基于证据推理的激光惯组最优维护方法

为解决激光惯组存在的故障样本获取困难和监测维护周期不合理等问题，采用一种融合多元信息的性能评估方法对激光惯组的性能进行评估。首先，综合考虑了惯组指标信息的权重和可靠度，基于证据推理融合多元信息得到激光惯组性能评估结果。其次，根据性能评估结果，通过维纳过程预测综合考虑激光惯组的监测维护成本和性能设计要求，在满足性能状态要求前提下以单位时间内期望维护成本最小为目标，确定最优维护时机。最后，使用某型号激光惯组进行了实验验证，说明所提出的方法的有效性。     

基于ARIMA和支撑矢量机组合预测的惯性器件故障预报

文中提出一种基于ARIMA和支撑矢量机进行组合预测的方法,该方法综合运用ARIMA良好的线性拟合能力和支撑矢量机强大的非线性映射功能,将两种预测模型有机地组合在一起,综合各自优点,以期有效改善模型的拟合能力,获得最优预测效果.文中将该方法应用于某飞行器惯性器件的故障预报当中并进行了仿真实验.结果表明,这种方法相对于单项模型的预测具有更高的精度,对于复杂时间序列的分析和预测有很好的应用价值,在故障预报中具有广泛的应用前景.     

电路板故障诊断中神经网络信息融合技术的应用

将信息融合技术应用到导弹电子设备的电路板故障诊断之中．提出了一种基于红外热成像实验的温度故障隶属度函数构造形式以及改进的BP神经网络算法。进行了BP神经网络信息融合故障诊断的实验研究．从结果看信息融合能较好地解决电路板元件故障诊断的不确定性问题。     

Robust parametric approach for tracking control of an air-breathing hypersonic cruise vehicle

To realize the stabilization and the tracking of flight control for an air-breathing hypersonic cruise vehicle, the linearization of the longitudinal model under trimmed cruise condition is processed firstly. Furthermore, the flight control problem is formulated as a robust model tracking control problem. And then, based on the robust parametric approach, eigenstructure assignment and reference model tracking theory, a parametric optimization method for robust controller design is presented. The simulation results show the effectiveness of the proposed approach.     

基于静力测试的三维曲面结构测点优化配置

传感器测点优化配置在结构健康监测系统中具有重要作用。针对结构健康监测中静力作用下三维曲面结构变形状况进行了研究,提出了三维曲面结构的测点优化配置方法。首先,对三维曲面结构进行测点组合选取,根据已知测点的响应值采用三维超曲面样条函数插值估计未布置测点的响应值,然后建立适应度函数,对未布置测点的估计值与实际值的误差进行判定,最后通过二重结构编码遗传算法对测点组合进行优化,选取适应度函数值最小的测点配置方案,从而实现了传感器测点优化配置的目的。应用该方法对简支的圆柱壳弯曲变形进行了测点优化配置,得到的适应度函数值最小的测点配置方案中,未布置测点的估计值与实际值的误差为1.10％,从而验证了该方法的可行性和有效性。     

基于支持向量预选取的支持向量域故障预报

针对两种支持向量域模型分别分析了支持向量的分布特性,在此基础上从训练集中选取具有一定几何特征的向量构建预测模型.这些特征向量的预选取在不影响支持向量域的故障预报能力的前提下,大大减少了训练样本,提高了支持向量域的训练效率.仿真实验表明了该方法的有效性和可行性.

     

基于隐马尔可夫模型的陀螺仪漂移预测

针对陀螺仪实验数据的有限性和非平稳性,提出了基于自回归(AR)模型和隐马尔科夫模型(HMM)的陀螺漂移预测方法。首先利用AR模型参数能够敏感状态变化规律的特性,提取陀螺漂移数据的自回归系数作为特征量;然后对具有混合高斯输出的HMM进行训练;最后对陀螺仪的状态进行加权预测,改进了趋势预测的方法,解决了陀螺漂移在小样本数据条件下的预测问题。实验分析了加权模型阶数和HMM状态数对陀螺漂移预测结果的影响,并验证了预测方法的有效性。     

一种RVM模糊模型辨识方法及在故障预报中的应用

对复杂、病态、非线性动态系统进行故障预报的重点和难点是建立系统故障状况的数学模型, 通常难以建立精确的数学模型, 相比之下构建其模糊模型是一个有效途径. 本文研究了相关向量机(Relevance vector machine, RVM)与模糊推理系统(Fuzzy inference system, FIS)之间的内在联系, 证明了基于RVM的FIS具有一致逼近性, 并提出了一种基于RVM和梯度下降(Gradient descent, GD) 算法的模糊模型辨识方法. 基于所给出的模糊模型辨识方法提出了一种新的故障预报算法. 仿真结果表明所建立的模糊模型不仅结构更加简单, 而且能达到更高的预测精度, 所提出的故障预报算法能准确地预报系统故障.     

基于C/S+B/S双模式的分布式远程诊断专家系统

分布式远程诊断专家系统（DRFDES）是故障诊断领域的发展趋势之一。为此文章深入研究了其工作原理、实现的硬软件结构及工作过程，分析了Web数据库的体系的两层C／S结构和三层B／S结构厦其在DRFDES中的优缺点，在该基础上提出了一种基于C／S和B／S混合模式的数据库体系的分布式远程故障诊断专家系统，探讨了故障诊断知识库的更新模式，并对分布式远程诊断专家系统实现的理论基础和关键技术进行了研究。     

一种可靠性仿真的故障树分析方法及应用

在武器装备领域,系统的可靠性已成为重要的评价指标,故障树分析法则是可靠性仿真中最有效的分析方法之一.该文从故障树分析法的起源、发展和特点着手,详细分析了该方法的工作流程及其算法实现,对故障树的建树问题进行了研究,最后给出了某飞行器安全系统的故障树仿真实例.