一、基于组合导航系统的故障检测与诊断技术研究（论文文献综述）
孔维宇[1]（2021）在《基于GA-DBN的组合导航故障诊断技术研究》文中进行了进一步梳理组合导航系统是一种能结合各个子系统的导航信息,同时支持各个子系统在不同工作模式下进行相互切换的定位系统,在航空航天、军事等方面拥有广泛的应用。伴随着人们对于组合导航系统的性能要求越来越高,组合导航系统拥有高性能的同时,更应该保证系统良好的可靠性,因此组合导航系统的故障诊断具有十分重要的意义。在大数据这一时代背景下,由于组合导航系统的复杂性和建模难以精确性,以数据驱动的智能故障诊断方法更适用解决当前问题,对海量、多源、高维数据进行统计分析和信息提取时,该方法更具有直接性和有效性。基于此,本文研究了基于遗传算法优化的深度置信网络（GA-DBN）的组合导航故障诊断技术,并实现了基于GA-DBN的组合导航故障诊断算法。针对组合导航系统数据预处理的问题,研究了小波变换、小波包分解重构算法,根据故障信号的特点选择db4小波作为小波基函数对故障信号进行3层小波包分解,提取不同频段的能量信息作为特征向量。针对小波包分解后各种故障类型区分度不够高的问题,提出了基于均值比例放大的改进方法,增加了不同故障类型数据特征向量的区分度,解决了组合导航系统特征向量提取困难问题。针对组合导航系统故障数据检测的问题,建立了基于马氏距离决策量的组合导航故障数据检测方法,提出一种在传统的状态X2检测和残差X2检测的基础上的优化检测模型,解决了当状态预测信息可靠性不确定或系统预测模型存在较大误差时,检测阈值的超限造成故障检测的误警告等问题。随后提出了最优RBF神经网络辅助故障检测,并对检测出的不同类型的故障数据分别通过有效手段进行适应调节,有效检测出组合导航系统中的故障数据。针对组合导航系统的故障诊断,设计了基于深度置信网络的故障诊断流程。针对神经网络有效训练问题,研究了多种超参数优化算法的优缺点。此外,针对组合导航故障的特点,合理地对神经网络结构和超参数优化方法进行选择。然后设计并实现基于DBN的故障诊断算法,分析结构参数对模型分类性能的影响。最后,以参数分析结果构建故障诊断模型,并实现对组合导航系统的故障状态初步识别。针对已有的网络结构和数据。将在DBN模型的基础上设计并实现基于GA-DBN的故障诊断算法。通过对于历史数据的训练和学习,以期达到能准确诊断出系统发生的故障。降低因为故障而引发的风险概率。针对处理后的数据,通过仿真进行验证,并与改进之前的算法进行比较,证明该算法可以达到更好的诊断效果。
陶超[2]（2021）在《多源信息融合的无人机容错组合导航方法研究》文中进行了进一步梳理随着无人机的广泛应用,在复杂的环境中作业已经成为一种趋势,导航是无人机作业的基础。然而,单一组合导航的方式已经不能满足无人机在复杂环境中自主、可靠、高精度的导航。为了提高无人机在复杂环境中导航的精确性,本文设计一种基于联邦卡尔曼滤波的多传感器融合导航系统。同时为了提高无人机在复杂环境中导航的可靠性,本文设计了基于传感器故障检测的容错导航。本文的主要研究内容如下:（1）针对在复杂环境中传感器干扰问题,提出了用滑模观测器结合联邦卡尔曼滤波的方法,通过滑模观测器的特性去抑制系统的干扰。（2）针对残差X2检测算法对缓变故障不灵敏,提出了一种基于滑动窗口相的改进残差X2检测算法,并且提出设定不同阈值的方法分别解决缓变故障和突变故障。（3）缓变故障检测需要一定的时间,在这段时间段内,子滤波器仍然将局部估计状态送入主滤波器,影响系统稳定性。针对该问题设计了基于滑动窗口残差X2检测的向量质量调节因子,量化故障的影响程度,并以此为依据调节子滤波在全局估计中的权重,以实现全局估计最优。最后为了验证算法,用ros系统和MATLAB搭建了仿真系统进行仿真验证,用开源无人机方案搭建了实验平台进行实验验证。仿真结果和实验结果都表明结合滑模观测器的联邦卡尔曼滤波提升了精度,同时基于故障检测以及容错导航方法使系统更加可靠。
李怀建,徐荣景,杜小菁,胡梓烨[3]（2021）在《组合导航系统故障检测算法研究现状分析》文中进行了进一步梳理组合导航系统发生故障时能够准确检测是评价导航系统性能的重要指标之一。对现有的故障检测算法进行分类,介绍了基于模型的组合导航故障检测算法、基于信号处理的组合导航故障检测算法、基于机器学习的组合导航故障检测算法,并针对各类算法存在的问题,总结了目前的解决方法。针对故障算法的检测时间较长和检测率低等问题,介绍了目前提出的其他故障检测算法,得出了各故障检测算法的性能差异,指出了组合导航各类算法的技术特点及未来发展趋势,为组合导航故障检测方向提供了参考。
张浩,肖勇,杨朝旭,张睿,许斌[4]（2020）在《基于双状态卡方故障检测的组合导航系统》文中认为故障检验与隔离是利用联邦滤波实现组合导航系统安全可靠运行的关键技术。针对常规残差卡方检验法对于慢变故障检验效果差,以及状态卡方检验受到初值误差、系统噪声和建模误差影响导致子系统被频繁隔离的问题,提出一种改进的SINS/GPS/ADS/DVL组合导航系统故障检验算法。该算法采用2个状态推进器交替地对滤波数据进行重置,避免状态递推器被未检测出来的故障污染。实验结果表明,改进的算法能够有效提高故障检验的灵敏度,增强组合导航系统的可靠性。
