基于QR分解最小二乘算法消除ECG中工频干扰

研究了一种基于QR分解最小二乘(QRD-LS)算法消除ECG中工频干扰的方法,此方法采用基于数据域处理的QRD-LS算法进行权值的训练和更新,其直接针对输入数据矩阵进行递推,且可用并行Systolic处理结构高效地实现。并且能自适应消除工频干扰,提高信干比,仿真结果验证了理论。     

灾害天气下大跨屋盖多模态随机离散风致响应研究

研究了具有空间相关性随机风荷载有色噪声过程的数学模型,讨论了用随机白噪声过程滤波生成脉动风荷载的方法。高阶振型对大跨屋盖随机风致响应的贡献不可忽略。本文根据模态解耦原理并结合精细时程积分法,提出了多模态随机离散精细积分法,推导了大跨屋盖风致响应与风效应系数的计算公式。通过大跨屋盖刚性和气弹模型风洞试验,计算了屋盖随机风致动力响应时程。同时研究了大跨屋盖的荷载风效应系数和位移风效应系数的分布情况,结果与有限元分析较吻合,验证了多模态随机离散精细积分法的正确性,证实了该方法是一种简便、快速、准确的大跨屋盖风致响应计算方法。     

一类非仿射型系统的神经网络自适应控制

针对一类未知控制方向的非仿射型系统的神经网络自适应控制问题进行了研究,提出了一种基于隐函数定理、反演设计技术、Nussbaum-型函数和神经网络理论相结合的新颖的自适应控制策略,成功地解决了该类系统控制器设计问题,为该类控制问题提出了一种解决思路。最后给出的数字仿真算例证明了该设计方法的有效性。     

航空发动机故障诊断的机载自适应模型

提出了复合拟合法建立状态变量模型,该方法应用于建立高维状态变量模型时,具有较高的精度.将健康参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计得到健康参数.为了减少自适应模型与真实发动机之间的建模误差,在自适应模型中加入神经网络对稳态基点模型进行修正,从而提高了故障诊断系统的置信度.      

一种基于可观测度分析的SINS/GPS自适应-反馈校正滤波新方法

 针对机载捷联惯导系统(SINS)/全球定位系统（GPS）组合导航系统不完全可观测导致滤波器精度下降甚至发散的问题,提出了一种基于系统状态可观测度分析的自适应反馈校正滤波新方法。该滤波方法改进了系统可观测度的归一化处理方法,将归一化处理后的系统状态可观测度作为反馈因子,对SINS系统进行自适应反馈校正。最后,将该方法应用于机载合成孔径雷达(SAR)运动补偿用SINS/GPS组合导航系统中,飞行试验结果表明该方法在系统不完全可观测的情况下有效地提高了导航精度。     

三星无源定位的精度分析及定位算法

 在三颗地球同步卫星加气压高度表的无源定位中,定义了气压高度表水平几何误差因子(HDOP)和伪距位置几何误差因子(PDOP),并给出了相应的数学表达式和分布图。提出了在卡尔曼滤波算法中增加多普勒频率作为观测量,同时选用衰减记忆法滤波,并给出了相应的算法。仿真结果表明：衰减记忆法滤波可以有效克服因Singer模型不准确引起的卡尔曼滤波发散;对于高中动态用户,增加多普勒频率后的衰减记忆卡尔曼滤波算法的定位精度要高于常规卡尔曼滤波法和迭代最小二乘法的定位精度。     

基于径向基神经网络的空天飞行器鲁棒自适应轨迹线性化控制

基于轨迹线性化控制方法(TLC)以及径向基神经网络(RBFNN)技术研究了一种新的鲁棒自适应轨迹线性化控制方案并应用于空天飞行器(ASV)飞行控制系统设计中.首先基于被控对象的分析模型设计系统的TLC控制器,然后利用RBFNN对系统不确定的逼近能力,设计了鲁棒自适应控制器及参数的自适应调节律,并采用Lyapunov方法严格证明了闭环系统所有误差信号一致最终有界.最后应用新控制方案设计了ASV飞行控制系统,仿真结果表明了方法的有效性.      

航空发动机部件性能故障融合诊断方法研究

提出一种对航空发动机部件性能蜕化进行融合诊断的模糊决策融合机制,以改善单独采用基于模型和基于数据的部件性能故障诊断的漏诊与误诊的问题.传感器测量值同时输入到基于自适应模型的和基于数据的诊断模块中,分别利用卡尔曼滤波算法和最小二乘支持向量机(LSSVM)对主要部件故障性能参数估计,再利用模糊逻辑调整决策权重以进行D-S(Dempster-Shafer)证据理论的决策融合诊断.以某型涡扇发动机为对象进行单部件和双部件蜕化仿真研究表明,与单独使用基于模型和基于数据的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度.      

一种基于高斯混合模型粒子滤波的故障预测算法

针对一类故障预测问题提出了一种基于粒子滤波的故障预测算法。在算法的状态估计阶段,采用联合估计和粒子滤波同时估计对象系统故障演化模型状态和未知参数的后验分布。在算法的状态预测阶段,采用了两种不同的计算方法：一种方法是对状态变量当前时刻的后验分布进行迭代采样,从而获得未来时刻的状态变量的先验分布;另一种方法是采用数据驱动的方法预测未来一段时间内对象系统的量测信息,从而将未来时刻状态变量的先验分布的预测问题转化为一个求解后验分布的估计问题。采用高斯混合模型近似随机变量分布密度,从而将两种方法的计算结果在一个统一的预测框架之下进行有效交互,进一步提高了预测的准确性和可靠性。在算法的决策阶段,在获取的故障演化模型状态变量分布基础上,结合一定的故障判据近似计算出对象系统剩余寿命分布。故障预测仿真实验结果证明了所提算法的有效性。     

一种基于协方差矩阵加权的阵元误差补偿STAP处理

机载多通道阵列雷达天线在工程实践中不可避免地存在各类阵元误差,所产生的通道失配问题会对空时二维自适应处理的性能造成大的影响。对存在阵元误差时的阵列信号模型进行了分析,提出了一种基于协方差矩阵加权（CMT）的阵元误差补偿空时自适应处理（STAP）方法,在工程应用中该加权矩阵可通过地面天线定标及校飞过程确定,通过对总干扰协方差矩阵估计的加权预处理,可将实际阵元误差对STAP性能的影响控制在测量误差的影响范围,最后通过仿真验证了算法的有效性。