自主水下航行器控制系统实时故障检测新方法研究

采用有限脉冲响应(FIR)滤波器对水下航行器进行在线自适应建模,并利用LMS算法来调节自适应滤波器的权系数,通过对FIR滤波器权系数的分析,可实时检测出系统的故障.在水下航行器控制系统中应用该方法对传感器和执行器的故障进行检测.仿真结果表明该方法简单、可靠,可对水下航行器控制系统进行实时故障检测.     

无人水下机器人传感器故障检测仪研制

针对OUTLAND1000无人水下机器人,采用自适应滤波器FIR对水下机器人进行在线自适应建模,并利用LMS(least mean square)算法来调节滤波器的权系数,通过对滤波器权系数的分析,实时检测水下机器人传感器的故障,以TMS320F2812芯片为核心设计水下机器人传感器故障检测仪,通过自行设计的键盘,发出数据采集和控制命令,传感器数据通过RS485传送到控制转换器,再利用RS232串口通信传送到检测仪,通过数据分析显示数据参数和诊断结果.     

一种水下机器人传感器故障诊断与容错控制方法

采用自适应滤波器ＦＩＲ 对水下机器人进行在线自适应建模,并利用ＬＭＳ算法来调节滤波器的权系数．通过对滤波器权系数和误差信号平方的分析,实时检测出传感器的故障,并应用ＦＩＲ 滤波器输出替代故障传感器信号,实现传感器故障情形下水下机器人容错控制．应用该方法对Ｏｕｔｌａｎｄ１０００水下机器人传感器的故障进行检测和容错,实验结果表明所提故障检测方法准确可靠,具有较好的容错效果．     

一种水下机器人传感器故障诊断与容错控制方法

采用自适应滤波器ＦＩＲ 对水下机器人进行在线自适应建模,并利用ＬＭＳ算法来调节滤波器的权系数．通过对滤波器权系数和误差信号平方的分析,实时检测出传感器的故障,并应用ＦＩＲ 滤波器输出替代故障传感器信号,实现传感器故障情形下水下机器人容错控制．应用该方法对Ｏｕｔｌａｎｄ１０００水下机器人传感器的故障进行检测和容错,实验结果表明所提故障检测方法准确可靠,具有较好的容错效果．

     

基于神经网络的控制系统在线故障诊断技术研究

对于远程自主式水下航行器,控制系统中传感器的实时故障诊断和容错控制是一项关键技术;采用BP神经网络设计了一种由主网络和局部网络构成的两级神经网络故障诊断算法,其中主网络用于水下航行器控制系统中传感器的故障检测,一旦发现有故障发生,则通过局部网络完成对故障的识别,因此可以减少运算量,提高故障诊断的实时性;通过仿真研究验证了该方法的有效性,为水下航行器控制系统的故障诊断及容错研究提出了一条新的途径。     

基于UKF的水下航行器IMU故障检测与诊断方法研究

惯性测量单元（IMU）作为水下航行器导航系统关键传感器,其可靠性直接影响航行器的导航性能。为了提高IMU的容错能力,本文提出一种基于无迹卡尔曼滤波（UKF）算法的IMU故障诊断技术。首先根据水下航行器的动力学方程和导航系统特点,建立描述IMU故障与导航状态量关系的解析模型;接着基于UKF非线性滤波的特点,进行导航滤波解算,基于此,提出了解耦矩阵法以实现IMU的故障检测;并且根据无迹卡尔曼滤波器新息正交原理,提出了实时估计IMU故障的方法,从而完成水下航行器IMU故障的在线检测与诊断。最后,通过实际航行数据验证了所提出算法的有效性。     

基于两级神经网络的传感器在线故障诊断技术研究

针对水下航行器控制系统的故障状态,采用BP神经网络设计了一种由主网络和局部网络构成的两级神经网络故障诊断算法,其中主网络用于水下航行器控制系统的故障检测,一旦发现有故障发生,则局部网络完成对故障的识别。通过仿真研究表明该方法可及时完成传感器故障的分离与定位。     

无人机控制系统传感器故障诊断的方案与仿真

应用卡尔曼滤波器对传感器进行故障诊断时,由于输入噪声和测量噪声的统计特性是不确定的,因此难以得到其准确的统计特性先验信息,而采用错误的噪声统计特性会产生滤波误差,甚至使滤波发散,因此该文提出了一种基于Sage-Husa时变噪声统计估计器的自适应卡尔曼滤波器算法,在滤波过程中利用噪声统计估计器对未知的统计特性进行在线估计,并对无人机控制系统的传感器故障进行在线诊断,此方法无须增加硬件余度和其他解析余度,易于实现,可靠性好,检测迅速.仿真表明该方法能够检测出系统故障并进行故障定位.     

基于自适应交互多模型算法的传感器故障诊断

在标准的交互多模型算法中,模型切换概率和模型噪声方差都假定为先验信息,但是系统的模型信息一般隐含在当前的量测信息中,因此本文提出一种在线辨识模型切换概率和噪声方差的自适应交互多模型算法,在建立传感器的全局故障和局部故障模型的基础上,对自主水下航行器多个传感器的局部故障与全局故障进行了诊断.在仿真过程中发现,与一般的多模型自适应估计方法(MMAE)相比,此方法算法简单,能够更加准确可靠地诊断故障.     

