基于置信规则库的捷联惯组误差系数预测方法

捷联惯组(strapdown inertial measurement unit,SIMU)是火箭等大型飞行器控制系统的核心部件,结构复杂,可获得的误差系数样本较为缺乏。置信规则库(belief rule base,BRB)作为一种专家系统能够有效融合专家知识和监测数据,可以有效处理小样本情况下复杂系统建模问题。鉴于此,本文提出了一种基于BRB的SIMU误差系数预测方法。为充分利用脉冲量输入信息,提高信息转换精度,降低指标转换过程中的信息损失,根据惯组脉冲量输出特点提出了一种新的匹配度计算方法,提升模型的精度。最后,以某型SIMU加速度计为例验证了所提方法的有效性。

基于证据推理的激光惯组最优维护方法

为解决激光惯组存在的故障样本获取困难和监测维护周期不合理等问题,采用一种融合多元信息的性能评估方法对激光惯组的性能进行评估。首先,综合考虑了惯组指标信息的权重和可靠度,基于证据推理融合多元信息得到激光惯组性能评估结果。其次,根据性能评估结果,通过维纳过程预测综合考虑激光惯组的监测维护成本和性能设计要求,在满足性能状态要求前提下以单位时间内期望维护成本最小为目标,确定最优维护时机。最后,使用某型号激光惯组进行了实验验证,说明所提出的方法的有效性。

基于分层置信规则库的惯导系统性能评估方法

为解决惯导系统(INS)性能评估所面临的高价值样本缺失、评估指标多、系统复杂等问题,提出一种基于分层置信规则库(Hierarchical BRB)的惯导系统性能评估方法。将专家知识与监测数据进行有效融合,提高了惯导系统的性能评估精度。首先,针对惯导系统结构构建分层BRB模型,同时将系统内部器件产生组合误差考虑在模型中。其次,为降低专家知识不确定性对初始模型评估精度的影响,采用基于投影算子的协方差矩阵自适应优化策略(P-CMA-ES)构建优化模型,通过监测数据对模型参数进行微调。最后,以某型捷联惯导系统的性能评估为例,验证了所提方法的有效性。