张树凤[5]（2020）在《优化DBN算法及其在导航系统IMUs故障诊断中的应用》文中指出随着机器人技术的不断发展与成熟,机器人对其导航系统的精度与稳定性的要求越来越高。惯性导航单元（IMUs）作为机器人导航系统的重要组成部分之一,其故障会影响机器人的工作稳定性与可操作性。因此,IMUs的故障检测与诊断成为提高机器人导航系统稳定性与可靠性的研究重点。基于此,本文围绕IMUs故障诊断模型深度置信网（DBN）的研究与优化,轮式机器人的IMUs故障数据集的创建,以及优化后的DBN故障诊断性能的评价三方面展开相关研究,内容主要覆盖以下几个方面:首先,基于对DBN的工作原理的研究,完成了受限玻尔兹曼机（RBM）特征提取能力的验证和DBN分类能力的验证。根据课题需求将3个RBM堆叠构成DBN,并在DBN顶层叠加Softmax分类器完成了 DBN故障诊断模型的搭建。同时,针对IMUs的输出信号受到外界干扰信号和惯性传感器自身误差累计的影响,导致故障复杂多样且数据间关联度不高,使得DBN模型的故障诊断实时性与准确性大大降低的问题,从权值寻优和和DBN隐层神经元的数目两个方面对DBN进行了优化。在DBN的权值微调过程引入非精确线性遗传搜索算法（Inexact LSA-GA）,通过将非精确线性搜索算法与遗传算法（GA）相结合,加快权值的末端寻优并提高寻优准确性。引入蝙蝠算法（BA）通过改变蝙蝠群的位置实现DBN隐层神经元数目的动态调整。其次,基于对轮式机器人IMUs工作特性的研究,通过实验与仿真相结合的方式,以搭载MPU6050芯片的轮式机器人为研究对象,完成了IMUs故障数据集的创建。在实验过程中采用基于密度的局部异常数据挖掘算法（LOF）和归一化算法对数据进行预处理,剔除因惯性传感器自身误差累计和外部环境的干扰产生的异常值,缩小同一运动状态下数据样本间的误差。同时,通过仿真过程对IMUs常见故障进行了故障信号模拟,并通过姿态解算实现了预处理数据与故障信号的融合,完成了数据结构为39000×6的IMUs故障数据集的创建。最后,基于故障诊断正确率、故障分类性能和泛化能力三个方面,完成了对优化后的DBN故障诊断模型的性能的综合评价。结果表明,优化后的DBN故障诊断模型在给定的数据集上具有良好的故障分类能力和泛化能力,且动态可调的“DBN结构”有助于多类故障类别之间的数据关联的提取。因此,本文提出的优化后的DBN故障诊断模型为基于数据驱动的一般故障诊断问题提供了首选参考模型。
征海铖[6]（2020）在《基于自主导航系统信息处理的故障容错研究》文中进行了进一步梳理随着四旋翼无人机的不断发展与应用,使四旋翼无人机在发生故障时依然能够维持强可靠性和高精度的研究受到极大重视。配置多余度导航系统是进行故障容错,从而保障四旋翼无人机强可靠性的有效方法。多余度自主导航系统存在每个余度系统的信号输出类别都相同的情况,便需要使用容错重构管理算法对每个余度系统的信号进行分类和信号重构管理,通过改进的信号表决法输出既可靠又独一的导航信号,从而达到稳定导航系统的强可靠性和高精确性的目的。本文基于自主导航系统的故障容错研究分为三个方面:构建多余度导航系统、自主导航系统的故障检测方法、自主导航系统容错重构管理算法,研究内容主要包括:1.基于惯性/卫星组合导航系统的相关理论,分析各个子系统的基本原理及其导航误差,建立惯性导航系统和卫星导航系统模型并仿真。2.从自主导航系统故障的原因入手,通过对故障检测的方法进行适用性分析,选择基于解析余度的故障检测方法为四旋翼无人机的导航系统进行故障检测。3.针对硬件冗余的成本高、使系统结构复杂化的问题,采用解析余度导航系统的技术实现容错重构。将传感器信号和解析余度解算得出的信号一起输入容错重构管理模块参与余度信号管理,将解析余度解算得出的信号作为故障检测的标准并为系统重构提供依据。4.对常用于自主导航系统的容错重构算法进行研究。在前人针对硬件冗余进行故障检测的基础上,对本文的故障检测算法进行了改进;在前人的平均值和中值表决算法研究基础上,对本文的表决算法进行了基于统计信息的改进。并完成了仿真验证。仿真的结果表明本文采用的组合导航系统产生的误差相比正常导航系统的误差都有明显的降低。构建的多余度导航系统在发生故障时会对故障信号进行隔离并针对不同的故障会进行不同的信号表决操作,且表决信号接近于传感器信号。
孙湘钰[7]（2020）在《冗余式捷联惯导系统故障检测与隔离关键技术研究》文中研究表明冗余式捷联惯导系统通过惯性器件冗余配置技术,能解决传统惯导系统单一器件故障导致系统失效的问题。基于冗余惯性器件敏感信息间的空间指向关系,冗余式捷联惯导系统的故障检测与隔离技术,能够实现对惯性器件的故障检测与隔离,进而完成惯性器件敏感信息空间关系的重构,从而保证系统在巨大冲击、长期振动和高海况摇摆等严苛环境正常工作,是未来捷联惯导系统在高可靠性应用领域的重要发展方向。然而,冗余式捷联惯导系统仍然面临软故障检测实时性低,故障隔离不确定性以及环境干扰影响故障检测与隔离效能等问题。因此,开展冗余式捷联惯导系统的故障检测与隔离技术研究,对于提升相关理论方法的性能,推进冗余式捷联惯导系统的应用,具有重要的理论和实际意义。课题以四陀螺冗余系统和六陀螺冗余系统两种主流冗余系统为研究对象,在优化冗余配置方案基础上,深入开展冗余式捷联惯导系统软故障检测改进优化、单故障/双故障隔离方法研究,具体包括以下研究内容:（1）基于优化性能指标的冗余配置方案设计针对现有冗余配置方案缺少故障检测与隔离性能准则设计的问题,以四陀螺、六陀螺冗余配置方案为研究对象,对现有冗余配置设计准则进行总结,系统分析冗余配置方案与故障检测与隔离性能之间的关系,设计故障检测与隔离性能准则,完善冗余配置方案设计准则。根据冗余配置方案设计准则,对四陀螺冗余配置方案和六陀螺冗余配置方案的性能进行分析,并确定性能较好的四陀螺冗余配置方案和六陀螺冗余配置方案。（2）高实时性软故障检测改进方法研究现有的基于卡尔曼滤波（Kalman Filter,KF）补偿的广义似然比（Generalized Likelihood Test,GLT）故障检测方法由于软故障缓变的特性以及故障情况下KF方法抑制量测残差等两方面原因,导致该方法在检测软故障时存在较大延时现象。为解决上述问题,本文提出基于交互多模型（Interactive Multiple Model）估计与平均奇偶向量（Average Parity Vector,APV）改进的GLT故障检测方法。该方法一方面利用IMM方法能够对未知故障建模的特点,通过IMM方法代替KF方法估计并补偿奇偶向量中惯性器件误差项,使估计状态值不被故障信息污染,进而得到保全故障信息的量测残差,改善滤波方法对量测残差的抑制情况;另一方面结合APV方法改进GLT故障检测方法,降低量测噪声的影响并合理设置故障检测门限,提高缓变软故障检测实时性。与传统故障检测方法相比,基于IMM与APV改进的GLT故障检测方法能够在较短时间内有效检测软故障,从而达到提高软故障检测实时性的目的。