發(fā)布時間：2019-07-01 19:27

【摘要】：為提高慣導(dǎo)系統(tǒng)工作的可靠性和導(dǎo)航性能,對其慣性測量組件的故障模式和檢測模型進行了分析。針對最小二乘支持向量機(LS-SVM)回歸算法做了兩點改進,具體方法是先對輸入樣本觀察窗平移更新的每個樣本數(shù)據(jù)進行異常點濾波判斷并用牛頓插值法進行處理,接著通過對在線LS-SVM回歸過程的研究,提出了一種遞推求解的快速算法,將慣性測量組件的輸出量、舵偏角改變量并輔以環(huán)境因素作為觀測樣本序列,應(yīng)用該算法來提高模型檢測的準(zhǔn)確性和時效性。最后對慣性測量組件無故障和出現(xiàn)卡滯、恒偏差時的故障模式進行了仿真實驗,結(jié)果表明,與應(yīng)用LS-SVM、SVM和BP神經(jīng)網(wǎng)絡(luò)算法相比,提出的慣性測量組件故障在線檢測方法具有較強的魯棒性和較快的速度。
[Abstract]:In order to improve the reliability and navigation performance of inertial navigation system, the fault mode and detection model of inertial measurement module are analyzed. Two improvements are made to the least square support vector machine (LS-SVM) regression algorithm. The specific method is to filter and process the abnormal point of each sample data which is translated and updated by the observation window of the input sample. Then, through the study of the online LS-SVM regression process, a fast recurrence algorithm is proposed to measure the output of the inertial measurement module. The rudder deflection angle is changed and the environmental factors are used as the observation sample sequence. The algorithm is applied to improve the accuracy and timeliness of model detection. Finally, the fault modes of inertial measurement components without fault and stuck and constant deviation are simulated. The results show that compared with LS-SVM,SVM and BP neural network algorithm, the proposed on-line fault detection method for inertial measurement components has stronger robustness and faster speed.
【作者單位】： 北京航空航天大學(xué)儀器科學(xué)與光電工程學(xué)院;
【基金】：航空科學(xué)基金資助項目(20110112007,20100818018)
【分類號】：TN966

【參考文獻】

相關(guān)期刊論文 前8條

1 胡良謀;曹克強;蘇新兵;李小剛;;基于LS-SVM的飛控系統(tǒng)傳感器故障診斷[J];飛行力學(xué);2011年03期

2 王強;田學(xué)民;;基于改進的GA-LSSVM的軟測量建模方法[J];北京理工大學(xué)學(xué)報;2012年10期

3 張浩然;汪曉東;;回歸最小二乘支持向量機的增量和在線式學(xué)習(xí)算法[J];計算機學(xué)報;2006年03期

4 段江濤;陳懷民;王亮;;基于檢測濾波器的俯仰角速率傳感器故障檢測研究[J];計算機測量與控制;2011年04期

5 葉美盈,汪曉東,張浩然;基于在線最小二乘支持向量機回歸的混沌時間序列預(yù)測[J];物理學(xué)報;2005年06期

6 鈕永勝,趙新民;基于神經(jīng)網(wǎng)絡(luò)在線建模的非線性動態(tài)系統(tǒng)中傳感器故障檢測方法[J];宇航學(xué)報;1998年01期

7 吳瓊;楊以涵;劉文穎;;基于最小二乘支持向量機的電力系統(tǒng)暫態(tài)穩(wěn)定在線預(yù)測[J];中國電機工程學(xué)報;2007年25期

