基于仿射变换的飞机图像的识别

先基于细胞神经网络提取飞机图像轮廓 ,再用基于仿射变换方法对多种飞机的轮廓图像做不变特征的提取 ,把多种飞机的不变特征放在数据库中。进行飞机类型识别时先计算实时图像中飞机 (目标 )的不变特征 ,然后与数据库中的每个不变特征做相关运算 。

用细胞神经网络提取二值与灰度图象边缘

边缘是图象的重要特征 ,采用细胞神经网络提取图象边缘时 ,网络参数的选择是一个重要问题 .为了能够有效地提取图象边缘 ,基于高通滤波模板 ,选择了细胞神经网络的一组简单易行的参数 ,首先将其用于检测二值图象边缘 ,再在此基础上 ,通过综合灰度值各位面边缘检测的结果提取出灰度图象的边缘 .与传统边缘提取方法 So-bel和 L og方法的比较可见 ,该方法是有效的 ,并且由于细胞神经网络具有高速并行运算、便于硬件实现等特点 ,因此使其在图象实时处理中具有更大的潜力 .

基于主动轮廓法的复杂背景下飞机图象的轮廓提取

研究了一种适合于复杂背景下单个目标轮廓提取的方法———主动轮廓法(ActiveContourModel)。主动轮廓法是统计学分割方法的一种。基于统计学意义上的图象分割是把图象中各个象素点的灰度看作具有一定概率分布的随机变量 ,观察到的图象是对实际物体作了某种变换并加入噪声的结果。从观察到的图象中正确分割图象从统计学的角度讲就是要找到最有可能的 (即概率最大 )的物体组合。主动轮廓法就是基于这种概率最大的思想提出来的。研究过程中 ,对原有方法进行了大的改进 ,增强了主动轮廓法对初始形状的鲁棒性 ,保持了轮廓的光滑性。仿真中 ,应用该方法提取飞机图象的轮廓 ,取得了较好的效果 ,计算所用的时间少。

全最小二乘法及其在参数估计中的应用

本文介绍了全最小二乘法的基本原理及其在参数估计中的应用．文中采用矩阵逼近和线性空间分解的理论推导了全最小二乘法的解及其性质，并且证明了全最小二乘解对数据报合的残差平方和小于一般最小二乘解的残差平方和．仿真结果验证了理论，显示了全最小二乘法的优越性．

基于非线性状态观测器的无刷电机故障诊断

为了对无刷直流电动机的非线性系统实现快速、精确的故障检测,采用精确的无刷电机非线性系统模型,并应用RBF神经网络,设计了一种非线性状态观测器,通过观测器的估计值与实际输出值之间的残差来判定无刷电机故障与否,并将无刷直流电动机非线性模型在某一工作点附近线性化,采用线性观测器的方法对其进行故障诊断的仿真并与非线性故障诊断方法相比较。结果表明,对于在多工作点工作的无刷直流电机,该方法能获得更精确的故障检测结果。

用B-样条神经网络设计非线性观测器

对线性部分已知、非线性部分未知的一类非线性系统 ,提出了一种新的状态观测器的设计方法 .首先针对线性部分设计线性观测器 ,随后在线性观测器中加入非线性补偿项 .该补偿项先由“反卷积”的方式确定 ,再用 B-样条神经网络拟合 .对三个非线性系统设计了观测器 ,通过与已有的解析方法进行比较 。

弹性体上惯性测量系统的传递对准

给出了一套弹性体上惯性测量系统的传递对准方案。该方法只采用角速度陀螺作为测量元件,能够对传感器误差进行补偿,并且可给出两套测量坐标系失配角的可靠估计。本文应用弹性力学的模态法建立机翼的运动方程;应用自适应Kalman滤波器在线估计由空气动力诱导的广义外力。

动态系统的容错技术

所讨论的动态系统的容错技术包括故障检测、故障定位和系统重构技术．文中研究了基于数学模型的容错技术，讨论了因数学模型不准而引起的故障检测和定位不鲁棒的问题，提出了若干增强鲁棒性的方法，对故障后的系统重构问题也作了简要介绍．

不确定系统鲁棒解析余度的最优设计

本文给出了鲁棒故障检测的性能指标，采用广义特征结构理论求解性能指标，可得出用于系统故障检测的最优和次最优鲁棒解析余度。文中针对喷气发动机在不同工作点运行的一组模型，采用本文方法对系统的故障进行了检测，仿真结果表明，对所有的工作点模型均能得到满意的检测效果。

飞行传感器的故障检测与识别

飞行传感器是飞行控制和导航系统中的薄弱环节,它们的故障率一般是比较高的。为了提高系统的可靠性,对传感器的故障应能实时地检测和识别,并重构传感器所测量的信号(修正)。为此,在系统中常采用传感器的硬件余度和解析余度。本文介绍了飞行传感器硬件余度和解析余度的原理以及几种实用的余度方案,对解析余度中的统计决策原理和故障检测的鲁棒性问题也作了简单介绍。

联邦滤波器的设计理论

本文总结了联邦滤波器的设计理论。文中介绍了“信息分配”原则及其实现方法，证明了联邦滤波器的几种结构，并对它们的容错性能进行了分析。

T-S模糊故障树分析方法

提出一种新的T-S模糊故障树分析方法,该方法将模糊逻辑和T-S模糊模型引入到故障树分析中,使故障树具有处理模糊信息的能力.T-S模糊故障树分析中不需要精确了解部件的故障概率,也不需要精确了解故障的机理,从而解决了系统的事件和故障机理的不确定性问题.最后给出了INS/GPS组合导航系统可靠性分析实例.