（3）四陀螺冗余系统单故障隔离方法研究广泛应用于冗余系统的单故障隔离方法-GLT故障隔离方法通过奇偶向量的方向识别故障。然而在四陀螺冗余系统中,GLT故障隔离方法中的奇偶向量为无方向的标量,因此,GLT故障隔离方法无法实现四陀螺冗余系统单故障的隔离。基于此,提出基于平均降维矢量的残差卡方检验故障隔离方法隔离四陀螺冗余系统中的单故障。该方法摒弃采用奇偶向量对系统故障进行隔离的思想,在采用星敏感器提供角速率基准信息的基础上,创新性地引入冗余系统陀螺误差估计的残差卡方检验思想,结合降维矢量思想对单个陀螺的残差信息进行检测,实现四陀螺冗余系统单故障隔离;在此基础上,结合APV方法思想,降低量测噪声影响并设置可容性故障隔离门限,改善软故障隔离延时情况。基于平均降维矢量的残差卡方检验故障隔离方法能够实现冗余系统单故障的隔离;并且能够在系统发生软故障时,缩短软故障隔离时间,提高软故障隔离性能。（4）六陀螺冗余系统双故障隔离方法研究六陀螺冗余系统中,现有的基于极大似然估计（Maximum Likelihood Estimation,MLE）的双故障隔离方法由于不同双故障组合会产生共线的奇偶向量,进而无法判断共线的奇偶向量来自哪两个陀螺,导致双故障隔离存在不确定性,因此无法对六陀螺冗余系统双故障所有组合进行有效隔离。基于此,本文首先分析基于MLE的双故障隔离方法适用条件,其次提出基于MLE与降阶奇偶向量（Reduced-order Parity Vector,RPV）的双故障隔离方法。该方法针对基于MLE的双故障隔离方法不适用的情况,通过基于MLE的双故障隔离方法锁定双故障范围,在改进的RPV故障隔离方法作用下,分别验证每一种双故障组合实现故障陀螺的定位。基于MLE与RPV的双故障隔离方法能够在基于MLE的双故障隔离方法不适用时隔离六陀螺冗余系统中的双故障。
刘士超[8]（2020）在《基于动力学模型辅助的多旋翼飞行器解析式容错导航方法》文中研究指明随着电子技术及材料工艺的发展,多旋翼飞行器的硬件成本逐渐降低。由于其体积小、重量轻、垂直起降等优点,近年来被广泛应用于军事和民用领域。导航系统为飞行器提供位置、速度、姿态信息,是飞行控制的重要信息源。目前,多旋翼飞行器常用的导航传感器包括惯性传感器、全球定位系统（Global Positioning System,GPS）、气压高度计、磁传感器等。受成本、体积等限制,多旋翼飞行器通常使用MEMS（Micro-Electro-Mechanical System,MEMS）惯性传感器,由于其精度较差,通常需要卫星导航系统来辅助使用。在卫星信息丢失等复杂环境下导航系统的性能急剧下降,影响飞行安全,因此多旋翼飞行器导航系统的故障检测、隔离与系统重构,对于保障其飞行安全具有重要意义。目前常见故障检测方案主要集中在卫星、磁传感器、气压高度计等量测传感器,并未考虑惯性传感器的故障情况。而事实上,MEMS惯性传感器在复杂环境下性能容易下降甚至失效,进而影响飞行稳定性,故MEMS惯性传感器受干扰而导致失去导航定位功能的问题也亟需关注。针对上述情况,本文将多旋翼飞行器动力学模型引入导航系统中,形成惯性传感器/动力学模型/量测传感器融合的解析式容错导航构架。研究并提出单套惯性传感器配置下的故障诊断方法及惯性传感器故障后的导航系统重构方法,从而提高多旋翼飞行器导航系统可靠性和稳定性。论文首先对多旋翼飞行器的动力学模型进行了分析与优化。由于传统多旋翼飞行器动力学模型建立在单旋翼模型基础上,忽略了飞行器的整体效应。针对于此,论文在对多旋翼飞行器整体建模基础上,改进了阻力、扭矩、横滚/俯仰力矩模型,在模型中引入了加速度相关项、角加速度相关项等新的形式。试验验证表明了改进模型对飞行器机动运动具有较好的适应性。随后,论文研究了基于动力学模型的解析式导航传感器故障诊断方法。结合动力学模型、导航传感器故障特性,对不同故障检测手段的适用性进行了分析;并根据惯性传感器、动力学模型、量测传感器三类导航信息源特性,设计了两两融合的故障检测滤波器,并基于互表决思想提出了故障定位策略;此外,为了进一步优化,将新型传感器——角加速度计引入故障诊断系统,并设计了相应的故障诊断方案。通过仿真证明了方法的有效性,可实现器件级的故障检测与定位。在实现导航传感器故障诊断基础上,论文对故障条件下导航系统的重构方法进行了研究。基于动力学模型输出信息特性,提出了惯性传感器/动力学模型/量测传感器融合的联邦卡尔曼滤波方法;分别针对惯性传感器故障、动力学模型故障、量测传感器故障,设计了相应的系统重构方案;研究了引入角加速度计后的系统重构策略,并对不同故障状态下的重构方案进行了优化。通过仿真表明在导航传感器发生故障后,所提出方法可以有效提高导航系统精度。最后,论文构建了四旋翼飞行器试验验证平台,并分别针对惯性传感器、动力学模型、量测传感器故障类型设计了其验证方案。考虑到风力对动力学模型产生的干扰,对风干扰条件下的导航系统性能进行了测试分析。试验结果表明:本文提出的容错导航方案,可以实现在单套惯性传感器配置下对陀螺、加速度计、GPS、气压高度计、磁传感器、角加速度计的故障检测与隔离;当惯性传感器故障时,通过动力学模型的引入,可以有效提高导航系统精度;外界风的干扰可以被有效检测与隔离,从而避免了对现有机载导航系统的影响。本文研究成果对于提高多旋翼飞行器机载导航系统可靠性具有较好的工程应用参考价值。
