5 结果
该算法通过了50次的蒙特卡罗实验进行了验证。每个实验总共有100个测量值和不同数量的故障。由图4.2可知,经过100次迭代测试, P ⃗ \vec{P} P的和收敛到4.5。在收敛后,所有五个故障测量可以被隔离,没有任何假阳性与其它测量。应该注意的是,算法不需要运行到完全收敛来隔离故障,但可以在假设每个测量都包含在测试中的情况下,以更少的迭代来运行。然而,如果它没有收敛,隔离良好测量的可能性就会降低,但作为额外测试所需的计算时间的权衡,这是可以接受的。
随着故障测量值的增加, P ⃗ \vec{P} P的总和增加,如图4.3和4.4所示, ∑ P ⃗ \sum \vec{P} ∑P收敛于8和10.8,分别为10和15个故障测量值。如果进行更多的实验, ∑ P ⃗ \sum \vec{P} ∑P的稳态值相对于图4.5中的故障测量的数量绘制出来,可以看到一个非线性关系。这种关系类似于通过测试的概率与故障测量的数量之间的关系,如图4.1所示。
如图4.6所示,当 ∑ P ⃗ \sum \vec{P} ∑P的稳态值相对于选择一个好的子集的概率绘制时,我们发现了一个线性关系。这种关系取决于测量的总数目 N N N和测试子集中的测量数目 n n n,但仍然是线性的。这提供了一个简单的工具来发现故障测量的数量。
6 结论
本文的工作揭示了误差概率向量 ∑ P ⃗ \sum \vec{P} ∑P和选择一个好的测量子集的概率之间的线性关系。在给定测量值的数量和子集的大小以及其它变量的情况下,找到一个方便的线性关系方程将被研究。
总之,视觉系统已被证明是GPS导航的很好的替代品。然而,由于导航环境的变化,可用测量的数量和质量有所不同。这导致在任何情况下发生单故障和多故障的可能性很高。如果这些系统要获得航空应用认证,检测和排除这些故障的能力是必不可少的。本文提出了一种方法,该方法在发生多故障是提供更多的信息,允许确定故障的数量和识别故障。
7 参考文献
略