基于AR建模的组合导航系统渐变故障双阈值检测方法

针对传统残差χ~2检测方法在组合导航系统中渐变故障检测率不高的问题,为了及时有效地检测故障信息,提高系统可靠性,提出了一种基于AR量测建模的组合导航系统渐变故障双阈值检测方法。该方法通过建立无故障条件下量测数据的AR模型,结合卡尔曼滤波模型得到量测预报值进行残差计算,提高故障检测的灵敏度;搭建双阈值检测门限,对误警率和漏警率之间的受污染的量测数据,采用双阈值门限进行分类处理,降低了漏警率对数据可靠性的影响。避免由于传统残差χ~2检测方法因引入观测污染数据,对渐变故障不敏感的问题。为了验证所提方法的有效性,将该方法应用到SINS/GNSS组合导航系统中进行仿真实验。仿真结果表明,所提方法渐变故障检测漏警率较常规残差χ~2双阈值检测方法降低69%以上,整体滤波精度提高19%以上,提高了系统的可靠性。     

基于支持向量回归机的陀螺漂移预测模型

为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立了基于支持向量回归机的预测模型。针对该预测模型的特点,提出了支持向量预选取的模型优化方法。基于ε不敏感损失函数的支持向量回归机具有稀疏性,其结构由支持向量决定。因此从训练样本集中预选出有可能成为支持向量的样本,精简样本规模是提高该类支持向量回归机训练和预测效率的有效方法。针对该类支持向量回归机从分类和回归两个角度分析了支持向量的几何特征,提出了核函数空间免疫聚类的支持向量预选取方法并用于某导弹陀螺漂移预测模型的数据预处理。仿真结果表明优化后的预测模型运算量小、建模速度快,精度高。     

一种重力辅助导航系统故障诊断与容错方法

为了解决重力辅助导航系统软故障检测上的不足,针对重力辅助导航系统的特点和不同故障的性质,提出了一种新的重力辅助导航联邦滤波容错算法,该算法将系统的残差和方差组成故障检测函数的阈值,使阁值包含了联邦滤波全局信息和子系统特征信息,并将传统故障诊断算法对故障的检测改为对滤波收敛性的检测,根据联邦滤波全局收敛信息的不同,动态确定故障诊断函数.通过惯导/计程仪/重力组合导航系统的仿真试验,证明了该方法具有较强的故障诊断能力,有效改善了重力辅助导航系统对软故障检测失效带来的滤波发散定位错误的问题,抑制了重力故障给组合导航系统带来的误差,明显提高了重力辅助导航系统的精度和容错性能.     

一种基于多尺度和改进支持向量机的光纤陀螺温度漂移建模与补偿方法

为了提升光纤陀螺温度漂移模型建模的准确性及补偿的效果,提出了一种基于改进支持向量机的多尺度建模和回归方法。首先分析了造成光纤陀螺温度漂移的关键因素,给出了建模的属性参数和温度试验。然后根据经验模态分解得到的本征模态函数排列熵的变化趋势,得出了回归精度和熵之间的变化关系,进而提出了基于信号分解的多尺度回归方法。为了提高上述多尺度回归算法的适应性,在传统支持向量机的基础上,提出了基于组合核函数的支持向量机回归算法,以适应不同特性的回归数据集。为了进一步提高回归精度,基于降低回归数据复杂度的分段回归思想,在上述多尺度回归的基础上提出了双-多尺度回归,并验证了方法的有效性。最后,将提出的算法以实际的光纤陀螺温度漂移数据进行验证,结果表明,相比于传统的支持向量机和反向传播神经网络具有更好的回归精度,温度漂移模型也更加精确,以均方误差指标为例,回归精度提升了两个数量级。     