谈娟[9]（2020）在《基于解析模型的飞控系统故障诊断技术研究》文中指出随着航空技术的快速发展,故障诊断与健康管理成为余度飞行控制技术的一个重要研究内容。飞行控制系统是无人机的核心组成部分,其稳定性和可靠性关系到无人机的安全。从解析余度的角度研究飞行控制系统的故障诊断技术,能够弥补基于信号检测的故障诊断技术存在的一些不足,在理论研究和工程应用方面具有重要的意义和价值。论文围绕执行机构和传感器两个核心子系统展开研究,采用基于解析模型的故障诊断方法,设计了故障诊断算法和策略并开发了飞行控制与故障诊断综合系统,提高了执行机构和传感器系统故障诊断的效果。首先,对飞行控制系统的故障诊断理论方法和应用发展进行了对比研究和综合分析,制定了飞行控制系统故障诊断的研究方案。其次,针对执行机构系统的特性建立了参考模型,分析并模拟常见类型的故障特性,提出了基于广义卡尔曼滤波的执行机构故障诊断算法,设计自适应调节律进行校正以减小模型解析过程中的偏差。然后,针对机载传感器进行了机体对象建模、环境建模和传感器建模和系统特性分析,提出了基于代价函数的故障诊断联合算法,设计故障判别准则以提高系统对软故障检测的快速性,同时结合基于故障树专家系统决策的辅助手段以提高故障诊断的准确性。基于嵌入式实时操作系统构建了飞行控制与故障诊断综合系统,对综合系统的功能模块、总体需求和性能指标进行了研究和分析,设计了执行机构和传感器系统的故障注入模块,完成了综合系统的平台配置和软件开发工作。最后,搭建了飞行控制与故障诊断综合系统的半物理仿真环境,制定了系统测试与验证方案,通过模拟注入不同类型的执行机构故障和传感器故障,实现了综合系统的飞行控制与管理功能、模型解析功能和故障诊断功能,验证了所提出的故障诊断算法的合理性和有效性。
路红飞[10]（2020）在《三余度飞行控制计算机容错技术研究》文中认为飞行控制计算机（以下简称:飞控计算机）是无人机飞行控制系统的核心,其可靠性对无人机的任务可靠性和安全性起着重要影响。容错技术可以有效地提高飞控计算机的可靠性和可用性。本文以三余度飞控计算机为研究对象,开展容错技术的研究。首先,对三余度飞控计算机的功能和性能需求进行详细分析,构建了三余度飞控计算机的硬件架构。分别设计了控制单元动态冗余、接口单元信息冗余和CAN总线单元混合冗余的管理方案。其次,在深入分析各模块故障模式的基础上,重点研究了控制单元基于任务运行级别、接口单元基于数据更新率、总线单元基于交叉校验的故障检测策略。详细设计了控制单元优先级动态规划的重构策略和前后向恢复策略、接口单元整体和局部失效时的重构策略、总线单元交叉校验与主从备份机制相结合的两级重构策略。然后,详细论述了余度飞行控制软件的总体架构,基于Vx Works实时操作系统,完成了软件各功能模块和任务的设计与开发,实现了飞控计算机飞行控制和余度管理功能。最后,搭建半物理仿真环境,通过故障注入,对各模块的容错策略进行验证,仿真结果证明:本文设计的容错策略合理有效,满足设计要求。
二、基于组合导航系统的故障检测与诊断技术研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于组合导航系统的故障检测与诊断技术研究（论文提纲范文）
（1）基于GA-DBN的组合导航故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 故障诊断技术研究现状 |
| 1.2.2 神经网络在组合导航领域的研究现状 |
| 1.3 课题主要研究内容和章节安排 |
| 第2章 基于小波包分解的特征提取方法实现 |
| 2.1 引言 |
| 2.2 小波变换 |
| 2.3 小波包分解 |
| 2.4 基于WPD的特征向量构建方法 |
| 2.5 基于均值比例放大的改进方法 |
| 2.6 本章小结 |
| 第3章 基于马氏距离的系统故障整体检测设计 |
| 3.1 引言 |
| 3.2 GNSS/INS组合模型 |
| 3.2.1 GNSS/INS松组合模型 |
| 3.2.2 GNSS/INS紧组合模型的实现 |
| 3.3 基于马氏距离的导航系统故障检测设计 |
| 3.3.1 基于马氏距离的故障检测 |
| 3.3.2 双调节抗差因子 |
| 3.3.3 自适应遗忘因子 |
| 3.4 最优RBF辅助故障检测设计 |
| 3.4.1 径向基函数 |
| 3.4.2 RBF学习步骤 |
| 3.4.3 最优RBF辅助故障检测 |
| 3.5 本章小结 |
| 第4章 基于深度置信网络的故障诊断流程及分析 |
| 4.1 引言 |
| 4.2 多层神经网络的设计 |
| 4.2.1 误差反向传播算法 |
| 4.2.2 损失函数、目标函数和激活函数 |
| 4.2.3 超参数更新优化算法 |
| 4.3 深度置信网络基本原理 |
| 4.3.1 深度置信网络基本结构 |
| 4.3.2 深度置信网络训练过程 |
| 4.4 基于深度置信网络的故障诊断模型的参数确定 |
| 4.4.1 DBN经验参数设置 |
| 4.4.2 DBN预实验参数设置 |
| 4.5 基于DBN的系统故障诊断分析与仿真试验 |
| 4.5.1 基于DBN的故障诊断流程 |
| 4.5.2 基于DBN的系统故障诊断结果分析 |
| 4.6 本章小结 |
| 第5章 基于GA-DBN的组合导航故障诊断应用实现 |
| 5.1 引言 |
| 5.2 遗传算法理论知识 |
| 5.2.1 遗传算法基本原理 |
| 5.2.2 遗传算法实现流程 |
| 5.2.3 智能优化算法的性能对比及选择 |
| 5.3 基于遗传算法的DBN参数优化模型建立 |
| 5.3.1 DBN参数优化的问题初始化 |
| 5.3.2 DBN参数优化的遗传操作 |
| 5.3.3 DBN参数优化的收敛条件 |
| 5.4 基于GA-DBN的组合导航系统的故障诊断实现 |
| 5.4.1 试验环境介绍 |
| 5.4.2 仿真实验 |
| 5.4.3 仿真实验结果及分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（2）多源信息融合的无人机容错组合导航方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 组合导航信息融合技术研究现状 |
| 1.2.2 故障检测与容错导航技术研究现状 |
| 1.3 本文的研究内容与创新 |
| 1.4 本论文的结构安排 |
| 第二章 无人机融合导航基础 |
| 2.1 坐标系定义及转换 |
| 2.1.1 常用坐标系 |
| 2.1.2 坐标系转换 |
| 2.2 传感器模型 |
| 2.2.1 视觉导航 |
| 2.2.2 惯性导航 |
| 2.2.3 GPS导航 |
| 2.3 多传感器融合组合导航基础 |
| 2.3.1 传感器标定 |
| 2.3.2 传感器时间同步 |
| 2.4 本章小结 |
