基于动态神经网络的装备技术状态预测模型

装备的技术状态受多种因素的影响,诸多影响因素之间是一种多变量、强耦合、非线性的关系,同时这种关系还是动态的。根据装备技术状态的特性,使其在相空间里重构,然后利用动态神经网络建立装备技术状态预测模型,并以装备振动信号预测为例进行案例研究,验证了利用动态神经网络进行预测的可行性和优越性。     

高功率微波TM01模式移相器

研制了一种新型的TM01模式高功率微波移相器,这种移相器通过两个十字交叉圆极化器结构可以将高功率微波输出相位进行0°~360°的调节。对构成这种移相器的TE11圆极化器及移相器的电磁特性通过电磁仿真软件CST进行了仿真,仿真结果表明此移相器可以对1.75GHz的TM01模式进行0°~360°调节,并且误差不超过1°,在0°~360°调节范围内的传输效率均大于97%,且功率容量大于4.3GW。     

基于贝叶斯网络的自动装弹机维修决策

在分析贝叶斯网络的结构和特点的基础上,以自动装弹机的部件输弹机为例,构建了输弹机不旋转故障模式的贝叶斯网络模型,并对网络模型进行训练和学习,在计算网络模型相关参数的基础上进行维修决策分析,梳理出排除输弹机不旋转故障的一般性方法,为研究自动装弹机的维修决策提供参考。     

弹药生产响应能力综合评价指标权重组合方法

针对战时弹药需求的不确定性而造成对生产能力冲击的特点,为科学地确定综合评价指标权重,评价军工企业弹药生产响应能力,运用基于偏差平方和最小的综合评价指标粗糙集与网络分析法的权重组合算法,将定性与定量评价方法相结合,为客观评价企业弹药生产响应能力提供了科学的依据,对提高弹药生产决策的军事经济效益具有重要的意义。     

改进Laplace先验下的复数域多任务贝叶斯压缩感知方法

为了将现有的实数域贝叶斯压缩感知方法推广至复数域,利用改进Laplace先验假设,提出了一种复数域多任务贝叶斯压缩感知(complex multitask Bayesian compressive sensing using modified Laplace priors, CMBCS-MLP)方法,消除了测量噪声方差的影响,并推导了一种基于递归操作的快速算法。数值仿真表明：针对复数域稀疏信号重构问题,相比于现有方法,所提CMBCS-MLP方法具有更好的精确性和鲁棒性。     

A bayesian optimisation methodology for the inverse derivation of viscoplasticity model constants in high strain-rate simulations

We present an inverse methodology for deriving viscoplasticity constitutive model parameters for use in explicit finite element simulations of dynamic processes using functional experiments, i.e., those which provide value beyond that of constitutive model development. The developed methodology utilises Bayesian optimisation to minimise the error between experimental measurements and numerical simulations performed in LS-DYNA. We demonstrate the optimisation methodology using high hardness armour steels across three types of experiments that induce a wide range of loading conditions: ballistic penetration, rod-on-anvil, and near-field blast deformation. By utilising such a broad range of conditions for the optimisation, the resulting constitutive model parameters are generalised, i.e., applicable across the range of loading conditions encompassed the by those experiments (e.g., stress states, plastic strain magnitudes, strain rates, etc.). Model constants identified using this methodology are demonstrated to provide a generalisable model with superior predictive accuracy than those derived from conventional mechanical characterisation experiments or optimised from a single experimental condition.     

考虑仿真可信度的舰炮虚拟校射

为利用仿真模型在有限校射样本的条件下对校射补偿量进行合理估计,对考虑仿真可信度的舰炮虚拟校射方法进行了研究。对自适应加权贝叶斯估计方法进行了研究,一方面对仿真先验可信度的计算方法进行了分析,另一方面对考虑先验可信度的自适应加权贝叶斯估计算法进行了研究。在此基础上,结合舰炮虚拟校射的原理和需求,建立了舰炮虚拟校射诸元误差自适应加权贝叶斯估计模型。仿真验证表明:自适应加权贝叶斯估计方法能够利用试验数据对仿真模型的可信度进行有效验证并进一步实现对目标分布的有效估计;所设计的校射方法能够综合利用仿真模型和校射样本的优势,实现对诸元误差的合理估计,达到有效提高校射精度的目的。     

MFSK/FFH系统分集合并算法性能对比研究

推导了部分频带干扰最佳干扰系数表达式并进行了仿真验证,描述了多进制频移键控/快跳频(MFSK/FFH)系统、衰落信道和分集合并算法模型,在最坏部分频带干扰和衰落信道下,仿真对比了MFSK/FFH系统采用线性分集合并、限幅线性分集合并、自归一分集合并、排序统计自归一分集合并、乘积分集合并5种分集合并算法时的误码率性能,结果表明:在最坏部分频带干扰和衰落信道下,线性合并性能较差,其他4种算法性能较为相似,Rayleigh衰落信道中排序统计自归一分集合并和乘积分集合并算法性能最优。     

基于贝叶斯理论的自学习模糊综合评判研究

在目前多专家故障诊断系统采用的模糊综合评判方法基础上,根据某特定故障的理论诊断结果及实际检测、维修结果,利用贝叶斯理论,对特定故障下各专家的初始权重集进行实时更新,实现了模糊综合评判的自学习,提高了诊断的准确性.最后给出了方法在"康明斯柴油机故障诊断专家系统"中的应用实例,验证了方法的有效性.     

基于备件需求预测的两步法理论?

在对备件需求时间序列研究的基础上,结合指数平滑法和Croston法的特点,分析了指数平滑法与两步法的原理,通过对指数平滑法和两步法方差的研究,得到两步法是指数平滑法的一般形式的结论,为两步法的进一步研究提供一定的理论支撑。