水下航行器半实物仿真系统虚拟仪器开发

虚拟仪器是计算机技术同仪器技术有机结合产生的全新概念的仪器,实现了将计算机硬件资源、仪器与测控系统硬件资源和虚拟仪器软件资源三者的有效结合.该文以水下航行器半实物仿真系统为开发平台,研究虚拟仪器技术在半实物仿真控制系统中的应用.该文详细介绍了虚拟仪器集成开发技术,说明了应用对象--水下航行器半实物仿真控制系统的组成以及本系统所采用的反射内存实时网络实现高速实时通信的技术,并由此设计完成了基于LabVIEW的水下航行器半实物仿真系统虚拟仪器开发.开发结果表明,采用该虚拟仪器平台于半实物仿真系统中,其强大的人机交互功能可直观、高效、实时地完成仿真信号的检测和监测,能够智能化地实现实时半实物仿真系统的数据测控.     

一类离散时变系统的在线无限脉冲响应滤波逆控制

针对一类离散时变系统,提出了一种基于自适应惯性权重合作粒子群（AIW—CPSO）算法的在线尢限脉冲响应（IIR）滤波自适应系统辨识方法,实现零极点实时跟踪的全匹配控制．IIR滤波器可解决有限脉冲响应（FIR）滤波器在辨识时变系统时因其相关矩阵的特征值会无规律变大而被迫离线训练的问题．同时义降低了在线训练所需的权值向量长度,提升了优化与建模效率．本文设计的白适应惯性权重合作粒子群（AIW—CPSO）算法可在传统卡讧子群优化（PSO）算法的基础上更好地解决因选用IIR滤波器所带来的全局优化问题．通过仿真分析可以看出,对十此类离散时变系统,基于在线AIW—CPSO—IIR滤波器的自适应逆控制方法可以快速有效的实现未知对象的在线建模,同时实时跟踪时变系统的特征值变化．     

Distributed sensor fault diagnosis in a class of interconnected nonlinear uncertain systems

In this paper, a distributed sensor fault detection and isolation (FDI) method is developed for a class of interconnected nonlinear uncertain systems. In the distributed FDI architecture, a FDI component is designed for each subsystem in the interconnected system. For each subsystem, its corresponding local FDI component is designed by utilizing local measurements and certain communicated information from neighboring FDI components associated with subsystems that are directly interconnected to the particular subsystem under consideration. Under certain assumptions, adaptive thresholds for distributed sensor fault detection and isolation in each subsystem are derived, ensuring robustness with respect to interactions among subsystems and system modeling uncertainty. Moreover, the fault detectability condition is rigorously investigated, characterizing the class of sensor faults in each subsystem that is detectable by the proposed distributed FDI method. Additionally, the stability and learning capability of the distributed adaptive fault isolation estimators is established. A simulation example of interconnected inverted pendulums mounted on carts is used to illustrate the effectiveness of the distributed FDI method.     

NLMS算法的改进及其在自适应逆控制中的仿真研究

提出一种改进的归一化最小均方(MNLMS)算法,并用该算法驱动FIR滤波器以实现对象模型及其逆的辨识。该算法计算简单,容易实现。在建模的自适应过程中,它能获得比NLMS算法快的收敛速度,并保持小的失调。仿真结果表明,基于MNLMS的自适应逆控制(AIC)系统就能获得比基于NLMS的PID辅助的自适应逆控制系统更好的动态、静态和跟踪性能,具有一定的工程使用价值。     

全局最优联邦滤波器信息分配原则

考虑到故障隔离后故障信息的影响一般需要一段时间才能够消除,研究了子系统发生传感器故障条件下的联邦滤波器信息分配问题．基于使故障量对无故障子系统的影响最小化考虑,提出了一种ε信息分配准则,并给出了按给定的故障衰减系数进行调整的信息分配策略．根据本文方法可使其他无故障子滤波器具有较强的抗干扰能力,从而使重构的联邦滤波器快速输出不含故障信息的融合结果．理论分析和仿真说明该方法是可行的．     

MRNN:一种新的基于改进型递归神经网络的WSN动态建模方法:应用于故障检测

提出了一种适用于无线传感器网络WSN的故障检测方法,该方法运用改进的递归神经网络MRNN为WSN的节点、节点的动态特性以及节点间的关系建立相关模型,对WSN节点进行识别和故障检测。MRNN的输入选择建模节点的先前输出值及其邻居节点的当前及先前输出值,模型基于一种新的改进的反向传播型神经网络,该神经网络的输入以及传感器网络的拓扑结构基于通用的非线性传感器模型。仿真实验将MRNN方法与卡尔曼滤波法进行了全面的比较。实验表明,MRNN在置信因子较小的情况下与卡尔曼滤波方法相比有较高的故障检测精度。     

基于AFKF的多旋翼无人机组合导航技术研究

目前旋翼无人机组合导航系统大都使用扩展卡尔曼滤波算法,然而由于导航系统建模误差和传感器测量精度的影响,导航信息解算误差较大。为了改善旋翼无人机的飞行控制效果,应用自适应渐消卡尔曼滤波（Adaptive fading Kalman filter,AFKF）进行旋翼无人机组合导航解算,算法通过实时计算遗忘因子,对过去的数据权重进行削减,以提高扩展卡尔曼滤波算法的自适应能力。应用旋翼无人机真实飞行数据进行仿真,仿真结果表明,自适应渐消卡尔曼滤波算法能够有效抑制建模误差,弥补传感器测量精度不足,改善旋翼无人机组合导航解算结果。     

Neural FIR adaptive Laguerre equalizer with a gradient adaptive amplitude for nonlinear channel in communication systems

To mitigate the linear and nonlinear distortions in communication systems, two novel nonlinear adaptive equalizers are proposed on the basis of the neural finite impulse response (FIR) filter, decision feedback architecture and the characteristic of the Laguerre filter. They are neural FIR adaptive decision feedback equalizer (SNNDFE) and neural FIR adaptive Laguerre equalizer (LSNN). Of these two equalizers, the latter is simple and with characteristics of both infinite impulse response (IIR) and FIR filte...