| 第三章 基于滑模观测器的组合导航融合算法研究 |
| 3.1 组合导航系统模型整体方案 |
| 3.2 GPS/INS/VO组合导航系统模型 |
| 3.2.1 INS/GPS子滤波器 |
| 3.2.2 视觉/惯导子滤波器 |
| 3.2.3 主滤波器 |
| 3.2.4 自适应信息分配方法 |
| 3.3 基于滑模观测器的无迹卡尔曼滤波 |
| 3.3.1 滑模观测器原理 |
| 3.3.2 滑模观测器的设计 |
| 3.3.3 基于滑模观测器的UKF算法 |
| 3.4 仿真与分析 |
| 3.4.1 仿真环境与参数设置 |
| 3.4.2 仿真结果与分析 |
| 3.5 本章小结 |
| 第四章 组合导航系统的故障检测与容错算法研究 |
| 4.1 组合导航常见故障类型 |
| 4.2 多传感器组合导航系统故障检测算法 |
| 4.2.1 INS/GPS/VO组合导航系统故障检测方案 |
| 4.2.2 残差卡方检测法 |
| 4.2.3 基于滑动窗口的残差X~2检测算法 |
| 4.2.4 基于阈值不同的故障检测算法 |
| 4.3 多源信息自适应容错导航算法 |
| 4.3.1 导航子滤波器估计性能动态映射 |
| 4.3.2 基于质量向量调节因子的全局融合 |
| 4.4 算法仿真与分析 |
| 4.4.1 故障检测仿真 |
| 4.4.2 容错导航仿真 |
| 4.5 本章小结 |
| 第五章 多传感器组合导航实验 |
| 5.1 实验平台搭建 |
| 5.2 传感器标定 |
| 5.3 实验结果及分析 |
| 5.3.1 结合滑模观测器的联邦卡尔曼滤波实验 |
| 5.3.2 容错组合导航实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（3）组合导航系统故障检测算法研究现状分析（论文提纲范文）
| 1 引言 |
| 2 组合导航故障检测算法研究现状 |
| 2.1 基于模型的组合导航故障检测算法 |
| 2.2 基于信号处理的组合导航故障检测算法 |
| 2.3 基于机器学习的组合导航故障检测算法 |
| 3 面临的问题 |
| 4 结束语 |
（4）基于双状态卡方故障检测的组合导航系统（论文提纲范文）
| 1 基于联邦滤波的SINS/GPS/ADS/DVL组合导航系统 |
| 1.1 子滤波器状态方程 |
| 1.2 子滤波器量测方程 |
| 1.3 主滤波器信息融合 |
| 2 基于双状态卡方检验的故障诊断 |
| 3 仿真分析 |
| 3.1 残差卡方检验法与状态卡方检验法仿真 |
| 3.2 双状态检验法仿真 |
| 3.3 基于双状态卡方检验的组合导航仿真 |
| 4 结论 |
（5）优化DBN算法及其在导航系统IMUs故障诊断中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 课题国内外研究现状 |
| 1.2.1 故障诊断概述 |
| 1.2.2 惯性导航系统概述 |
| 1.2.3 传统导航系统故障诊断的研究现状 |
| 1.2.4 基于数据驱动的导航系统故障诊断的研究现状 |
| 1.2.5 基于深度学习的故障诊断的研究现状 |
| 1.3 本文的主要研究内容 |
| 第2章 深度置信网的工作原理与分类能力研究 |
| 2.1 引言 |
| 2.2 深度置信网的工作原理 |
| 2.2.1 受限玻尔兹曼机 |
| 2.2.2 深度置信网的网络结构 |
| 2.2.3 深度置信网的训练过程 |
| 2.3 RBM特征提取能力分析 |
| 2.3.1 不同迭代次数下RBM特征提取能力的验证 |
| 2.3.2 不同隐层神经元数目下RBM特征提取能力的验证 |
| 2.4 DBN分类能力分析与评价 |
| 2.5 本章小结 |
| 第3章 优化DBN模型的构建 |
| 3.1 引言 |
| 3.2 基于INEXACT LSA-GA的权值寻优过程 |
| 3.2.1 Inexact LSA-GA |
| 3.2.2 Inexact LSA-GA权值寻优算法 |
| 3.3 基于蝙蝠算法的DBN神经元数目的动态调节 |
| 3.3.1 蝙蝠算法 |
| 3.3.2 DBN神经元数目的动态调整 |
| 3.4 优化DBN的工作机制 |
| 3.5 本章小结 |
| 第4章 轮式机器人IMUS故障数据集的创建 |
| 4.1 引言 |
| 4.2 实验数据获取 |
| 4.3 数据预处理 |
| 4.3.1 MPU6050的误差分析 |
| 4.3.2 数据预处理措施 |
| 4.4 IMUs故障信号仿真 |
| 4.5 数据集创建 |
| 4.6 本章小结 |
| 第5章 优化DBN故障诊断模型的性能分析 |
| 5.1 引言 |
| 5.2 优化DBN的动态训练过程分析 |
| 5.3 优化DBN的故障分类性能评价 |
| 5.3.1 性能评价指标计算 |
| 5.3.2 验证集分类结果可视化 |
| 5.3.3 泛化能力验证 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（6）基于自主导航系统信息处理的故障容错研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 四旋翼无人机自主导航技术国内外研究现状 |
| 1.3 本文的主要内容与结构 |
| 2 导航系统原理及分析 |
| 2.1 常用坐标系介绍及转换 |
| 2.1.1 常用坐标系 |
| 2.1.2 姿态角 |
| 2.1.3 坐标转换 |
| 2.2 惯性导航系统 |
| 2.2.1 捷联惯性导航原理 |
| 2.2.2 捷联惯性导航误差分析 |
| 2.3 卫星导航系统 |
| 2.3.1 卫星导航原理 |
| 2.3.2 卫星导航误差分析 |
| 2.4 本章小结 |
| 3 基于自主导航系统故障检测研究 |
| 3.1 自主导航系统故障原因及故障类型分类 |
| 3.1.1 故障诱因 |
| 3.1.2 故障类型的分类 |
| 3.2 基于解析余度技术的故障检测法 |
| 3.2.1 故障检测基本原理 |
