方法,通过分析和算例可以看出,应用椭圆曲线表示的支持程度有助于提高融合结果;并讲述了极值原理法、极大似然法、Bayes法和综合支持程度等数据融合方法,算例表明,这几种融合方法都十分有效,在实际应用中应根据具体情况选择不同的融合方法。     

一种新的变前掠翼无人机气动布局

研究了一种新的变前掠翼无人机气动布局概念,在低、亚、跨和超声速状态下可通过改变机翼的前掠角来获取最佳的气动性能。根据设计指标和翼身融合技术初步设计了其几何外形,并采用三维Navier-Stokes方程数值模拟和对比分析了5种不同任务构型的气动特性。结果表明：①在Ma=0.6巡航时,平直翼加挂副油箱构型最大升阻比为14.55,而三角翼构型仅为8.29;②在Ma=0.4机动时,45°前掠翼构型失速迎角达到38°且具有最大的升力系数2.455,较平直翼构型提高了4.9%;③在Ma=1.5高速突防时,三角翼零升阻力系数最小,比平直翼加挂副油箱构型减小了14.4%,最大升阻比提高了34.6%;④所有计算状态下俯仰力矩特性均良好。研究结果验证了变前掠翼无人机气动布局新概念的合理性和先进性,可为高性能无人机的设计提供参考。     

弹道导弹助推段拦截融合跟踪算法研究

针对空基雷达数据率低的特点,提出一种新的基于雷达/红外成像的机动目标跟踪信息融合算法.建立了弹道导弹目标机动模型和雷达/红外成像导引头观测方程,以动能拦截弹红外成像导引头数据更新时间为基准,以空基雷达采样周期为间隔对距离信息进行实时修正,推导了雷达/红外成像复合制导信息融合跟踪扩展卡尔曼滤波算法.仿真结果表明,该算法融...     

基于混合滤波的无线传感器网络融合跟踪方法

 针对无线传感器网络(WSN)中的多传感器融合目标跟踪,提出一种混合滤波算法,称为无迹混合集中式粒子滤波(UM CPF)。该算法使用了一个混合的粒子传播方案。在使用集中式粒子滤波(CPF)对WSN中的节点测量信息进行融合时,粒子滤波器中的一部分粒子使用从无迹变换(UT)获得的高斯分布作为建议分布进行粒子传播,而剩余的另一部分粒子则简单地使用状态转移先验分布进行粒子传播。WSN中的融合跟踪仿真结果表明,和纯粒子滤波算法CPF相比,在仿真速率相当的情况下,混合滤波算法明显提高了跟踪精度和稳定性。