基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对多模型自适应估计(multiple model adaptive estimation,MMAE)方法适应突变故障能力差、多重渐消因子强跟踪算法滤波发散、故障条件概率计算量大等问题,提出一种改进的多重渐消因子强跟踪多模型自适应估计(strong tracking multiple model adaptive estimation,STMMAE)快速故障诊断方法.通过多重渐消因子提高了故障突变时滤波器的跟踪性能;通过改进一步预测协方差阵更新方程,保证了滤波器稳定性,提高了估计精度;采用基于欧几里得范数的飞机舵面故障概率快速计算方法,降低了故障概率计算量.对比仿真表明,该算法跟踪性强、速度快、精度高,具有较好的鲁棒性和稳定性.
推荐文章
确定采样型强跟踪滤波飞机舵面故障诊断与隔离
故障诊断
多模型自适应估计
多重渐消因子
无迹卡尔曼滤波
中心差分卡尔曼滤波
容积卡尔曼滤波
基于改进混沌神经网络的飞机舵面故障预测研究
混沌
相空间重构
BP神经网络
Levenberg-Marquart算法
飞机舵面卡死
基于多智能体系统的飞机舵面故障诊断方法
故障诊断
多智能体系统
组合故障
交互模型
飞行器液压舵面作动机构故障诊断研究
小波包能量
支持向量机
故障诊断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进的强跟踪飞机舵面快速故障诊断方法
来源期刊 系统工程与电子技术 学科 工学
关键词 飞机舵面故障 多模型自适应估计 多重渐消因子 欧几里得范数
年,卷(期) 2015,(11) 所属期刊栏目 制导、导航与控制
研究方向 页码范围 2566-2573
页数 8页 分类号 TP273
字数 6175字 语种 中文
DOI 10.3969/j.issn.1001-506X.2015.11.22
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 倪世宏 空军工程大学航空航天工程学院 77 520 11.0 16.0
2 解武杰 空军工程大学航空航天工程学院 30 257 7.0 15.0
3 董文瀚 空军工程大学航空航天工程学院 75 528 12.0 19.0
4 马骏 空军工程大学航空航天工程学院 9 95 5.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (37)
共引文献  (30)
参考文献  (10)
节点文献
引证文献  (3)
同被引文献  (62)
二级引证文献  (20)
1991(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(7)
  • 参考文献(1)
  • 二级参考文献(6)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(6)
  • 参考文献(2)
  • 二级参考文献(4)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(11)
  • 引证文献(1)
  • 二级引证文献(10)
2019(6)
  • 引证文献(0)
  • 二级引证文献(6)
2020(5)
  • 引证文献(1)
  • 二级引证文献(4)
研究主题发展历程
节点文献
飞机舵面故障
多模型自适应估计
多重渐消因子
欧几里得范数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
系统工程与电子技术
月刊
1001-506X
11-2422/TN
16开
北京142信箱32分箱
82-269
1979
chi
出版文献量(篇)
10512
总下载数(次)
24
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导