重视空间环境条件对航天器的作用

空间环境条件对地面航天器发射和空间航天器系统运行有很大影响。为了减少空间环境对航天器的影响作用,必须重视航天器的空间环境可靠性设计、空间环境试验以及空间环境保障。提出了在航天器设计、飞行试验与运行过程中,必须考虑可能带来影响的空间环境条件因素。     

某型导弹发射仪可靠性Bayes设计与实现

某型导弹发射仪主要是用于发射舰载新型反舰导弹的保障设备,对其工作性能可靠度的高低直接关系到系统的正常使用,所以系统的高可靠性是该导弹发射仪设计的首要指标之一.在对某型导弹发射仪进行可靠性设计时,经过对系统构成要素的分析,在充分论证系统可靠性的基础上,运用可靠性的估计相关理论和数学理论,建立了某导弹发射仪的可靠性模型,运用Bayes方法进行了可靠性评定,计算表明该系统的可靠性达到了设计指标要求,对实际系统工程的可靠性设计与评定具有较好的借鉴作用.     

分层任务网络在UCAV规划中的应用

无人战斗机任务规划对提高它的生存能力、突防能力、作战效能具有重要意义.分层任务网络规划是一个有效的规划方法,HTNP的最大好处在于,搜索受控于细心设计的方法.在某种意义上讲,一个HTN规划器只描述了如何使用操作,给实际使用带来了困难.在HTNP中引入目标协调机制、禁忌表等,将原有"离线"式方法变为"在线"式方法,提高了方法的适应性能.可以根据情况的变化,随时生成新的规划,降低了预先设计方法的数量,从而降低工程实施的难度.     

论消防基层部队依法执勤理论创新与实践

依法执勤是指公安消防部队依照消防法律、法规等规定所实施的行政行为和公安消防勤务活动。以对湖南消防总队基层部队的依法执勤理论创新与实践进行的专题调研为基础,介绍了他们在此问题上的探索与实践及取得的成绩,分析探讨了开展依法执勤工作面临的问题,并提出开展依法执勤工作的建议。     

协同制造系统的可靠性分析

协同制造作为一种先进制造模式,逐渐成为研究的热点。而系统的可靠性是协同制造系统成功实施的关键因素之一。从协同制造系统的自身特点出发,阐述了进行协同制造系统可靠性研究的必要性和紧迫性。并给出了协同制造系统可靠性分析的框架模型,认为协同制造系统可靠性应该从人、工作流系统和设备硬件等几个方面进行综合研究,并对各部分的可靠性研究进行了概述。     

电子战对地空导弹拦截行动影响分析

基于地空导弹(红方)对空中编队(蓝方)的拦截过程中的薄弱环节以及蓝方对红方实施的电子战措施的分析,对蓝方实施的电子战对红方拦截行动的影响进行了定量评估,得出蓝方突防概率与电子战综合作战效能之间的函数关系。仿真结果表明,对地空导弹拦截的每一环节都可以有效地实施电子战,削弱地空导弹的拦截能力。     

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。     

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