大型相控阵雷达系统安全性综合评价

针对大型相控阵雷达系统安全性因素多、评价困难的特点，分析并建立了大型相控阵雷达系统安全评价指标体系。提出了一种基于改进模糊层次分析法、熵权法和拉格朗日算法确定综合权重的方法，并建立了雷达系统安全性模糊综合评价模型。以某型大型相控阵雷达系统的安全性评价为例，运用所提方法确定该雷达系统的安全性指标综合权重，并进行安全性综合评价。将该方法与传统AHP评价法进行对比分析，验证了该方法的科学性和合理性。     

基于直觉梯形模糊信息的目标优先级排序方法

针对地面防空作战中空中目标的优先级排序问题,提出了一种基于直觉梯形模糊信息的优先级排序方法。使用直觉梯形模糊数来描述空中目标的属性参数,分析了目标优先级的影响因素,并利用熵权法确定了影响因素的权重;针对传统TOPSIS方法的缺陷,提出了一种利用相对熵作为距离测度的优先级排序方法;最后结合算例仿真验证了方法的合理性和可行性。     

确定重构相空间维数的方法

计算混沌统计特征量前必须先获得重构相空间的维数,因此给出了最大特征值不变法、几何不变量法、虚假邻点法、预测误差最小法、最小Shannon熵法、经验赋值法六种确定方法,得出了应用最大特征值不变法和最小Shannon熵法的工程案例计算结果。     

基于结合熵权的TOPSIS法指挥所构筑方案优选

指挥所构筑方案的优选属于多属性决策问题。分析影响指挥所构筑的诸多因素,构建指挥所构筑方案优选的准则体系,在只有判断矩阵的情况下,通过熵权法客观地确定各准则的权重系数,运用结合熵权的TOPSIS法,建立指挥所构筑方案的优选模型,同时,结合实例说明该方法的有效性。     

基于熵权-集对分析的远火武器系统模拟训练效果评估

针对某型远程火箭炮武器系统训练效果评估的问题,在分析该武器系统营连射击指挥车装备操作的特点基础上,确立了较为科学的评估指标体系和评价等级标准.考虑到评估指标和评价等级往往存在诸多模糊随机性,运用熵权理论和集对分析方法建立了多指标评估模型和具体实施步骤,并以在营连射击指挥车训练模拟器上的实操模拟训练过程为例,精准全面地对组训人员的专业操作训练效果评估,结果表明该方法简单可行、科学客观,能够较为准确地评价受训人员的训练水平.     

基于奇异谱修正香农熵的雷达信号识别方法

针对当前雷达辐射源识别在低信噪比下识别率准确率不高,信号处理过程中难以很好保留有用信息的问题,提出了一种基于奇异谱修正香农熵(Singular Spectrum Modified Shannon Entropy,SSSE)的雷达调制信号识别方法.通过符号化聚合近似和奇异谱分析对雷达信号进行处理,求出信号的分类特征SSSE,通过分类器将处理后的信号进行分类.仿真结果显示,该方法在低信噪比范围下,仍有较高总体识别率,并且优于符号化聚合近似和奇异谱分析法.     

具有热阻、热漏和内不可逆性的联合卡诺热机生态学优化

用有限时间热力学的方法分析具有热阻、热漏、内不可逆性的定常流联合卡诺型热机循环.导出了在傅立叶导热定律下联合循环功率、效率和生态学指标的性能,并进行优化;得到功率、效率和生态学指标之间的优化关系,并由数值计算分析了功率、效率和循环熵产率之间的关系.所得的结果表明,最大生态学指标下的效率十分接近于联合循环可以达到的最大效率;相应的熵产率也要低于以输出功率为优化目标时的熵产率.     

粗糙集中不确定性测量的修正粗糙熵方法

分析了引起粗糙集中不确定性的因素,对已有的测量不确定性的粗糙度与粗糙熵方法进行了比较,提出了一种修正的粗糙熵方法,证明了此粗糙熵的性质,并将基于等价关系的修正粗糙熵拓展到基于一般二元关系下的广义修正粗糙熵,同时给出了广义修正粗糙熵的定义及性质.通过分析和实例可以看出,所提出的修正粗糙熵方法可以用来更合理、更精确地测量粗糙集中的不确定性.     

热处理对FeCrNiCoCu高熵合金涂层的影响

采用自动化高速电弧喷涂技术,并结合FeCrNiCoCu粉芯丝材制备了高熵合金复合涂层,使用差示扫描量热法分析了涂层中非晶结构的转变温度.同时,对涂层进行了不同温度条件的热处理,研究了热处理前后涂层的组织结构、硬度及其磨损性能.结果显示:高熵合金涂层在500℃附近发生了非晶结构的晶化转变;热处理前涂层中主要含有CuNi、Fe3Ni2、Cr2Ni3等组成的面心立方结构固溶体和少量Fe3O4相,热处理后,氧化物Fe3O4峰强度随着加热温度的升高而增强,并且当温度超过500℃后,涂层中出现了Ni-Cr-Fe相;涂层的显微硬度随着热处理温度的升高而升高,在500℃出现最高值,涂层表现出了明显的回火硬化特征,耐磨损性能较热处理前的涂层有明显提高.     

基于MED的滚动轴承故障特征提取方法及其应用

为提取微弱的轴承故障信号,研究了一种基于最小熵反褶积(Minimum Entropy Deconvolution,MED)的滚动轴承故障特征提取方法:在利用AR模型去除齿轮啮合产生的确定性信号的基础上,对保留信号进行最小熵反褶积,增强冲击信号.该方法避免了传统轴承故障诊断方法中带通滤波器设计的难题,实车测试表明:与共振解调技术相比,该方法提取的滚动轴承故障特征更加明显,更适合于工程应用.