基于RBF网络的信息融合在SAMS故障诊断中的应用

针对卫星姿态测量系统(SAMS)，将径向基函数RBF(Radial Basis Function)网络和多传感器信息融合技术相结合，并将其应用在系统的故障检测与诊断中。研究结果表明，此方法是可行有效的，可以提高系统的测量精度和性能。     

微型惯性测量组合

本文论述了惯性测量器件和组合的发展简史、机遇，选择微型惯性测量组合牵引我国微米／纳米技术发展的依据，以及采纳的技术路线。     

捷联惯性测量组合标定的仿真研究

本对卡尔曼滤波在捷联惯性测量组合标定中的应用进行了研究,提出了一种辨识激光陀螺和加速度计静态误差的在线正交标定方案,并在不同滤波条件下了仿真验证,结果表明这是一种比较有效的误差标定方法。     

无陀螺惯性测量组合研究现状概述

无陀螺惯性测量技术是利用加速度计代替传统的陀螺，构成无陀螺惯性测量组合实现制导的。结合国内外的研究成果，对NGIMU的研究状况进行了总结。分析讨论了多种加速度计配置方案，评述了相应模型的优缺点。最后对未来的研究趋势进行了展望。     

捷联惯性测量组合误差系数的软件补偿法研究

针对捷联惯性测量组合误差的数学模型,提出了惯性组合误差补偿的计算方法,推导了计算过程,得到了陀螺和加速度计误差补偿公式.通过补偿计算,能够得到弹体在采样时间间隔内运动的视速度增量和角增量.该算法能够满足应用的精度要求,对捷联惯性测量系统的误差补偿有一定的有效性和可行性.     

基于VC＋＋多线程技术的模拟惯性测量组件设计

为了解决在三轴转台试验前,方便验证嵌入式组合导航系统硬件平台设计的可行性,进行半实物仿真.在VC++6.0中MSComm控件的基础上,采用多线程技术设计了一种基于串口通信的模拟惯性测量组件(IMU)软件,并且设计了方便操作的人机界面.该软件使得试验不必采用具体惯性测量组件,可以根据试验目的灵活修改模拟IMU的各项参数,验证整个系统的可靠性以及测试导航算法的正确性.试验表明,该软件能够满足组合导航系统试验的各项要求,为整个系统原理样机的初期研制奠定了可靠的试验平台.     

光纤陀螺惯性测量组合的数字温控系统设计

光纤陀螺惯性测量组合的测量精度会受到环境温度变化的影响。采用温度控制手段能够有效解决这一问题。提出了一种基于分级控制、分段控制和闭环控制思想的温控方案,并在此基础上设计了一种DSP＋FPGA架构的数字温度控制电路,实现了温控电路的整体结构和工作流程,说明了以FuzzyPID算法为核心的温度控制算法原理。试验结果表明,系统具有速度快、精度高等优点,为解决惯性测量组合启动后缩短惯性器件热平衡过程,迅速进入稳定工作状态提供了一种实用方法,也为类似的惯性测量组合温度控制系统提供了有益参考。     

自适应卡尔曼滤波在惯性测量组合误差补偿中的应用

惯性元件误差是捷联惯导系统的主要误差源，必须在导航过程中加以补偿。根据机动目标跟踪理论和惯性测量组合动态模型，分别建立状态方程和观测方程，利用机动频率自适应的算法进行卡尔曼滤波，以此达到惯性测量组合动态误差和随机误差补偿的目的。仿真结果说明该方法可行有效，优于传统的误差补偿算法，能较好地提高系统导航精度。     

加速度计的交叉耦合对无陀螺惯性测量组合影响的研究

研究了加速度计的交叉耦合系数的大小对惯性测量组合的影响，推导了存在交叉耦合系数的惯导方程，从方程中可以看出交叉耦合系数对导航精度的影响，最后通过仿真验证了这种影响。该的研究为无陀螺惯性测量组合的实际应用奠定了基础，并对加速度计的选用具有一定的指导意义。     

运动参数惯性测量模拟弹设计与实验

在研制弹射式发射架的过程中,为了确保在高速飞行器上发射导弹的安全,需要预先在实验室内对发射架的弹射运动参数进行测试研究。而弹射分离过程时间短(仅为30～40 ms)、测量参数多(共18个运动和姿态参数),如何对其参数进行测量就成为一个研究重点。设计完成的弹射实验用模拟导弹是一种专用测试设备,它完全模拟真实导弹的机械特性,内部设计装有微型惯性测量系统(MIMS),可以在弹射过程中完全自主地对所有运动参数和姿态变化进行惯性测量,实验表明测量精度达到3%以内。其中应用的MIMS是惯性测量技术在该领域的创新型应用,具有测量范围大(±500(°)/s)、动态性能好(最高可达4 kHz)、操作简便等优势。     

基于遗传算法的舰载IMU优化布局

惯性测量单元（IMU）用来为舰载武器系统提供准确的姿态并实时监测舰船甲板的变形，对其数目和位置进行优化具有重要的实用价值．提出了多IMU优化布局的原则，建立了舰载IMU优化布局的数学模型，采用遗传算法对IMU的布局进行了优化求解。仿真结果表明，舰载IMU的布局是影响甲板变形估计精度的一个重要因素，通过对IMU的布局进行优化，减少了舰载武器系统所需IMU的数量；利用优化布局后IMU的输出信息对全舰甲板变形进行估计，估计精度有很大提高。     

基于RBF网络的激光陀螺标度因数数据建模研究

前向神经网络中的径向基函数(RBF)网络是一种局部逼近网络,它用局部逼近的总和达到对训练数据的全局逼近,在理论上可以实现全局最优.该文利用径向基函数神经网络对某一温度段的陀螺标度因数的温度数据进行建模处理,并利用各组数据建立一种两因素RBF网络,这两个输入因素选择为温度以及各个温度值对于所属组初始温度的增量.仿真结果表明,所建立的两因素RBF网络可以精确地拟合各温度下的标度因数温度数据,仿真数据的误差与均方差比用BP网络训练的数据效果要好,在数值上提高了近一个数量级.     

