基于一组卡尔曼滤波器信息融合的故障诊断

为了能及时准确地诊断发动机的传感器和执行机构故障,文章提出了基于一组卡尔曼滤波器信息融合的方法进行故障诊断;首先根据传感器特性设计了一组滤波器用于传感器故障诊断、隔离,每个滤波器针对一个传感器进行设计;其次根据执行机构故障特性设计了一组卡尔曼滤波器进行执行机构偏差估计,从而对执行机构进行故障诊断、隔离;接着给出了传感器、执行机构信息融合的诊断方案;最后分别给传感器、执行机构添加故障进行方案验证,仿真结果得出在传感器或者执行机构任意部件出故障的情况下,该融合方法可以有效地诊断并隔离出有故障的传感器或者执行机构。     

南京大学物理学院诚聘海内外优秀人才

南京大学物理学科是我国高等院校中创立最早的物理学科之一,多年来,追求卓越,名家辈出,为我国物理学发展做出了重要贡献。物理学院目前设有四个系:物理学系、光电科学系、现代物理学系、声科学与工程系,覆盖了理论物理、凝聚态物理、声学三个全国二级重点学科。物理学院和南京大学固体微结构物理国家重点实验室是南京大学教学、科研优势资源最为集中的平台之一。由南京大学牵头新成立     

无限深量子阱量子比特及其声子效应

采用Peaker变分法,研究无限深量子阱中量子比特及其声子效应。量子阱中这样的二能级体系可作为一个量子比特。当阱中电子处于基态和第一激发态的叠加态时,电子的概率密度在空间作周期性震荡,得出了振荡周期随耦合强度的增加而减小,随振动频率的增加而增大。     

二能级原子自发辐射过程中的Wigner-Yanse偏振信息

研究了单个二能级原子自发辐射过程中原子和光场的Wigner-Yanse信息的变化情况. 分别计算了原子和辐射场的Wigner-Yanse信息. 结果表明：原子和光场的Wigner-Yanse信息都依赖于的平均值 , 并且当原子处于基态时, 光场的Wigner-Yanse信息达到最大值. 此外, 还发现原子与光场并不是同步地达到最大混合态.     

多传感器信息融合技术在水下组合导航系统中的应用

为了提高水下航行器组合导航定位的精度,采用SINS(捷联式惯性导航系统)、DVS(多普勒速度声纳)、TCM2电子磁罗经和GPS浮标组成新型水下航行器组合导航系统,分析了SINS、DVS、TCM2电子磁罗经和GPS浮标的工作原理以及建立了各自输出误差模型,利用联邦Kalman滤波对水下组合导航系统进行信息融合,建立了水下组合导航系统联邦滤波器的观测方程和量测方程,并进行了计算机软件仿真实验。仿真实验表明:使用联邦卡尔曼滤波的水下组合导航信息融合技术导航输出精度满足水下航行器高精度高可靠性的性能指标。采用了SINS,DVS,TCM2,GPS浮标以及联邦卡尔曼滤波的水下组合导航系统可以有效地提高水下航行器组合导航定位的精度和可靠性,从而增长了水下航行器水下作业时间以及提高了水下航行器的水下导航定位性能。     

对"联邦滤波器信息分配系数的优选算法"一文的商榷

介绍了联邦滤波算法和信息分配原理，指出《中国惯性技术学报》第11卷第6期“联邦滤波器信息分配系数的优选算法”一中存在一些问题，说明使用该优选算法进行信息分配，可能使主滤波器方差阵失去正定性；将联邦滤波用于GPS姿态测量，实验表明动态选择信息分配因子，相对于固定信息分配因子的算法并没有明显优势。     

联邦滤波器理论研究

应用矩阵理论和信息分配原理导出集中卡尔曼滤波、分散化滤波和联邦滤波之间的等价关系，证明联邦滤波器的全局滤波精度和集中卡尔曼滤波的滤波精度相同，并用信号流程图直观清晰地说明联邦滤波比分散化滤波结构更简单，计算量小。提出一种动态最优信息分配系数确定的方法，该方法使联邦滤波局部滤波器的设计也成为最优，并从理论上证明其具有最高的软故障检测灵敏度。     

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。     

组合导航非等间隔联合滤波

组合导航系统中各种导航设备数据更新频率的不同会导致联合滤波算法无法在每个计算周期都融合局部滤波器的信息，从而导致信息丢失和引入人为误差。为此提出了一种可以最优融合不同测量周期信息的非等间隔联合滤波算法，并且给出了算法的最优性证明。这种算法通过设定不同的计算周期和融合周期，实现了非等间隔测量信息的最优融合。     

多集值信息表中的多粒度模糊决策论粗糙集

多粒度粗糙集和决策论粗糙集是Pawlak粗糙集的重要推广,目前已成为人工智能研究的热点.然而,它们大多处理的都是单值信息系统中的问题.而实际生活中绝大多数都是处理多值问题,为了解决这一问题,在多集值信息表中将多粒粗糙集与模糊决策论粗糙集相结合进行研究,提出了其在乐观,悲观情形下的上下近似,研究了一些相关性质并给出了多集值信息表中的多粒度模糊决策论粗糙集精度、粗度的概念,最后通过一个具体例子验证其有效性.