考虑故障影响的机构可靠性建模

对影响机构可靠性的主要因素、机构可靠性变化的基本过程以及表征机构可靠性变化的指标参数进行了分析 ,针对机构可靠性问题的特点 ,提出了基于机构输出参数的目标函数与实现函数的叠覆进行机构可靠性分析的方法以及考虑故障等级影响、对不同故障等级进行加权的机构可靠性失效判据 ,建立了与此相对应的机构可靠性分析的数学模型 ,给出了利用Monte Carlo方法对数学模型进行求解的计算流程 ,并对某实际工程问题进行了实例分析。     

基于DSP的OEM板GPS定位数据处理

介绍了利用DSP处理器进行OEM板GPS定位数据处理的方法,重点讨论了基于高速实时数字信号处理器的串行通信接口进行数据通信的处理方法.     

巡航导弹地形跟踪系统仿真的研究

基于预见控制理论,采用零相位误差跟踪控制器,实现巡航导弹的前馈控制,能使导弹飞行良好地跟踪地形,还给出了前馈控制器的设计方法,并对导弹飞行过程作了系统仿真.     

多层DSS体系结构研究

在设计和部署DSS时,由于对DSS体系结构认识不清,常常不能做出正确的选择.而对DSS体系结构的正确选择正是成功实施DSS的关键.详细地分析了第一、二代DSS模型在具体实施和运行过程中存在的问题,提出了一种综合的多层DSS模型,并设计了软件体系结构.该模型综合了数据仓库和数据集市的优点,解决了第一、二代DSS模型存在的不足,对规划和部署DSS具有一定的指导意义.     

栅格地理数据并行格式转换引擎

如今大规模地理数据正在社会各个部门和组织中迅速积累,但是由于部门利益和历史沿袭等原因,大规模地理数据共享仍然极具挑战,相应共享技术需求仍然极其旺盛。作为地理数据共享的基础方式之一,传统单机地理数据格式转换技术,一方面受限于磁盘读写及带宽瓶颈,另一方面面对日趋庞大的数据规模,已很难满足实际应用需求。因此提出一种针对栅格地理数据的并行格式转换引擎,采用高性能计算集群环境支持大规模栅格地理数据转换共享,大幅降低了大规模栅格地理数据转换过程的时间成本。栅格地理数据并行格式转换引擎采用基于公共接口的设计理念,框架灵活、具有良好的扩展性,支持地理数据格式的读写自定义以及新数据格式添加,能够实现接入数据格式间的任意两两转换。为验证引擎框架及其处理效率,在Lustre并行集群环境下以格网数据交换格式(国家地理空间数据交换格式)向常见栅格地理格式的转换为示例进行了测试实验。结果表明,栅格地理数据并行格式转换引擎能够在8个节点Lustre集群中达到7.54的良好并行加速比。     

海底小目标数据库功能和运用方法研究

利用海底小目标数据库中的数据信息辅助探猎雷作战,可以摆脱传统探猎雷作战行动中的盲目性,优化反水雷作战流程,有效提高反水雷作战效率。如何科学构建数据库功能,合理设计数据存储、查询和调用的方式方法,以充分发挥各类探测数据的潜在作用,对辅助反水雷战术指挥决策具有重要意义。本文根据海底小目标对探猎雷作战的影响,提出目标位置比对、声纳图像比对、探测态势比对和数据统计分析是海底小目标数据库所应具备的主要功能,结合探猎雷过程中的典型作战环节,阐述了各项功能的基本运用方法和实现手段,指出数据的“量”“质”以及采集规范和维护管理制度,均是数据库建设的重要前提,并对建设数据库所应具备的保障条件进行了 说明。     

大规模科学数据体绘制技术综述

体绘制是刻画大规模科学数据中复杂物理特征的有效途径,然而,数据量极大、特征难以捕捉等问题依然是目前体绘制研究的主要挑战。为此,研究者们从三个方面对体绘制算法进行了深入研究,以提高大规模数据体绘制的效率和效果。一方面,依托硬件通过多处理器核来分担计算,降低单处理器核所要完成的计算量,是提高体绘制效率的一个有效途径。另一方面,充分发掘数据场内在特性对三维数据场进行约简,大幅减少绘制处理数据量从而降低算法开销,也是提高体绘制效率的一个有效途径。同时,在体绘制算法中融入特征分析和特征增强方法,让复杂物理特征从数据场中突显出来,以实现对科学数据的高质量绘制。本文对国内外体绘制技术相关研究进展进行了调研、综述,并分析了不同的研究方法,最后展望了未来体绘制技术研究的可能发展方向,包括应用驱动的特征体绘制、基于特征的约简体绘制、适应硬件的体绘制多级加速以及原位智能化体绘制等。     

数据基故障诊断算法更新问题研究

机内测试被广泛应用于故障诊断、装备健康管理与预测等领域。针对机内测试设备在设计和升级时遇到的分类器更新、样本数量不平衡、硬件条件限制问题,提出初步解决方案。利用基于密度的聚类和人工免疫方法处理原始数据;提出基于代表样本点的混合学习方法;利用支持向量机和仿真案例验证所提方法。结果表明所提方法能够解决上述问题,有助于基于数据的机内测试设备设计与升级。     

A guarantee rate optimization model for wastewater treatment system design under uncertainty

We consider a design problem for wastewater treatment systems that considers uncertainty in pollutant concentration levels at water sources. The goal is to optimize the selection of treatment technologies and pipeline connections, so that treated wastewater can achieve specified effluents discharge limits as well as possible. We propose a new two-stage model to optimize a set of guarantee levels, that is, the maximum concentration level of source pollutants for which treated wastewater can be compliant with discharge limits. In the first stage, treatment technologies and pipeline connections are selected. In the second stage, when pollutant concentration levels are revealed, wastewater distribution and mixing are determined. A key attractiveness of the proposed guarantee rate optimization model is that it can be simplified into a single-stage mixed-integer linear program. In our numerical experiments based on real-world pollutants data, the guarantee rate model demonstrates its advantages in terms of computational efficiency, scalability and solution quality, compared with the standard probability maximization model. Finally, the methodology proposed in this paper can also be applied to other two-stage problems under uncertainty with similar uncertainty characteristics.     

Optimal redesign decisions through failure rate estimates

To reduce the time-to-market of newly developed systems, manufacturers increasingly adopt strategies where systems are brought to market while system field reliability is still uncertain. These systems are typically sold under performance-based contracts, which incentivizes potential customers to invest in them despite reliability uncertainty. Such contracts make the manufacturer (partly) responsible for the availability of the system. Subsequently, when field reliability is lower than anticipated, the manufacturer may choose to redesign the system to avoid high contract penalties. Redesign is a costly effort which may substantially increase field reliability. Deciding when to redesign is challenging, especially because the initial failure rate estimate by the system's engineers is refined over time as failure data accrues. We propose a model that endogenizes the failure rate updating to analyze this tactical redesign decision. We study additive and multiplicative redesigns and show that the optimal policy has a control limit structure. We benchmark our optimal policy against a static counterpart numerically, and conclude that basing redesign decisions on the updated estimate of the failure rate can substantially reduce costs.