| 3.2.2 基于多余度信号的故障检测 |
| 3.3 本章小结 |
| 4 四旋翼无人机容错组合导航系统建模 |
| 4.1 惯性/卫星组合导航系统 |
| 4.1.1 惯性/卫星组合导航状态方程 |
| 4.1.2 惯性/卫星组合导航量测方程 |
| 4.2 基于导航系统的解析构建 |
| 4.4 组合导航系统解析余度建模仿真 |
| 4.5 本章小结 |
| 5 自主导航系统容错重构算法研究 |
| 5.1 故障容错及信号重构技术 |
| 5.2 基于解析余度的信号表决算法 |
| 5.2.1 常用的信号表决法 |
| 5.2.2 信号表决方法的改进 |
| 5.3 余度管理逻辑 |
| 5.4 基于卡尔曼滤波的导航数据融合 |
| 5.5 系统总体设计 |
| 5.6 系统仿真 |
| 5.6.1 导航系统建模与仿真 |
| 5.6.2 验证改进的容错方案 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（7）冗余式捷联惯导系统故障检测与隔离关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 冗余式捷联惯导系统故障检测与隔离技术研究现状 |
| 1.2.1 捷联惯导系统冗余配置方案研究现状分析 |
| 1.2.2 冗余式捷联惯导系统故障检测算法研究现状分析 |
| 1.2.3 冗余式捷联惯导系统故障隔离算法研究现状分析 |
| 1.3 论文研究内容及结构安排 |
| 第2章 基于优化性能指标的冗余配置方案设计 |
| 2.1 冗余配置方案设计总体准则 |
| 2.2 现有冗余配置方案设计准则及分析 |
| 2.2.1 系统可靠性准则分析 |
| 2.2.2 最优导航性能准则分析 |
| 2.2.3 故障状态下测量精度准则分析 |
| 2.3 基于故障检测与隔离性能的冗余配置准则设计 |
| 2.4 四陀螺及六陀螺冗余配置方案性能分析 |
| 2.4.1 四陀螺冗余配置方案性能分析 |
| 2.4.2 六陀螺冗余配置方案性能分析 |
| 2.5 本章小结 |
| 第3章 基于IMM与 APV改进的软故障检测方法研究 |
| 3.1 软故障检测方法基本原理及延时问题分析 |
| 3.1.1 基于KF补偿的GLT故障检测方法基本原理 |
| 3.1.2 软故障检测延时问题分析 |
| 3.2 基于IMM与 APV改进的GLT故障检测方法 |
| 3.2.1 基于IMM补偿的奇偶向量设计 |
| 3.2.2 基于APV改进的GLT故障检测方法设计 |
| 3.3 软故障检测改进方法实验与分析 |
| 3.3.1 仿真实验比对与分析 |
| 3.3.2 实测数据实验比对与分析 |
| 3.4 本章小结 |
| 第4章 基于残差卡方检验的单故障隔离方法研究 |
| 4.1 单故障隔离问题的提出 |
| 4.2 基于平均降维矢量的残差卡方检验故障隔离方法 |
| 4.2.1 基于残差卡方检验的系统故障检测方法基本原理 |
| 4.2.2 基于降维矢量的残差卡方检验故障隔离方法设计 |
| 4.2.3 基于平均降维矢量的残差卡方检验故障隔离方法设计 |
| 4.3 单故障隔离方法实验与分析 |
| 4.3.1 仿真实验与分析 |
| 4.3.2 实测数据实验与分析 |
| 4.4 本章小结 |
| 第5章 基于MLE与 RPV改进的双故障隔离方法研究 |
| 5.1 基于MLE的双故障隔离方法基本原理及分析 |
| 5.1.1 双故障隔离方法基本原理 |
| 5.1.2 双故障隔离方法适用条件分析 |
| 5.2 基于MLE与 RPV的双故障隔离方法设计 |
| 5.2.1 动态环境下基于MLE的双故障隔离方法设计 |
| 5.2.2 改进的RPV故障隔离方法设计 |
| 5.3 双故障隔离方法实验与分析 |
| 5.3.1 仿真实验与分析 |
| 5.3.2 实测数据实验与分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（8）基于动力学模型辅助的多旋翼飞行器解析式容错导航方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 动力学模型辅助导航技术研究现状 |
| 1.2.1 基于动力学模型辅助的组合导航技术 |
| 1.2.2 基于动力学模型辅助的容错导航技术 |
| 1.3 论文研究目的和意义 |
| 1.4 论文研究内容和结构安排 |
| 第二章 多旋翼飞行器动力学建模与改进 |
| 2.1 引言 |
| 2.2 多旋翼飞行器动力学模型特性分析 |
| 2.2.1 本文采用的坐标系定义 |
| 2.2.2 四旋翼飞行器动力学特性分析 |
| 2.3 机动条件下四旋翼飞行器动力学建模及改进 |
| 2.3.1 四旋翼飞行器传统动力学建模 |
| 2.3.2 四旋翼飞行器动力学模型改进 |
| 2.3.2.1 升力模型改进 |
| 2.3.2.2 阻力模型改进 |
| 2.3.2.3 扭矩模型改进 |
| 2.3.2.4 横滚/俯仰力矩模型改进 |
| 2.4 四旋翼飞行器改进动力学模型试验验证 |
| 2.4.1 四旋翼飞行器动力学模型参数辨识试验 |
| 2.4.2 改进动力学模型与传统动力学模型精度对比分析 |
| 2.5 本章小结 |
| 第三章 基于动力学模型辅助的导航系统故障诊断方法研究 |
| 3.1 引言 |
| 3.2 导航传感器故障检测方法分析 |
| 3.2.1 传感器故障特性分析及建模 |
| 3.2.2 常用故障检测方法介绍 |
| 3.2.2.1 残差卡方检测法 |
| 3.2.2.2 N步预测残差卡方检测法 |
| 3.2.2.3 基于残差特征值的故障检测方法 |
| 3.2.2.4 最小二乘支持向量回归残差卡方检测法 |
| 3.2.3 故障检测方法对导航传感器故障的适用性分析 |
| 3.3 惯性传感器/动力学模型/量测传感器故障诊断方案设计 |
| 3.3.1 多旋翼飞行器机载导航信息源特性分析 |
