武器系统MTBF的Bayes序贯检验方法

针对武器系统试验鉴定中显著具有的小子样的特点,研究了武器系统平均故障间隔时间(MTBF)的Bayes序贯检验方法,推导了检验模型,平均试验数计算公式、定时和定数截尾实际风险计算公式,并给出了算例。该方法在武器系统可靠性鉴定中具有一定的应用价值。     

按保障度最大配置备件模型

考虑了备件资源有限,有多个需求单位的条件下,依据装备数量、零部件、元器件的故障率,单装用数、平均更换时间、各级维修机构领取备件的平均时间,建立了两级备件保障度的模型,并在备件总资源量一定的条件下,按保障度最大给出了两级备件配置的程序、方法和示例.模型举例说明了模型输出结果的特征和敏感性.模型应用可减少备件的积压,降低备件的短缺,提高备件的保障效果.     

支持向量机的可靠度时序预测分析与应用

提出了一种利用支持向量机进行可靠度时序预测的方法.通过重构相空间的饱和嵌入维数,确定支持向量机的最佳输入变量;利用支持向量机强大非线性映射能力、网络结构的自动最优化特性,实现时间序列的非线性预测.最后,应用于某型发动机涡轮增压器可靠度预测,结果证明该方法具有较高的预测精度和较强的推广能力,对于一般意义上的可靠度监测具有重要的价值.     

基于支持向量机的彩色图像恢复新方法

引起图像退化的因素众多,因而难以用一个统一的方法来进行恢复处理。鉴于图像的像素和各颜色分量通道间本质上存在某种相关性,以及以支持向量机为核心的统计学习理论具有较好地解决小样本、非线性、高维数问题的能力,提出了一种新的空域图像恢复方法,并通过对来自于待处理图像本身的训练样本的学习,构造自适应的回归插值函数;然后基于该函数对图像作有选择的修改,从而达到图像恢复的目的。实验表明,该方法是有效的,并且具有较好的泛化性能。     

利用支持向量机的矢量跟踪通道故障检测算法

为了克服卫星导航矢量跟踪接收机中故障通道对其他正常通道的影响,提高矢量跟踪接收机的鲁棒性,提出一种利用支持向量机的通道故障检测算法,利用矢量跟踪接收机的导航滤波器的新息序列作为支持向量机的输入。支持向量机的输出为通道的状态,根据支持向量机的输出通道的状态来判断该通道是否纳入导航滤波器,用来跟踪滤波器状态值,这样能够有效地避免故障通道对导航结果的污染。仿真实验结果表明:该方法能准确地检测出有故障的通道,提高矢量跟踪环路的鲁棒性。     

采用向量内积的并行相关算法

针对软件接收机相关器计算的实时性问题,通过分析扩频信号的接收过程,建立一种基于向量内积的并行相关信号接收模型。利用图形处理单元中大量的浮点运算单元进行矩阵与向量运算,并行计算各通道相关值,提高了信号相关运算的实时性。仿真验证结果表明,利用基于GPU的向量内积软件并行相关算法计算25 MHz采样率时长1 ms的信号相关值,25个通道共150个相关运算耗时967μs,与CPU上基于数学核心函数库的实现相比速度约提高了61.4倍,能够实现宽带扩频信号软件实时相关接收。     

SVM在空中目标威胁值评估中的应用

构建了基于回归型支持向量机的空中目标威胁值评估模型,确定了基于粗糙集理论的空中目标威胁因素,并建立了数据离散化、归一化的标准。将常用的4种核函数应用于对空中目标威胁值的估计,并通过基于网格法和遗传算法的搜索方法找到模型的最优参数。最后通过Matlab对算例进行了仿真验证。     

基于改进支持向量回归机的火炮身管寿命预测

为准确预测火炮身管寿命终止时火炮射弹数,根据射击过程中火炮身管磨损量与身管寿命特性,分析了身管膛线起始部磨损量与身管射弹数之间的关系,提出了支持向量回归机算法,并采用遗传算法进行模型优化改进,得到火炮身管寿命预测最优模型。结合两种类型火炮的身管数据,利用该模型对身管寿命进行预测,并与原始支持向量回归机进行对比,通过分析可知改进的支持向量回归机预测效果好、精度高,为火炮在实际应用中身管的寿命预测提供了新的思路。     

声矢量阵降维平行因子模型及方位估计方法

针对原有的声矢量阵三阶PARAFAC(平行因子)模型维数高、参数求解过程运算量大的缺点,建立了一种降维的PARAFAC模型。将声矢量阵看作空间共点的声压传感器子阵和振速传感器子阵,计算各子阵输出数据的自协方差,并构造了三阶张量,最后证明该张量满足三阶PARAFAC模型并利用交替迭代算法估计声源参数。仿真和实测数据表明:该方法可以用于多目标方位估计且估计精度优于超分辨率的ESPRIT算法。     

基于N层向量空间模型的装备IETM数据查询

为了提高IETM数据查询的准确率,通过对数据模块编码层与XML内容层进行分析,结合N层向量空间模型查询算法,从IETM数据模块编码层中的型号识别码、系统层次码、信息码以及数据模块内部数据信息入手,提出了一种基于N层向量空间模型的装备IETM数据查询算法,并通过IETM实例验证了该算法的正确性与实用性。