一种可调控的申请分配模型及应用

针对分配总量一定情况下的申请分配问题,给出了一种带有决策者意愿的分配模型;讨论了模型中各参数的取值范围,得出了使得模型有意义的参数取值范围;给出了具体的应用案例,通过选取不同的参数得出了不同结果,说明了模型的有效性。     

干扰条件下空中目标识别方法研究

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一。该文将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计。该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性。     

基于HAZOP法的飞行冲突故障树的建立

针对故障树的建立中所存在的主观性、覆盖性、以及模糊性等问题,提出了一种基于HAZOP法来建立进近和离场期间飞行冲突故障树的方法。通过引导词与航管参数的排列组合确定偏差,然后以偏差事件为节点,分析产生偏差的原因和造成的结果并构建故障树,最后对故障树进行定性定量分析。并以美国两架民航客机在机场上空发生的飞行冲突示例了完整的建模过程。结果表明所建立的故障树在能准确分析飞行冲突成因的基础上,较好地解决传统FTA所存在的局限性。     

基于时频分布的弹道导弹目标识别方法

在弹道导弹目标识别中,微动特征是重要的识别手段。从弹道导弹微动特性时频分析出发,提出一种基于时频分布的弹道导弹目标识别方法。该方法将时频分布图的伪Zeinike不变矩特征作为识别特征。首先对回波信号进行时频变换以获取时频图像;然后为了降低噪声的影响,对其进行图形预处理;最后给出了伪Zernike不变矩提取步骤及识别特征的选取原则。通过仿真实验,分析了不同特征组合对识别率的影响,评估了不同信噪比下识别方法的稳定性。实验结果表明,该方法具有一定稳定性,可用于弹道导弹目标识别。     

基于Bayes统计理论的射表编拟方法

全面系统阐述了Bayes统计理论下的射表编拟方法,具体研究了验前信息的处理、符合计算、编拟计算及试验用弹量的确定等几个关键难点问题,同时导出了确定先验分布中未知参数的计算公式、射表基本诸元的后验估计公式、射表试验用弹量的计算公式。通过两个实例对其具体使用方法给予了详细说明并对其结果进行了分析,指出应用该方法可以在相同精度要求下节省用弹量或在相同用弹量下提高射表精度,具有很好的经济适用价值。     

运动载体涡流磁场数值计算与特性分析

为提高运动载体涡流磁干扰建模与补偿的精度,对载体运动引起的涡流磁场的产生机理和分布特性进行分析研究。首先,对涡流磁场的产生机理进行了溯源分析;然后,采用有限元法对涡流磁场进行数值计算研究。考虑到计算空间包含结构的磁导率单一问题,采用了有限元节点法矢量磁位计算方式,并针对舱体壁计算单元,考虑了耦合积分电势自由度,同时考虑到磁场周期变化,采用了瞬态有限元计算方式;最后,通过数值计算分析,揭示了运动载体涡流磁场与外磁场变化频率的关系,并分析了涡流磁场沿径向和轴向的空间分布特性和传播规律,为运动载体涡流磁场干扰的高精度建模与补偿奠定了基础。     

基于单元故障模式的水下恒流远供系统可靠性分析方法

以水下单元的短路/开路故障模式为基础,提出了一种分析缆系海底观测网络恒流远供系统可靠性的方法。根据系统供电和结构特性,将系统分成不同的供电链路和链路段。详细研究了处于不同位置的各种水下单元发生故障时,对链路和观测设备的供电状态的影响。归纳了导致系统和各链路无法正常导通、观测设备无法得到供电的状态情况,分析了不同故障状态发生的概率,进而得出了求解系统、供电链路与供电设备的供电可靠度的方法。通过算例分析,进一步梳理了3种供电可靠性的共性规律,说明在设计和建设恒流远供系统时,应综合须考量这3种供电可靠性。     

KK分布杂波下的距离扩展目标检测算法

针对服从KK分布的大拖尾雷达杂波背景下的扩展目标检测问题,利用球不变随机变量表示了KK分布雷达杂波模型。在假设目标回波幅度已知的情况下,研究了基于Neyman-Pearson准则的距离扩展目标最优积累检测器,并通过对目标幅度的最大似然估计,推导了广义最大似然比检验检测器模型。为了降低这两种检测器中因计算第二类修正的贝塞尔函数而引入的运算复杂度,提出了一种基于顺序统计量的广义似然比检测器。该检测器利用检测窗内幅度较大的距离单元回波作为目标回波进行判决。利用蒙特卡罗仿真对这三种算法的性能进行了验证与比较,虽然最优积累检测器与广义似然比检测器具有更好的检测性能,但实现困难,计算量大,而基于顺序统计量的广义似然比检测器则具有更高的实用性。     

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     

序降应力加速寿命试验(上)——试验分析篇

加速寿命试验是高可靠长寿命型产品的量化评估的重要途径,广泛应用于武器装备的定寿延寿课题中。为了进一步提高加速寿命试验的效率,提出一种新的试验方法——序降应力加速寿命试验。通过理论模型建立、试验数据分析和蒙特卡罗仿真对该方法的有效性进行分析。研究结果表明,在相同的试验环境下序降应力加速寿命试验方法不但能大幅度提高试验效率,同时还能提高试验分析精度。因此,在武器装备的定寿延寿课题中,序降应力加速寿命试验值得推广。