FAULT DIAGNOSIS OF ROTATING MACHINERY USING KNOWLEDGE-BASED FUZZY NEURAL NETWORK

A novel knowledge-based fuzzy neural network (KBFNN) for fault diagnosis is presented.Crude rules were extracted and the corresponding dependent factors and antecedent coverage factors were calculated firstly from the diagnostic sample based on rough sets theory.Then the number of rules was used to construct partially the structure of a fuzzy neural network and those factors were implemented as initial weights,with fuzzy output parameters being optimized by genetic algorithm.Such fuzzy neural network was called KBFNN.This KBFNN was utilized to identify typical faults of rotating machinery. Diagnostic results show that it has those merits of shorter training time and higher right diagnostic level compared to general fuzzy neural networks.     

基于神经网络的车辆抗冲击防护组件优化

随着军用车辆防护要求的不断提高,抗冲击防护组件设计面临越来越多的挑战。为了提供一种高效科学的研究方法,本文中采用V型结构,并应用径向基函数神经网络近似模型和多目标遗传算法对某型车防护组件进行优化设计。以防护组件变形量与总体质量最小为设计目标,利用灵敏度分析筛选出对防护组件防护性能影响较大的设计因子。以径向基函数神经网络构建实验设计样本的近似模型,然后用多目标遗传算法进行数值优化获得防护组件最优方案。最后通过仿真与实验验证,证明优化方案满足设计要求。研究结果可为今后防护组件开发提供设计思路。

     

基于提升小波与灰色神经网络的光纤陀螺振动误差建模

光纤陀螺在振动环境下的输出具有噪声大、漂移强的特性,必须建立合理的振动误差模型,以便使用精确的算法进行补偿,从而提高光纤陀螺的输出精度。文中首先使用Allan方差分析法分析了某型号的数字闭环光纤陀螺在振动环境下的输出信号,随后利用提升小波分离出了光纤陀螺误差模型中的白噪声及漂移误差,并提出了基于灰色理论和RBF神经网络的漂移误差建模方法。仿真结果表明,相较于传统的RBF神经网络模型,基于提升小波的灰色RBF神经网络的漂移误差建模方法能有效滤除白噪声,并将漂移误差模型的建模精度提高了一倍左右。该方法能够有效提高光纤陀螺在振动环境下的输出精度,对光纤陀螺在振动环境下的误差研究具有重要指导意义。     

转台的粗糙神经网络故障诊断系统设计

针对转台故障的多样性与复杂性,设计了独立于专家的粗糙神经网络故障诊断系统。首先建立转台故障诊断决策表,然后用粗糙集方法约简冗余属性,最后设计了神经网络分类器和辨识器。实验结果显示,诊断系统能较好地区分和辨识具有相同故障现象的不同故障,诊断正确率达到96.7%。将粗糙集理论与神经网络相结合,简化了信息表达空间,减小了神经网络结构的复杂性,并具有强大的容错和抗干扰能力,工程实用性强。     

基于RBF网络的有源噪声控制

提出一种神经自适应噪声有源控制（ANC）的方法。应用RBF（Radial Basis Function)网络对噪声进行有源控制。针对RBF的网络特点,使用递阶遗传算法确定网络参数（连接权、隐节点中心和宽度），同时解决了网络拓扑结构的优化训练。利用RBF网络的有源噪声控制系统用于三维空间传播的宽频带空调噪声的降噪获得了良好的效果。     

基于灰色模型和RBF神经网络的MEMS陀螺温度补偿

MEMS陀螺的零偏随温度呈非线性变化,同时含有较大的随机噪声.针对传统的多项式模型难以精确表达零偏随温度变化的问题,提出了一种基于灰色模型和RBF神经网络的MEMS陀螺温度补偿方法:首先用灰色模型对数据进行预处理,以减小原始数据的噪声;然后用降噪后的样本数据对RBF神经网络进行训练.在相同的训练次数下训练误差可减小一个数量级.验证试验结果表明,采用该模型补偿后的陀螺零偏误差较传统的多项式模型减小一个数量级,较未经预处理的RBF神经网络减小2/3.     

惯性测量装置火箭橇试验外测数据融合方法

在3 km火箭橇试验的基础条件下,为解决惯性测量装置火箭橇试验中雷达外测系统、遮光板外测系统和GPS系统的时间不同步、初始状态不一致以及分离误差采用单一外测数据的问题,通过解算和分析火箭橇试验过程中的雷达外测数据、遮光板外测数据和GPS外测数据的数据特点,探究了一种雷达外测、遮光板外测和GPS系统的数据融合方法。该方法有效的利用了雷达的测速精度和遮光板的位置精度,弥补了水刹车段外测手段单一的不足,成功将各外测系统融为一体,系统位置精度小于0.02 m,系统测速精度小于1‰,为惯性测量装置的误差分离提供了一个完整、准确的外测系统。