8 唐圣金;郭曉松;王振業(yè);司小勝;;基于故障樹的多光纖陀螺冗余系統(tǒng)可靠性分析[J];中國慣性技術(shù)學(xué)報;2013年02期

【共引文獻】

相關(guān)期刊論文 前10條

1 冀衛(wèi)興;陳忠海;方箏;;基于DE—BP算法的空調(diào)負荷預(yù)測研究[J];四川建筑科學(xué)研究;2010年05期

2 郭立萍;唐家奎;米素娟;張成雯;趙理君;;基于支持向量機遙感圖像融合分類方法研究進展[J];安徽農(nóng)業(yè)科學(xué);2010年17期

3 王婷婷;黃燕;;基于NC-SVM的酵母蛋白功能預(yù)測研究[J];現(xiàn)代農(nóng)業(yè)科技;2011年07期

4 王爾丹;人群運動與密度估計技術(shù)研究[J];安全;2005年03期

5 馮學(xué)軍;;最小二乘支持向量機的研究與應(yīng)用[J];安慶師范學(xué)院學(xué)報(自然科學(xué)版);2009年01期

6 周德強;馮建中;;建筑物沉降預(yù)測的改進Verhulst模型研究[J];地下空間與工程學(xué)報;2011年01期

7 王立平;孔小梅;付夢印;王美玲;張甲文;姜明;;Temperature Drift Modeling of FOG Based on LS-WSVM[J];Journal of China Ordnance;2008年03期

8 王亮;胡靜濤;;基于LS-SVM的光刻過程R2R預(yù)測控制方法[J];半導(dǎo)體技術(shù);2012年06期

9 田盛豐;基于核函數(shù)的學(xué)習(xí)算法[J];北方交通大學(xué)學(xué)報;2003年02期

10 薛彥軼;劉曉東;;基于最小二乘支持向量機的航材備件需求建模[J];兵工自動化;2007年06期

相關(guān)會議論文 前10條

1 宋海鷹;桂衛(wèi)華;陽春華;;基于核偏最小二乘的簡約最小二乘支持向量機及其應(yīng)用研究[A];第二十六屆中國控制會議論文集[C];2007年

2 宋海鷹;桂衛(wèi)華;陽春華;;基于最小二乘支持向量機的Hammerstein-Wiener模型辨識[A];第二十六屆中國控制會議論文集[C];2007年

3 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六屆中國控制會議論文集[C];2007年

4 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六屆中國控制會議論文集[C];2007年

5 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六屆中國控制會議論文集[C];2007年

6 ;LS-SVM Based Stable Generalized Predictive Control[A];第二十七屆中國控制會議論文集[C];2008年

7 閻綱;梁昔明;龍祖強;李翔;;一種新的提前一步預(yù)測控制算法[A];第二十七屆中國控制會議論文集[C];2008年

8 孫玉坤;王博;丁慎平;;基于模糊支持向量機的賴氨酸發(fā)酵軟測量[A];第二十七屆中國控制會議論文集[C];2008年

9 ;GA Based LS-SVM Classifier for Waste Water Treatment Process[A];第二十七屆中國控制會議論文集[C];2008年

10 柴偉;孫先仿;喬俊飛;;有監(jiān)督的等距映射和k近鄰分類結(jié)合用于集員辨識[A];第二十九屆中國控制會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 趙瑩;半監(jiān)督支持向量機學(xué)習(xí)算法研究[D];哈爾濱工程大學(xué);2010年

2 王敏;分布式電源的概率建模及其對電力系統(tǒng)的影響[D];合肥工業(yè)大學(xué);2010年

3 李書艷;單點氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測及其機制研究[D];蘭州大學(xué);2010年

4 張明;電能質(zhì)量擾動相關(guān)問題研究[D];華中科技大學(xué);2010年

5 許偉;基于進化算法的復(fù)雜化工過程智能建模方法及其應(yīng)用[D];華東理工大學(xué);2011年

6 向國齊;支持向量回歸機代理模型設(shè)計優(yōu)化及應(yīng)用研究[D];電子科技大學(xué);2010年

7 桑永勝;空間數(shù)據(jù)分析的神經(jīng)計算方法[D];電子科技大學(xué);2010年

8 渠瑜;基于SVM的高不平衡分類技術(shù)研究及其在電信業(yè)的應(yīng)用[D];浙江大學(xué);2010年

9 包鑫;穩(wěn)健回歸技術(shù)及其在光譜分析中的應(yīng)用[D];浙江大學(xué);2010年

10 甘良志;核學(xué)習(xí)算法與集成方法研究[D];浙江大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 曾傳華;基于顏色和紋理特征的竹條分級方法研究[D];華中農(nóng)業(yè)大學(xué);2010年

