1. 研究目的与意义
随着经济科技的发展，国家对科学仪器行业越来越重视。近些年来各种神州系列飞船上天，其中科学仪器在里面发挥这不可代替的作用。传感器作为基础系统的重要元部件，已日趋发展成熟完善，但在如今连续高速化的运转下，传感器发生故障的事也时常发生。想要避免发生故障，不仅需要提升传感器的自身的质量，还需要建立监控系统来监视传感器的运行，并进行后续的故障自诊等工作。为了避免传感器发生故障从而导致的一系列损失，六维加速度传感器的故障自诊算法的研究就显得尤为重要。
2. 国内外研究现状分析
国外: 1971年，nasa 的walter c.merrill 就针对喷气式发动机的三种基于解析冗余的故障诊断方法进行调查，调查报告中将三种方法进行了优缺点的对比分析，为后来的学者提供了解析冗余的故障诊断的理念。1990年，frank等人也进行了这方面的相应调查。1994年，h oedberg等人开发了一种分布式传感器的测量系统，并且通过一种模糊算子融合将各个传感器的意见进行融合，实现了硬件冗余法故障诊断技术的有效应用。1995年，nd walker等人在对如图 1.1（a）所示的单机架冷轧机进行故障诊断时，使用了截断无穷级数计算牛顿迭代微分方程进一步减少负载的方法，诊断效果有效。1988年，rc luo等人就提出了对同样工作环境中的多个传感器进行测量数据一致性的方法，为硬件冗余故障技术打下基础。2004年，d capriglione等人利用状态估计及参数估计的方法对安装在公交车上的传感器进行实时故障诊断，其传感器及控制单元分布如图 1.1（c）所示，这种状态估计和参数估计的方法使得受损原件的物理位置及受损程度能够准确定位。2014年，帕孜来等人同样利用诊断键合图对多容水箱传感器进行了有效的故障辨识与诊断。
国内：
1998年，h.y.zhang等人采取反褶积方法和非线性项近似 b样条神经网络对传感器进行了故障隔离。1999年，哈工大的张彦铎等人撰文对传感器的信息融合进行了综述并提出了用于信息融合的一般结构，给出了具有普遍意义的智能故障诊断模型，其结构示意图如图 1.2（a）所示。2000年，wang haiqing等人提出了一种改进的pca法，其通过引pvr和cvr两个新的统计量来代替传统 pca的 q统计量。改进的主成分分析可以有效地检测微小变化，给出故障的根源，其应用于cstr系统的流程图如图 1.2（b）所示。2003年，吴浩中利用 rbf神经网络对每个传感器建构输出预测器，如图 1.3（a）所示，并设计复合故障决策策略进行传感器的故障诊断，该方法具有实时性好的特点，且能够同时诊断多个传感器，效率较高。西北工业大学的郝涛、唐永哲等人也成功地基于 bp神经网络对飞控系统传感器进行实时检测的建模，其故障诊断流程如图1.3（b）所示，仿真验证结果可行。2006 年，清华大学的赵志刚、赵伟等人利用多个传感器组合对系统进行检测，通过设计底层运算逻辑与从而表决判断出失效传感器。由于其成功引入了动态测量不确定度的理论，使得传感器的使用范围扩大。2006年，zhang等人基于兼容识别框架使得传感器的信息能够最大化利用从而降低状态的不确定性。主元分析法（pca）通过提取统计特征掌握数据空间特性，从而进行故障诊断。2008年，国内的梨苗梨、陆琦荣等人对多个传感器的故障诊断技术进行了系统的探索，依次完成了定义测量模型、硬件冗余故障检测、故障分离和故障分离的算法，并据此完成了实验验证。2013年，王福忠、常琳杰等人为了解决线性系统传感器的信号增益健问题，通过硬件冗余法建立传感器信号增益误差模型，并运用线性矩阵不等式理论求解出增益误差的容忍因子，容忍区间及硬件冗余度。2007年，哈工大的王秋生等人对五箱系统进行故障检测时利用了诊断键合图并建立其特征矩阵解算残差，故障隔离便捷，诊断有效2008年，李冬辉、王乐英等根据系统中的能量平衡关系分析焓值，建立了pca模型，实现了定量定风量空调系统的故障诊断。小波变换（wt）克服了窗口大小不随频率变化的缺点，是一种可进行信号时频分析和处理的新的变换分析方法，在近年了被成功用于故障诊断技术。2006年至 2007年，哈工大的徐涛、王祁先后将小包变换和神经网络、主元分析和 lvq网络相结合用于传感器故障诊断，研究发现，小包变换后能够得到小波包的最佳分解树，故障诊断效果良好，其小波包解决示意图如图 1.2（c）所示。2013年，wang xiaomeng等也成功将小波变化应用于航空传感器的故障诊断中。
3. 研究的基本内容与计划
研究内容：
预紧式并联六维加速度传感器的三支链故障自诊断算法研究。
研究计划：
4. 研究创新点
特色与创新：
从分析冗余进行故障诊断的角度出发，对原结构进行其中三根支链的改进以增加冗余信息改进后，在无故障情况下，传感器测量精度不受影响；在有故障情况下，在不借助任何外部辅助设备的基础上，修复率提高。