| 3.3.2 基于动力学模型辅助的故障检测方案设计 |
| 3.3.3 基于动力学模型辅助的互表决式故障定位策略设计 |
| 3.4 对动力学模型辅助故障诊断的进一步优化——引入角加速度计 |
| 3.4.1 引入角加速度计后的故障检测方案设计 |
| 3.4.2 引入角加速度计后的故障定位策略设计 |
| 3.5 故障诊断方案仿真验证 |
| 3.5.1 仿真平台搭建 |
| 3.5.2 基于动力学模型辅助的故障诊断系统仿真验证 |
| 3.5.2.1 IMU故障条件下故障诊断系统仿真验证 |
| 3.5.2.2 动力学模型故障条件下诊断系统仿真验证 |
| 3.5.2.3 量测传感器故障条件下诊断系统仿真验证 |
| 3.5.3 引入角加速度计后故障诊断系统仿真验证 |
| 3.5.3.1 角加速度计/模型/IMU故障下引入角加速度计的诊断系统仿真验证 |
| 3.5.3.2 量测传感器故障条件下引入角加速度计的诊断系统仿真验证 |
| 3.6 本章小结 |
| 第四章 基于动力学模型辅助的导航系统重构方法研究 |
| 4.1 引言 |
| 4.2 基于动力学模型辅助的系统重构方案设计 |
| 4.2.1 惯性传感器/动力学模型/量测传感器融合滤波方案构建 |
| 4.2.1.1 基于动力学模型辅助的系统滤波器设计 |
| 4.2.1.2 基于动力学模型辅助的滤波器性能验证 |
| 4.2.2 设计滤波器的可观测性分析 |
| 4.2.3 故障条件下动力学模型辅助系统重构滤波方案构建 |
| 4.2.3.1 预发生故障条件下导航系统重构方案 |
| 4.2.3.2 IMU故障条件下导航系统重构方案 |
| 4.2.3.3 动力学模型故障条件下导航系统重构方案 |
| 4.2.3.4 量测传感器故障条件下导航系统重构方案 |
| 4.3 引入角加速度计后导航系统重构方案设计 |
| 4.3.1 惯性传感器/动力学模型/角加速度计/量测传感器融合滤波方案构建 |
| 4.3.2 故障条件下引入角加速度计后系统重构滤波方案构建 |
| 4.4 导航系统重构方案仿真验证 |
| 4.4.1 基于动力学模型辅助的系统重构方案仿真验证 |
| 4.4.1.1 IMU故障条件下重构方案仿真验证 |
| 4.4.1.2 动力学模型故障条件下重构方案仿真验证 |
| 4.4.1.3 量测传感器故障条件下重构方案仿真验证 |
| 4.4.2 引入角加速度计后系统重构方案仿真验证 |
| 4.4.2.1 IMU/模型/角加速度计故障时引入角加速度计的重构方案仿真验证 |
| 4.4.2.2 量测传感器故障条件下引入角加速度计的重构方案仿真验证 |
| 4.5 本章小结 |
| 第五章 四旋翼飞行器试验平台构建及飞行验证 |
| 5.1 引言 |
| 5.2 四旋翼飞行器试验平台设计与搭建 |
| 5.2.1 四旋翼飞行器平台设计 |
| 5.2.2 四旋翼飞行器硬件平台搭建 |
| 5.3 基于动力学模型辅助的容错导航算法试验验证 |
| 5.3.1 试验设计 |
| 5.3.2 IMU故障条件下容错导航方案验证 |
| 5.3.3 动力学模型故障条件下容错导航方案验证 |
| 5.3.4 量测传感器故障条件下容错导航方案验证 |
| 5.4 基于动力学模型/角加速度计辅助的容错导航算法试验验证 |
| 5.4.1 角加速度计故障条件下引入角加速度计的容错导航方案验证 |
| 5.4.2 动力学模型故障条件下引入角加速度计的容错导航方案验证 |
| 5.4.3 IMU故障条件下引入角加速度计的容错导航方案验证 |
| 5.4.4 量测传感器故障条件下引入角加速度计的容错导航方案验证 |
| 5.5 风力干扰条件下容错导航方案试验验证 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 本文创新点 |
| 6.3 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及学术论文情况 |
（9）基于解析模型的飞控系统故障诊断技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于模型的故障诊断方法 |
| 1.2.2 基于知识的故障诊断方法 |
| 1.2.3 基于数据的故障诊断方法 |
| 1.2.4 基于离散事件的故障诊断方法 |
| 1.3 本单位研究基础 |
| 1.4 研究内容与结构安排 |
| 第二章 基于模型的执行机构故障诊断 |
| 2.1 引言 |
| 2.2 执行机构故障诊断总体策略 |
| 2.3 执行机构建模分析 |
| 2.3.1 执行机构系统模型 |
| 2.3.2 故障特性分析 |
| 2.4 故障诊断算法设计 |
| 2.4.1 参考模型校正设计 |
| 2.4.2 基于广义卡尔曼滤波的最优估计器 |
| 2.5 本章小结 |
| 第三章 基于解析模型的机载传感器故障诊断 |
| 3.1 引言 |
| 3.2 传感器故障诊断总体策略 |
| 3.3 传感器特性模拟 |
| 3.3.1 数学建模 |
| 3.3.2 故障特性分析 |
| 3.4 故障诊断联合算法设计 |
| 3.4.1 实时条件概率更新 |
| 3.4.2 加权代价函数判决 |
| 3.4.3 基于故障树分析的专家系统 |
| 3.5 本章小结 |
| 第四章 飞行控制与故障诊断综合系统的研究 |
| 4.1 引言 |
| 4.2 总体功能设计 |
| 4.2.1 系统性能评价 |
| 4.2.2 系统功能划分 |
| 4.3 平台配置基础 |
| 4.3.1 功能处理器 |
| 4.3.2 总线通信单元 |
| 4.4 软件总体结构 |
| 4.5 本章小结 |
| 第五章 系统功能实现与软件设计 |
| 5.1 引言 |
| 5.2 系统模块设计 |
| 5.2.1 软件设计原则 |
| 5.2.2 模块化设计 |
| 5.3 系统任务分配与调度 |
| 5.3.1 任务划分与时隙分配 |
| 5.3.2 系统任务调度 |
| 5.4 本章小结 |
| 第六章 系统测试与仿真验证 |