基于卡方检测和相关向量机的DVL异常信息处理机制

多普勒计程仪（DVL）工作在未知、复杂的水下环境中时,各个波束的有效性不是都能保证,偶尔会不可避免地产生异常信息,导致水下组合导航系统的定位精度下降。针对水下航行器长航时定位中可能出现的DVL野值和短时失效,提出一种用于SINS/DVL组合导航系统的DVL异常信息处理机制,一方面采用滑动窗卡方检测方法,消除野值对导航精度的影响;另一方面采用基于稀疏贝叶斯理论的相关向量机算法建立DVL速度回归预测模型,在DVL短时失效时输出速度信息避免SINS误差积累。基于长江试验的实测数据,对比了所提方法与DVL失效时仅隔离DVL、采用相关向量机模型预测但未处理野值以及采用支持向量机模型预测并处理野值三种方法,所提方法分别提升了68.8%、67.3%和22.6%的定位精度,可以更准确预测DVL速度输出并且避免野值导致的滤波精度下降问题,验证了该DVL异常信息处理机制的有效性和鲁棒性。     

基于LS-WSVM的光纤陀螺漂移辨识

提出了一种最小二乘小波支持向量机(LS-WSVM)的光纤陀螺的漂移辨识算法.该方法将Mexihat小波函数作为核函数,与最小二乘支持向量机(LS_SVM)相结合建立起通用模型;用光纤陀螺漂移数据训练通用模型,从而得到该光纤陀螺的漂移模型.并用F法则检验了该模型的适应性.试验表明,在相同条件下,与基于Gauss核函数的最小二乘支持向量机模型相比,该模型拥有更高的辨识精度.证明了用最小二乘小波支持向量机对光纤陀螺的机漂移辨识是合适的,有效的.     

加速度计参数长期稳定性多尺度混合建模与预测

针对温度、振动等环境载荷导致石英挠性加速度计参数随着时间发生非线性变化,难以进行准确描述的问题,提出一种加速度计参数长期稳定性多尺度混合建模方法,并利用所建模型对参数变化进行预测。首先,采用经验模态分解对参数长期变化序列进行多尺度分解,使其平稳化以降低其复杂度,为多尺度混合建模奠定基础;然后,在单核向量机的基础上,应用多核最小二乘支持向量机数据拟合算法,以提高多尺度混合建模算法的准确性与适应性;而且为了提升多核向量机的性能,设计一种自适应人工鱼群寻优算法对多核向量机的相关参数进行寻优;最后,建立石英挠性加速度计参数长期稳定性模型,并通过实例进行模型适用性验证与预测性能验证。结果表明,所提出的建模方法相比于传统最小二乘方法,模型更加精确,预测精度更高,零偏K_0与标度因数K_1的预测均方根误差分别降低了88.65%、86.49%。     

基于C-SVM的组合导航系统故障诊断算法

为了提高捷联惯性组合导航系统的可靠性,将聚类支持向量机(C-SVM)应用于故障诊断技术,基于SINS/DVL/MCP/TAN组合导航系统建立了C-SVM故障诊断模型,将SINS/MCP、SINS/TAN和SINS/DVL三个子滤波器的相关特征量(残差值和状态检测函数)作为样本对C-SVM进行训练,并应用交叉验证法选择参数组.根据训练好的C-SVM模型分别对三个传感器进行故障诊断,若发生故障则屏蔽相应传感器的输出信息,利用其余的传感器进行重构.仿真结果表明,C-SVM的故障诊断正确率较高,特别是当训练样本数有限的情况下也能够达到较好的性能,克服了传统的神经网络在训练样本数较少时推广性能不足的问题,因此是一种理想的故障诊断技术.     

一种磨损预测的优化算法研究

根据机械部件磨损机理复杂、磨损量预测难精确的特点,提出基于免疫粒子群参数优化的最小二乘支持向量机方法预测磨损量.该算法采用免疫粒子群优化最小二乘支持向量机建模参数,避免了算法陷入局部最优解,实现了精确度高、泛化能力强的磨损量预测模型.对轴承钢试件磨损进行了试验研究,试验数据分析结果表明,基于免疫粒子群的最小二乘支持向量机预测方法优于前向反馈神经网络算法、遗传算法及蚁群算法,预测误差较小,具有很好的预测能力.     

