Model parameter estimation and residual life prediction for a partially observable failing system

We consider a partially observable degrading system subject to condition monitoring and random failure. The system's condition is categorized into one of three states: a healthy state, a warning state, and a failure state. Only the failure state is observable. While the system is operational, vector data that is stochastically related to the system state is obtained through condition monitoring at regular sampling epochs. The state process evolution follows a hidden semi‐Markov model (HSMM) and Erlang distribution is used for modeling the system's sojourn time in each of its operational states. The Expectation‐maximization (EM) algorithm is applied to estimate the state and observation parameters of the HSMM. Explicit formulas for several important quantities for the system residual life estimation such as the conditional reliability function and the mean residual life are derived in terms of the posterior probability that the system is in the warning state. Numerical examples are presented to demonstrate the applicability of the estimation procedure and failure prediction method. A comparison results with hidden Markov modeling are provided to illustrate the effectiveness of the proposed model. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 190–205, 2015     

面向监督学习的稀疏平滑岭回归方法

岭回归是监督学习中的一个重要方法,被广泛用于多目标分类和识别。岭回归中一个重要的步骤是定义一个特殊的多变量标签矩阵,以实现对多类别样本的编码。通过将岭回归看作是一种基于图的监督学习方法,拓展了标签矩阵的构造方法。在岭回归的基础之上,进一步考虑投影中维度的平滑性和投影矩阵的稀疏性,提出稀疏平滑岭回归方法。对比一系列经典的监督线性分类算法,发现稀疏平滑岭回归在多个数据集上有着更好的表现。另外,实验表明新的标签矩阵构造方法不会降低原始岭回归方法的表现,同时还可以进一步提升稀疏平滑岭回归方法的性能。     

对象边框标注数据的弱监督图像语义分割

针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法。使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证。实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果。     

高分辨率遥感影像的自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市Quick Bird和World View影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度(82%与82.67%)、常规支持向量机分类总精度(87.33%与88%)、最小二乘支持向量机分类总精度(88%与89.33%)相比,精度有明显提升,分类效果较好。     

弹性薄板的条形传递函数单元模型

应用改进的条形传递函数方法 ,建立了弹性薄板的二结线四自由度条形单元模型 ,用于分析系统的静力响应。用结线将矩形区域划分为条形单元 ,将边界结线离散 ,以内部结线和边界结点的位移和转角为未知量 ,采用三次插值 ,得到能够与有限元单元耦合求解的超级单元。利用广义函数给出了一种精确积分方法 ,可以得到有关矩阵的显式表达 ,得到提高了求解精度和效率。     

上下文感知的深度弱监督图像哈希表示学习方法

针对现有深度监督图像哈希表示学习方法依赖于图像的类别信息,难以在现实中被广泛应用问题,利用与图像相关的标签信息作为监督信息,提出上下文感知的深度弱监督图像哈希表示学习方法。该方法一方面通过自适应捕获图像区域特征的相关上下文来增强它们的表示能力,另一方面通过引入判别损失来提高学习到的哈希码表示的判别性。在现有两个公开数据集上的大量实验结果证明了该方法的有效性。     

防半穿甲导弹战斗部动能穿甲模拟试验研究

根据半穿甲导弹破坏机理和穿甲力学中的相似理论 ,以目前世界上典型的半穿甲导弹战斗部为模拟对象 ,设计出试验装置、弹丸和 3个系列共十几种结构形式的靶板 .通过对试验结果的分析比较 ,得出各种装甲结构形式抗半穿甲导弹动能穿甲特性 .     

任意分布随机数的FPGA实现

为了满足数字电路板的随机测试需求,在Simulink/DSP Builder中建立了产生任意分布随机数的模型,并在FPGA上进行了半实物仿真和性能分析,结果表明该模型达到了设计要求,具有实用价值。     

成像制导半实物仿真系统设计研究

红外成像制导系统是一个技术要求高的复杂大系统。介绍了导弹红外制导控制仿真系统的组成、功能及仿真过程,同时阐明了成像制导半实物仿真系统设计中涉及到的图像目标模拟、图像导引头的介入方式以及制导部件仿真测试和图像生成等问题的解决和设计方法。     

基于磁流变阻尼器的车辆悬挂二自由度模型控制算法

将磁流变(MRF)新型阻尼减振器用于车辆悬挂减振系统中,用以实现变阻尼式履带车辆悬挂系统半主动控制。在基于线性二次型最优控制理论(LQR法)的基础上,对车辆悬挂系统的半主动控制算法进行了深入研究,建立了二自由度1/4车体的动力学模型,并对其控制效果进行了仿真,结果表明这种半主动控制算法对车辆悬挂系统的半主动有着很好的效果。