2 朱杰;一種基于聚類的支持向量機反問題求解算法[D];河北大學(xué);2007年

3 田文娟;基于支持向量機的人民幣序列號識別方法的研究[D];山東科技大學(xué);2010年

4 孟培培;基于3S的土地督察信息系統(tǒng)研究[D];山東科技大學(xué);2010年

5 劉維會;不平衡數(shù)據(jù)集上支持向量機算法研究[D];山東科技大學(xué);2010年

6 李海清;支持向量機在金融市場預(yù)測中的應(yīng)用[D];遼寧師范大學(xué);2010年

7 王文棟;GEP及SVM融合的分類技術(shù)研究[D];廣西師范學(xué)院;2010年

8 李光遠;基于在線聚類和最小二乘支持向量機的模糊建模方法研究[D];鄭州大學(xué);2010年

9 王巧立;微生物發(fā)酵過程的建模與優(yōu)化控制研究[D];鄭州大學(xué);2010年

10 劉松;基于OCSVM和主動學(xué)習(xí)的DDOS攻擊分布式檢測系統(tǒng)[D];鄭州大學(xué);2010年

【二級參考文獻】

相關(guān)期刊論文 前10條

1 富立;王新玲;岳亞洲;;基于可靠性分析的最優(yōu)冗余配置數(shù)量確定方法[J];北京航空航天大學(xué)學(xué)報;2010年09期

2 夏克寒;牟建華;夏治寒;;多慣性儀表冗余系統(tǒng)方案設(shè)計及其關(guān)鍵技術(shù)[J];導(dǎo)彈與航天運載技術(shù);2007年06期

3 蔡開龍;孫云帆;姚武文;;航空發(fā)動機傳感器故障診斷與自適應(yīng)重構(gòu)控制[J];電光與控制;2009年06期

4 彭疆南,孫元章,王海風(fēng);基于廣域量測數(shù)據(jù)和導(dǎo)納參數(shù)在線辨識的受擾軌跡預(yù)測[J];電力系統(tǒng)自動化;2003年22期

5 褚曉東,劉玉田,邱夕兆;基于徑向基函數(shù)網(wǎng)絡(luò)的暫態(tài)穩(wěn)定極限估計與預(yù)防控制[J];電力系統(tǒng)自動化;2004年10期

6 許劍冰,薛禹勝,張啟平,陳開庸,勵剛,洪憲平,徐泰山,鮑顏紅;基于系統(tǒng)同調(diào)性的PMU最優(yōu)布點[J];電力系統(tǒng)自動化;2004年19期

7 常乃超,蘭洲,甘德強,倪以信;廣域測量系統(tǒng)在電力系統(tǒng)分析及控制中的應(yīng)用綜述[J];電網(wǎng)技術(shù);2005年10期

8 李大虎;曹一家;;基于PMU和混合支持向量機網(wǎng)絡(luò)的電力系統(tǒng)暫態(tài)穩(wěn)定性分析[J];電網(wǎng)技術(shù);2006年09期

9 葉美盈,汪曉東;混沌光學(xué)系統(tǒng)辨識的支持向量機方法[J];光學(xué)學(xué)報;2004年07期

10 趙建成,謝小榮,穆鋼;基于WAMS的電力系統(tǒng)暫態(tài)穩(wěn)定的快速預(yù)測[J];繼電器;2005年07期

相關(guān)碩士學(xué)位論文 前1條

1 冒澤慧;基于自適應(yīng)觀測器的故障診斷與容錯控制研究[D];南京航空航天大學(xué);2006年

【相似文獻】

相關(guān)期刊論文 前2條

1 I.G.Goering ,陳崇，

本文編號：2508738