基于SVM回归的圆柱壳体抗脉冲强度预估模型

在小子样结构响应试验数据样本的基础上,利用支持向量机回归的方法模拟了圆柱壳体动态极限应变峰值同壳体几何尺寸和外加脉冲载荷大小的非线性函数关系,同时通过改进的模拟退火单纯形混合算法优化了支持向量机的性能参数,并将支持向量机回归分析的预测性能同BP人工神经网络方法做了比较,验证了具有优化性能参数组合的支持向量机在小样本条件下更好的预测和推广能力. 最后,从支持向量机回归模型导出了大尺寸圆柱壳体抗脉冲载荷的强度极限同自身几何尺寸的多元函数关系,从而为该类型壳体设备抗脉冲载荷的强度分析提供了一个可借鉴的预估模型. 研究结果表明了支持向量机在机械结构的强度预估和可靠性分析等力学领域具有广泛的应用前景.      

一种基于遗传模糊推理的自适应容错滤波算法

针对常规卡尔曼滤波在组合导航中容错性不足的问题,提出了一种基于遗传模糊推理的自适应容错滤波算法。首先建立了基于模糊推理的自适应滤波模型,利用模糊推理系统的输出对组合导航系统的量测噪声实时进行调整,以实现状态的精确估计,进而达到容错目的。接着利用自适应遗传算法对模糊推理系统的隶属度函数参数进行了优化,提高了系统的输出精度,改进了传统模糊建模中系统精度取决于专家知识是否完备的问题。最后以SINS/GPS组合导航系统为平台进行了仿真,并在系统工作中间时刻引入量测噪声故障。验证结果表明遗传模糊推理自适应滤波算法比常规卡尔曼滤波具有更强的容错能力和总体精度,在仿真中,平均位置和速度均方根误差分别降低了20.87%和41.94%。     

基于时间序列分析的自适应联邦滤波算法

以信息源的视角审视联邦滤波信息分配系数的问题,提出基于时间序列分析的自适应联邦滤波算法。通过引入导航传感器历史数据作为信息基础,以自回归滑动平均模型对其进行分析,使信息分配系数与导航传感器工作状态和环境状态相适应,提高系统性能。将此算法应用于组合导航系统,通过仿真实验对比,新的算法比经典联邦滤波算法定位精度提高40%,比其他的自适应联邦滤波算法位置误差标准差、速度误差标准差分别平均提高19.74%和30.67%,说明该算法具有良好性能。     

容错信息融合滤波算法的研究

本文针对容错组合导航的特点，提出一种新的信息融合滤波算法，该算法既能提高系统的容错性能，使系统具有良好的实时故障检测、隔离和重构的能力，又能使系统出现故障时，重构的系统由于获得了融合的系统信息，以较高的精度工作。文中证明该算法与集中卡尔曼滤波器等效，因而是最优的。     

Evaluation of fractal terrain model for vehicle dynamic simulations

Fractals are a popular method for modeling terrains that include various scales. This paper investigates the effectiveness of using fractals for generating artificial terrains which can be used for vehicle simulations. The 3-D Weierstrass–Mandelbrot function was used to generate surfaces based on experimentally measured terrains. There is an exponential relationship between the root means squared elevation of the surfaces and the fractal scaling parameter. This relationship was used to determine the required fractal parameters to generate a surface with a desired roughness. A light detection and ranging (LiDAR) sensor coupled with a global positioning system (GPS) and inertial navigation system (INS) was used to measure two off road surfaces. The experimental terrain was then compared to the simulated terrain. Based on the comparison, the fractal model can capture the general roughness of the experimentally measured terrains as determined by the dynamic response of a suspension model. However, the fractal model fails to capture some of the nuances and non-periodic events observed in experimental terrains.     

里程计辅助陆用惯导行进间对准方法

行进间对准技术能够使惯导在运动状态下完成系统初始化,它对于提高载体机动能力具有重要作用。与静基座对准不同,行进间对准通常需要利用外部设备(在陆用导航领域,通常使用GPS或里程计)提供载体运动信息对惯性导航系统输出进行补偿和修正。由于里程计辅助的行进间对准具有全自主的特点,因而被广泛采用。本文通过对里程计误差进行合理建模,并采用位移增量匹配方法实现了里程计和惯导系统的组合。同时,针对复杂路面环境下由于车体侧滑、空转等造成里程计测量失准等故障现象进行有效诊断,以此提高了组合导航系统的可靠性。通过行进间对准试验,结果表明由里程计辅助的惯导系统经过10 min初始对准,航向误差小于0.05°,精度和静基座相当。     

