基于油液分析的装备状态多阶段组合预测模型

状态预测是状态维修的关键步骤之一。针对装备状态变化规律复杂、特点难易准确掌握的关键问题,以延时时间概念和两阶段预知模型为基础,提出了根据不同阶段特点采用不同预测方法的多阶段组合预测模型。通过油液分析及其相关规定,对装备运行阶段进行了具体划分,给出了适应各阶段特点的预测方法。最后,通过实例验证了该模型的有效性。     

采用状态转移矩阵的拦截中段制导方法

基于相对运动理论提出拦截中段制导方法。方法原理为,将拦截器初始轨迹与施加修正后的轨迹视为一主一从两空间目标,以相对运动理论描述从目标相对于主目标的运动规律,于是初始的修正量可由终点处相对状态求解。给出了一般形式的相对运动模型,运用几何法与变分法推导得到了J2摄动影响下相对运动的状态转移矩阵,在此基础上,提出了采用状态转移矩阵的拦截中段制导方法。仿真算例表明,提出的方法能够为工程实际中的拦截中段制导提供有效支持。     

直升机旋翼状态监测与智能故障诊断系统设计

鉴于目前直升机关键部件之一旋翼的现有诊断系统存在的不足之处,以直升机旋翼为研究对象,提出了构建直升机旋翼状态监测与智能故障诊断系统的研究方法、技术路线及系统总体设计方案.设计的系统主要有机载系统、地面系统和应用软件3部分组成,并阐述了各组成部分的功能和设计方案.该系统的设计将为我国进一步研制直升机状态监测与故障诊断系统提供一定的参考价值.     

基于灰色系统理论的设备状态监测系统设计

介绍了设备状态集中监测系统的构建和灰色系统理论在设备状态预测中的应用原理及方法．利用Matlab提供的基于最小二乘法的非线性曲线拟合函数能方便地求解一阶灰微分方程,从而得到原始数列的预测值表达式．应用实例表明,基于灰色系统理论的预测模型适用于小样本不确定问题的研究,预测精度高、实现容易．基于灰色系统理论的设备状态监测系统的研制对于科学制定维修计划,改进设备的管理维护手段,确保试验任务的质量和进度具有重要作用．     

基于AdaBoost-SVM算法的某火炮炮闩技术状态评估

针对现役装备技术状态评估多依赖于手工拆卸的现状,提出一种基于AdaBoost-SVM模式识别算法的在线技术状态评估方法。利用人工后坐在线检测设备对炮闩装置技术状态参数进行检测,在对检测数据进行相关性分析特征提取的基础上,引入支持向量机模式识别方法,建立炮闩装置技术状态评估模型。通过将评估模型与Ada-Boost算法相结合,每次迭代都根据测试精度对分类错误的样本点和各分量分类器的权重重新赋值,在下一次迭代中形成新的分量分类器以优化分类结果,最终将各分量分类器依其权重综合完成评估。实例分析结果验证了评估模型的正确性和有效性。     

空间电磁对接鲁棒姿态控制

面向在轨服务的空间电磁对接技术具有广阔应用前景,但其姿态控制设计存在强非线性及耦合性问题需要解决,电磁/地磁力矩干扰姿态系统稳定。针对绝对/相对姿态动力学模型,分别采用反馈线性化以及鲁棒H∞控制综合方法、扩张状态观测器以及鲁棒H∞控制综合方法设计姿态控制系统。理论研究、对比分析两种控制策略特点,并通过仿真验证了所设计控制系统的可行性。理论研究及仿真结果表明:两种控制策略都是可行的,对模型参数变化及外界干扰具有较强鲁棒性;基于相对姿态动力学的综合控制设计方法能有效利用航天器相对姿态测量信息,且无需额外设计状态估计器。     

集对分析的弹炮结合防空武器系统可靠性分析

针对传统可靠性分析仅考虑系统正常运行及发生故障两种状态,而没有考虑其在亚健康状态下运行的同题,提出了基于集对分析的弹炮结合防空武器系统在亚健康模式下的可靠性分析方法.首先,在详细分析弹炮结合防空武器系统物理结构模型的基础上,基于集对分析方法,建立了弹炮结合防空武器系统可靠性模型;然后,根据工程应用中的经验数据,对弹炮结合防空武器系统的可靠性进行了实例仿真,结果验证了该模型的合理性和有效性.     

战地女记者的军旅后生活

【人物名片】梁子,16岁当兵,中国第一位深入非洲部落进行人文调查的女摄影师。2002年拍摄的《房东先生》,获得中国电视学会年度最佳电视纪录片金奖、2006年第二届卡塔尔半岛电视台国际电视节铜奖。2008年当选英国《TIMEOUT》杂志创刊40周年中国40位人物之一。2012年荣获《户外探险》中国第六届金犀牛户外影像大奖。出版书籍《一本打开的日记》《独闯非洲高山王国》《西非丛林的家》《红海大漠》《我的非洲部落》《非洲十年》等。     

技术状态管理在航空产品研制生产中的应用

通过介绍技术状态管理的主要内容及技术状态管理四个过程的逻辑关系,以某型航空发动机燃油调节器研制、生产过程技术状态管理应用为例,给出了技术状态管理对于航空武器装备质量管理的重要性。     

基于数据驱动的自学习防空火力控制技术

立足打赢未来智能化战争的作战需求,提高目标探测识别、运动参数估计的实时性和准确性,解决自主拦截决策建模难度大、决策结果稳定性差等问题,通过引入数据挖掘、深度学习、神经网络等人工智能技术,重点开展基于大数据的多类型目标状态空间模型分析、多探测模式下的目标融合识别技术、基于卷积神经网络的射击诸元修正等,研制一套自学习防空火力控制系统,有效弥补传统防空火力控制技术在时敏目标状态空间模型、大闭环校射、协同信息处理、控制决策等环节的不足,提升火控系统自修正、自学习能力,为武器装备向无人化智能化方向发展提供技术支撑.