非高斯随机系统基于熵优化的主动容错滤波

The study on active fault tolerant filter for non-Gaussian stochastic systems becomes more important in recent years. Due to model uncertainties and disturbances, the modeling on non-Guassian noise is not well solved. An entropy optimization based active fault tolerant filter of non-Gaussian stochastic systems will be studied in this project, where the sampled probability density function based on sample data is employed. The robust filter on non-Gaussian systems will be studied firstly based on the entropy optimization rule.The fault detection and fault reconfiguration problem will be studied then. Based deep analysis on classic faults of sensors and their impaction on system, some fault diagnosis and fault accommodation strategies will be obtained. For verification purpose,an INS/GPS simulation platform will be built, which includes fault tolerant filter algorithms, classic faults of gyro, accelerator and GPS. This study can improve the application of entropy in navigation systems.

非高斯随机系统的主动容错滤波问题是近年来随机系统研究的一个热点问题。由于各类干扰及模型不确定性的影响，非高斯噪声的建模问题尚未有很好的解决方案。本项目将在采样数据的基础上得到采样概率密度函数，利用熵优化原理，研究非高斯系统的主动容错滤波问题。具体有：基于熵优化准则，研究非高斯系统鲁棒滤波；在此基础上研究非高斯系统故障检测及故障重构问题；深入分析传感器的典型故障及对系统的影响，建立闭环系统故障诊断及容错策略；以惯性/卫星组合导航为基础，针对陀螺仪、加速度计和GPS的非高斯输出特性与常见故障，建立基于熵优化的组合导航系统容错滤波仿真平台,为该方法在导航系统中的应用打下基础。

依据项目研究计划，主要进行了三方面的研究工作。第一，基于采样数据和熵优化原则研究了非高斯随机系统数学建模问题，其一是利用动态神经网络进行参数辨识，建立非高斯非线性系统模型，其二是固化已建模型参数，利用动态神经网络进一步对不确定项、干扰及故障进行建模，并将其应用到直流电机的负载观测研究中。第二，针对无人机系统进行了故障检测、隔离与主动容错工作。首先设计故障检测滤波器，利用残差进行故障检测，利用残差方向进行故障隔离，并采用卡尔曼滤波器进行故障参数在线估计；针对部分损失的故障利用补偿控制指令进行容错设计，针对完全损失的故障，利用硬件冗余，通过控制器重构进行容错设计。第三，建立了无人机研究仿真平台。该平台可以实现机上直流电动机负载及故障估计，可以实现无人机控制器和传感器故障的检测、隔离和在线估计以及基于不同故障的容错调度。.依托项目，共计发表学术论文7篇（3篇期刊论文，4篇学术会议），对于熵优化主动错滤波理论的研究起到了推动作用。针对单个故障，利用残差进行故障报警，利用残差方向进行故障隔离策略取得了很好的仿真效果，这对推动该方法在无人机故障诊断与容错控制的应用具有重要的参考价值。依托项目，培养了8名硕士研究生，其中已有4名毕业，4名在读。