Computation of Full-field Strains Using Principal Component Analysis

The primary output from several full-field deformation measurement techniques, e.g., Digital Image Correlation (DIC), is the displacement vector at a dense grid of points covering the area of interest. Since such displacement data inherently contain noise, they are usually smoothed first and then differentiated to obtain strains. Another common approach is to use finite-element shape functions for the strains and compute them by treating the measured displacements as nodal displacements. In this paper, we propose a novel method for strain calculation from full-field data, based on the multivariate analysis technique of Principal Component Analysis (PCA) using which we first obtain the singular values and singular vectors for each component of the displacement field. By choosing only the dominant singular values and their corresponding singular vectors, we show that the dimensionality of the displacement data is sharply reduced and a significant portion of the noise is eliminated. Moreover, the shapes of the dominant singular vectors offer physical insight into dominant deformation patterns. We demonstrate the accuracy of the proposed technique by applying it to two cases each of homogeneous and inhomogeneous strain fields and show that in all cases the proposed method yields excellent results.     

用于GPS/SINS故障检测/隔离的ARTMAP模型

故障检测／隔离对于保证组合导航系统的高可靠性是十分重要的。本文提出了一种用于 ＧＰＳ／ＳＩＮＳ故障检测／隔离的神经元方法,根据状态、残差两种χ２检验法的实时结果检测故障, 然后用一个ＡＲＴＭＡＰ模型确定故障所在位置,进行故障隔离。通过仿真,证明了这种方法的 有效性。     

大椭圆轨道卫星天文/雷达高度计组合导航方法

为了实现大椭圆轨道卫星在整个轨道上的自主导航,提出了一种天文导航与雷达高度计测高相结合的组合导航方法。由于大椭圆轨道卫星在近地点动力学特性变化剧烈,单纯的以星光仰角为观测量的天文导航方法精度严重下降。雷达高度计能够直接获得高度测量,但是受其体积和功率的限制,测量范围仅为1000 km以下的高度。考虑到两种方法的特点,采用两种方法的组合导航方案,利用UKF滤波方法进行导航估计。当卫星进入近地点附近,其高度小于1000 km时,在天文导航中引入雷达高度计测量实现精确导航;当卫星在远地点时,则仅采用天文导航方法。仿真结果表明,所提出的组合导航方案,能够充分结合两种导航方法的特点,实现大椭圆轨道卫星自主、连续的导航信息输出,其导航精度较单纯的天文导航方法提高约68.9%。     

混合驱动水下滑翔机水动力参数辨识

与传统水下滑翔机相比,混合驱动水下滑翔机可以分别利用头部的浮力驱动单元和机身尾部的螺旋桨推进单元进行驱动从而实现不同形式的运动,具备低功耗、长航程、良好机动性等特点,具有广泛的应用前景. 准确的动力学模型以及精确的水动力参数是实现混合驱动水下滑翔机控制系统设计以及精确导航的基础. 在混合驱动水下滑翔机动力学模型已知的前提下获得准确的水动力参数是本文主要研究的问题. 本文以天津大学研制的混合驱动水下滑翔机“海燕” 作为研究对象,提出一种在有限航行参数条件下,基于大数据统计分析的计算流体力学(computational fluid dynamics, CFD) 和参数辨识相结合来获取混合驱动水下滑翔机的水动力参数的方法. 即首先建立滑翔机的动力学模型,推导出稳态数据与所求水动力参数的关系;然后采用CFD 的方法得到其升力系数,根据大量稳态纯滑翔实验数据,结合大数据统计分析,辨识出其剩余水动力参数;最后,根据混合驱动模式下的实验数据辨识出与螺旋桨相关的参数,从而得到其整套的水动力参数. 该方法不仅结合了CFD 方法具有获取复杂外形结构航行水动力的特点,而且可以有效利用大量现场实验数据,因而能够更加准确地辨识其实际运动. 通过运动仿真与试验对比,验证了该辨识方法的正确性和有效性,对滑翔机的研究具有指导意义.