冗余捷联惯导软故障检测方法研究

针对冗余捷联惯导系统在软故障检测上仍然存在实时性低、检测性能易受环境影响的问题,提出了一种APV/FASPRT算法。首先根据硬件冗余配置构造奇偶空间,对奇偶残差执行SPRT算法,引入了渐消因子与周期重置提高对当前残差信息的跟踪速度;其次通过APV算法检测故障结束时刻以重置渐消SPRT并提供敏感轴信息;最后针对工程常用的四、六陀螺冗余配置提出了一种基于可容性故障的检测阈值确定方法以增强故障检测的稳定性。仿真结果表明,该算法在软故障检测上分别比GLT、SPRT、APV方法平均检测延迟减少了50.59%、70.21%、2.32%、平均虚警率降低了69.31%、99.33%、64.77%,在增强了软故障检测的实时性的同时减少了无故障时刻的虚警率。

广义回归神经网络在冗余捷联惯导故障诊断中的应用研究

针对冗余捷联惯导的故障诊断问题,研究提出了一种基于广义回归神经网络的故障诊断方法。该方法在传感器输出数学模型未知的情况下,仅通过传感器之间的冗余关系,利用传感器正常工作时的测量值和改进的神经网络估计输出值生成残差进行故障诊断。仿真试验表明,利用神经网络补偿产生的残差可以检测到未补偿时的故障。该方法不仅可以检测到单故障,还对多传感器同时发生故障具有一定的检测能力。