L—R型模糊数及其在装备贮存可靠性研究中的应用

由于数据不足,在全寿命周期的初始阶段使用传统的可靠性分析技术,难以对装备的贮存可靠性进行研究。在模糊集理论的基础上,应用L-R型模糊数的模糊故障树分析技术,探讨了装备贮存可靠性的研究问题。     

推理树概率逻辑公式集有效赋值列数计算

本文通过对概率逻辑推理树知识结构模型的研究,得出在树推理中对矩阵列消减起主要作用的相邻关系及其计算方法,给出了树推理模型的有效赋值列数的一般计算方法。     

用故障树分析法排除柴油机监控系统故障

对某型舰艇柴油机监控系统运行中发现的三个故障现象,应用故障树分析法,构筑相应故障树,在此基础上进行逐项测试检查,最终完成了故障定位,修理后成功地排除了所有故障.     

采用故障树的数据链系统故障模式

根据数据链系统的故障检测困难的特点,采用故障树分析法,建立了数据链系统的故障树;在详细分析数据链系统故障特点的基础上,提出了端口功能检测法、调制解调器替代法和电性能参数检测法3种故障定位方法。设计了端口功能检测法中数据测试仪、终端设备模拟器和自环测试监测仪的系统连接方法,设计了调制解调器替代法的系统连接方法和电性能参数检测法的常见电性能参数。综合使用故障检测定位方法,可快速定位数据链系统常见故障。     

基于EMD和二叉树支持向量机的调制识别算法

针对数字调制模式识别问题,提出了一种基于经验模式分解(EMD)和二叉树支持向量机的识别算法。该算法通过对数字信号进行经验模式分解,利用分解得到的本征模式函数构造分类特征,再运用二叉树支持向量机作为分类器实现了6种信号的分类。仿真结果表明,该算法具有很好的识别性能。     

基于可拓方法的C3I作战方案生成与评价

作战指挥决策支持系统是指挥自动化系统的重要组成部分,作战方案生成与评价是作战指挥决策支持系统的基本功能.根据作战指挥决策支持系统特点将可拓方法应用于作战方案生成与评价,并分析了其优势所在.结合空战案例运用发散树方法进行作战方案集的开拓,并利用优度评价方法进行作战方案的评价,从而得到最佳作战方案.     

基于故障树的系统安全风险实时监测方法

当前的安全性分析方法大都属于预先安全性分析方法,即在系统使用前对系统进行安全性分析。但系统的动态特性,如组成部件工作状态的动态变化,使系统的安全性呈现实时变化。为研究系统的实时安全风险,提出了一种基于故障树的实时安全风险监测方法。该方法用故障树表示系统结构,建立系统安全风险评估模型,根据系统的技术状态参数与系统组件工作状态的对应关系,实时对系统的安全风险进行监测;并根据安全风险监测的情况,对安全风险变化原因做出解释,做到防患于未然。用一个具有前馈控制冷却系统的例子演示了该方法的有效性。     

空间应急飞行器姿态快速机动控制研究

以空间应急飞行器姿态机动快速控制过程为研究对象,对姿态快速解耦控制问题进行研究.采用决策树理论对时间最优控制和倾斜开关曲线控制这两种控制策略进行综合,以控制时间作为代价函数,获得三通道时间最优控制策略.与其他方法相比,本控制策略控制时间大幅缩短,控制精度满足设计需求.另外对控制器不同控制周期下的控制效果进行仿真比较,对控制器控制周期选择具有指导意义.     

基于事故树和贝叶斯的军民航飞行冲突风险研究

为充分了解当前军民航飞行冲突、危险接近事故征候的成因,并对其发生原因进行有重点的预防和对事件发生概率的精确预测,首先建立事故树模型,对其原因进行分析;总结导致其发生的基本事件,计算事故树模型的最小割集和各个基本事件的结构重要度;其次对军民航飞行冲突、危险接近事故征候的发生概率进行合理的取值,得出基本事件的概率重要度,指出基本事件发生概率对顶事件发生概率的影响;最后构建军民航飞行冲突、危险接近事故征候贝叶斯网络模型,计算中间事件的条件概率和顶事件发生概率,并与实际结果进行对比,验证方法可行性。     

Optimal production ramp-up in the smartphone manufacturing industry

Motivated by challenges in the smartphone manufacturing industry, we develop a dynamic production ramp-up model that can be applied to economically satisfy nonstationary demand for short-life-cycle products by high-tech companies. Due to shorter life cycles and more rapid evolution of smartphones, production ramp-up has been increasingly critical to the success of a new smartphone. In the production ramp-up, the key challenge is to match the increasing capacity to nonstationary demand. The high-tech smartphone manufacturers are urged to jointly consider the effect of increasing capacity and decreasing demand. We study the production planning problem using a high-dimensional Markov decision process (MDP) model to characterize the production ramp-up. To address the curse of dimensionality, we refine Monte Carlo tree search (MCTS) algorithm and theoretically analyze its convergence and computational complexity. In a real case study, we find that the MDP model achieves revenue improvement by stopping producing the existing product earlier than the benchmark policy. In synthetic instances, we validate that the proposed MCTS algorithm saves computation time without loss of solution quality compared with traditional value iteration algorithm. As part of the Lenovo production solution, our MDP model enables high-tech smartphone manufacturers to better plan the production ramp-up.