| 6.1 引言 |
| 6.2 半物理仿真环境搭建 |
| 6.2.1 仿真应用软件开发 |
| 6.2.2 故障注入功能设计 |
| 6.3 系统功能验证与分析 |
| 6.3.1 飞行控制与管理功能验证 |
| 6.3.2 模型解析功能验证 |
| 6.3.3 执行机构故障诊断验证 |
| 6.3.4 传感器故障诊断验证 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 后续展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（10）三余度飞行控制计算机容错技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 余度飞控计算机架构国内外发展现状 |
| 1.2.2 余度管理和容错技术国内外发展现状 |
| 1.3 论文内容与章节安排 |
| 第二章 三余度飞控计算机总体方案设计 |
| 2.1 引言 |
| 2.2 需求分析 |
| 2.2.1 功能要求 |
| 2.2.2 性能需求 |
| 2.3 飞控计算机硬件架构设计 |
| 2.3.1 主处理器的选择 |
| 2.3.2 接口资源配置 |
| 2.3.3 总线单元 |
| 2.4 飞控计算机余度管理技术 |
| 2.4.1 控制单元 |
| 2.4.2 接口单元 |
| 2.4.3 总线单元 |
| 2.5 小结 |
| 第三章 控制单元容错策略设计 |
| 3.1 引言 |
| 3.2 故障模式分析 |
| 3.3 控制单元故障检测策略 |
| 3.3.1 基于自适应算法的超时故障检测 |
| 3.3.2 基于任务运行级别的故障检测 |
| 3.3.3 基于任务运行频率的故障检测 |
| 3.4 CU重构策略设计 |
| 3.4.1 优先级一致性 |
| 3.4.2 优先级切换判据 |
| 3.4.3 系统重构流程 |
| 3.5 CU恢复策略 |
| 3.5.1 恢复信息筛选 |
| 3.5.2 前向恢复 |
| 3.5.3 后向恢复 |
| 3.6 小结 |
| 第四章 接口单元容错策略设计 |
| 4.1 引言 |
| 4.2 接口资源分配策略 |
| 4.2.1 分配原则 |
| 4.2.2 分配方案 |
| 4.3 故障模式分析 |
| 4.4 接口单元故障检测策略 |
| 4.4.1 基于自适应算法的超时故障检测 |
| 4.4.2 基于数据更新率的故障检测 |
| 4.4.3 基于观测器的故障检测方法 |
| 4.4.4 基于状态反馈的故障检测 |
| 4.4.5 开关量通道故障检测 |
| 4.5 接口单元重构策略 |
| 4.5.1 IU整体失效时的重构 |
| 4.5.2 IU局部失效时的重构 |
| 4.6 小结 |
| 第五章 总线单元容错策略设计 |
| 5.1 引言 |
| 5.2 CAN总线通信机制 |
| 5.2.1 CAN总线物理结构 |
| 5.2.2 CAN总线数据帧结构 |
| 5.2.3 CAN总线仲裁机制 |
| 5.2.4 系统数据帧ID划分 |
| 5.3 故障模式分析 |
| 5.4 总线单元故障检测策略 |
| 5.4.1 基于心跳的故障检测 |
| 5.4.2 基于交叉校验的故障检测 |
| 5.5 总线单元重构策略 |
| 5.5.1 基于交叉校验机制的重构策略 |
| 5.5.2 基于主从备份机制的重构策略 |
| 5.6 小结 |
| 第六章 飞控软件的设计 |
| 6.1 引言 |
| 6.2 飞控软件的总体架构和功能划分 |
| 6.2.1 飞控软件总体架构设计 |
| 6.2.2 模块间数据流分析 |
| 6.2.3 飞控软件的功能划分 |
| 6.2.4 软件运行环境的选择 |
| 6.3 飞控软件任务与优先级划分 |
| 6.3.1 各模块任务划分 |
| 6.3.2 基于优先级的抢占式调度 |
| 6.4 任务调度策略 |
| 6.4.1 余度管理与容错模块 |
| 6.4.2 飞行控制与管理模块 |
| 6.5 小结 |
| 第七章 系统仿真验证 |
| 7.1 引言 |
| 7.2 仿真策略设计 |
| 7.2.1 半物理仿真环境的搭建 |
| 7.2.2 仿真验证方案设计 |
| 7.3 容错策略验证 |
| 7.3.1 无故障条件下仿真测试 |
| 7.3.2 控制单元容错策略验证 |
| 7.3.3 接口单元容错策略验证 |
| 7.3.4 总线单元容错策略验证 |
| 7.4 小结 |
| 第八章 总结与展望 |
| 8.1 本文工作总结 |
| 8.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
四、基于组合导航系统的故障检测与诊断技术研究（论文参考文献）
- [1]基于GA-DBN的组合导航故障诊断技术研究[D]. 孔维宇. 哈尔滨工业大学, 2021
- [2]多源信息融合的无人机容错组合导航方法研究[D]. 陶超. 电子科技大学, 2021(01)
- [3]组合导航系统故障检测算法研究现状分析[J]. 李怀建,徐荣景,杜小菁,胡梓烨. 战术导弹技术, 2021(01)
- [4]基于双状态卡方故障检测的组合导航系统[J]. 张浩,肖勇,杨朝旭,张睿,许斌. 航空学报, 2020(S2)
- [5]优化DBN算法及其在导航系统IMUs故障诊断中的应用[D]. 张树凤. 东北电力大学, 2020(01)
- [6]基于自主导航系统信息处理的故障容错研究[D]. 征海铖. 西安工业大学, 2020(04)
- [7]冗余式捷联惯导系统故障检测与隔离关键技术研究[D]. 孙湘钰. 哈尔滨工程大学, 2020
- [8]基于动力学模型辅助的多旋翼飞行器解析式容错导航方法[D]. 刘士超. 南京航空航天大学, 2020(07)
- [9]基于解析模型的飞控系统故障诊断技术研究[D]. 谈娟. 南京航空航天大学, 2020(07)
- [10]三余度飞行控制计算机容错技术研究[D]. 路红飞. 南京航空航天大学, 2020(07)