递推辨识中的U-D分解算法

本化研究了递推辨识算法的一种代数等价实现——U—D 分解算法。其基本思想就是将方差矩阵分解成三个矩阵乘的积形式:P(y)=U(y)D(t)U^T(t)其中 U(t)为单位上三角矩阵,U(t)为非负对角矩阵。并在每步递推计算时,用其因子矩阵U(t)与 D(t)的更新来代替方差矩阵 P(t)的直接递推。这样,就可以在计算量基本不变的情况下,有效地保证方差矩阵的对称性,正定性,从而获得较好的数值特性。大量的数值仿真研究表明:这种算法的数值稳定性好,计算机的舍入误对估计精度的影响较小,因此该算法的计算精度较差,以利用在有限字长的微型机上实现自适应控制时,提高系统参数实时辨识的精度。

衰减因子自适应滤波及在组合导航中的应用

从卡尔曼滤波技术的稳定性出发 ,分析了卡尔曼滤波算法发散的原因 ,提出了一组衰减记忆卡尔曼滤波中衰减因子的自适应估计方法 ,并在GPS SINS组合导航系统中进行了计算机仿真 .在计算衰减因子时 ,利用滤波残差序列在最优估计时为零均值白噪声的性质 ,构造了服从 χ2 分布的变量 ,并分别检验滤波残差每一个分量得出衰减因子值 .仿真结果表明 ,该组算法能够自适应地估计出衰减因子的大小 ,有效地抑制滤波发散 。

捷联惯导系统大方位失准角下的非线性对准

采用欧拉角描述平台坐标系与导航坐标系间的失准角,推导了适用于捷联惯导系统的非线性误差方程,证明了该方法仅适用于方位误差角为大角度,而水平误差角为小量的情况。数学仿真表明:在方位误差角为大角度情况下,采用所推导的误差方程和非线性滤波技术能获得更高的估计精度。

预测滤波器理论在惯导非线性对准中的应用

讨论了预测滤波器的基本算法,并针对平台惯性导航系统在大方位失准角情况下的非线性对准中,用预测滤波器无法估计陀螺误差的问题,提出了将预测滤波和扩展卡尔曼滤波相结合的算法。通过对大失准角下的静基座和动基座对准的仿真,证明预测滤波和扩展卡尔曼滤波相结合的算法能够提高的平台姿态误差角特别是方位误差角的估计精度。比起扩展卡尔曼滤波算法,该算法还能降低系统的维数,减小计算量。

基于频谱法与神经网络的航空起动发电机的故障检测与诊断

应用频谱法对航空直流起动发电机发电状态进行故障检测与诊断。采用对电机的电枢纹波电流信号进行频谱分析,提取该信号在频率域特征量,将频谱特征向量作为学习样本,通过训练,使神经网络能够反映频谱特征向量和故障类型的映射关系,从而达到故障检测与诊断的目的。电机故障实验和分析表明,与常规方法相比,频谱分析与神经网络相结合的方法进行实时检测和诊断具有简单、有效等优点。

惯导系统初始对准的非线性滤波算法

本文推导了方位误差角比较大时惯导系统初始对准的误差方程，在这个误差中包含了非线性的部分。在方位误差角较小时，可将非线性的对准方程简化为线性的对准方程。用卡尔曼滤波对线性系统进行仿真，用扩展卡尔曼滤波、迭代滤波、二次滤波对非线性系统仿真。比较仿真结果可见，扩展卡尔曼滤波可大大提高方位对准的精度，而迭代滤波、二次滤波在方位角上又比扩展卡尔曼滤波的精度高。

考虑机翼弹性变形时的传递对准方法研究

传递对准时 ,飞机机翼的弹性变形会对挂在机翼上导弹的子惯导系统的对准精度产生很大的影响 ,因此需要对弹性变形进行建模。此时 ,KainandCloutier提出的“速度 +姿态”匹配的方法已不再适用。本文提出了一种“速度+角速度”匹配的快速传递对准方法 ,并且采用了一种更符合实际飞行情况的仿真方法对安装误差角和弹性变形角进行了估计。结果表明 ,这种匹配方案的对准精度比“速度 +姿态”匹配的对准精度提高了至少一个量级以上 。

阻止自适应Kalman滤波发散的补救方法

本文讨论一种自适应Kalman滤波的数值不稳定性,指出在滤波发散时噪声协方差估计的异常现象,并给出了两种阻止自适应Kalman滤波发散的补救方法。仿真结果证明了所述方法的有效性。