基于复杂网络理论的舰船电力网络脆弱性分析

从舰船电力网络拓扑结构及设备布置特性的角度出发,对舰船电力系统的脆弱性进行量化评估能为电力系统的优化设计提供理论指导。基于复杂网络理论,从舰船电力系统本身的拓扑结构对其脆弱性进行了研究。首先,用邻接矩阵将某一环形电力网络表示出来,并计算其特征参数,从度数指标和介数指标可以看出主配电板节点是电网中的重要节点;然后,对该环形舰船电力网络进行了故障模拟,结果表明:电网元件故障对整个电力网络造成的影响由最大连通子图规模来衡量,该指标值越小表明此元件故障对网络的影响越大,同时这一指标比介数指标更好地揭示了舰船电力网络的脆弱环节。     

主元分析法和模糊积分的航空发动机气路状态监测

航空发动机是一个大系统,由于结构复杂、工作条件恶劣等因素影响,对其进行有效地健康状态监测成为航空领域长期难以解决的关键技术之一。为有效监测航空发动机健康状态,以航空发动机气路系统为例,提出一种基于主元分析和模糊积分的航空发动机状态监测方法。首先,利用主元分析法提取发动机状态样本集的主元,对样本数据进行降维,实现样本的最优压缩。其次,利用BP神经网络和Elman神经网络对发动机状态信息的特征向量进行初步状态监测。最后,利用模糊积分对采用两种神经网络的初步监测结果进行决策层融合,从而有效地实现对航空发动机气路系统的状态监测。通过某型真实航空发动机验证表明,所提出基于主元分析和模糊积分的状态监测方法,能有效提高监测的准确度,满足航空发动机状态监测的实时性要求,具有良好的工程应用价值。     

航天测控软件共用技术研究与实现

软件共用是航天测控软件的发展趋势,分析了航天测控软件共用的可行性,并选取火箭遥测软件作为原型验证系统,提出了解决方案和设计方法,采用ICE中间件和构件技术实现了该原型验证系统,经测试验证,分布式部署的原型验证软件各项指标满足测控任务软件的技术要求,对航天测控软件共用研究具有重要的借鉴和指导意义。     

可复用构件模型探讨

针对软件复用中构件模型的建立,介绍了构件模型的基本概念,分析了几个现存的构件模型,并对构件模型技术提出了一些展望。     

基于偏最小二乘回归的军用飞机采购价格预测

考虑到军用飞机采购价格样本数据少、难于预测的特点和偏最小二乘回归方法在处理小样本多元数据方面的优势,提出一种基于偏最小二乘回归的军用飞机价格预测方法.偏最小二乘回归首先提取第一、第二主成分对采购价格样本的特异点进行剔除;然后进行变量投影重要度分析来筛选变量;最后,偏最小二乘回归对筛选的变量进行回归建立军用飞机价格预测模型,并对军用飞机价格进行预测.结果表明,在军用飞机价格预测方面,与未筛选变量的回归模型和逐步多元回归相比,经过变量筛选的偏最小二乘回归模型预测的精度更高,更能体现采购价格与飞机性能参数之间的关系.     

基于时间序列预测的独立分量排序

独立分量排序是独立分量分析的热点问题,是提高特征空间鲁棒性和减少计算复杂度的必要前提。结合ICA在时间序列预测的应用,给出了基于一阶差分和最小方差误差的多分量联合重构预测排序准则。为了避免联合优化中出现的海量计算问题,提出了添加-测试-接受机制(ATA)的次优搜索方法。实验结果表明,和传统排序方法比较,新方法具有优异的预测能力和搜索效率。     

基于VR-Forces的水面舰艇防空作战仿真

作战模拟是水面舰艇对空防御研究的有效手段之一,VR-Forces为此提供了有力的支持.首先建立了基于VR-Forces的舰空对抗仿真系统,分析了基于VR-Forces组件式作战兵力实体结构特点,提出了基于功能组件的实体结构元模型;在电子对抗模型的基础上,以雷达告警仿真为例建立了基于VR-Forces的水面舰艇对空防御仿真组件开发过程,对组件及组件间的数据流程进行详细说明.所提出的开发方法已经成功运用于多型作战模拟训练系统中,实现了电磁环境下的舰空对抗训练.     

基于SOA的防空指挥信息系统体系框架研究

针对各军兵种开发的指挥信息系统各自孤立,不能有效集成以满足未来网络中心战要求的问题,研究了基于SOA的系统集成技术及防空指挥信息系统的基本组成和结构,提出了一个可实现的基于SOA的防空指挥信息系统的分层结构模型,并应用SCA技术设计了一个防空指挥信息系统的原型系统。结果表明采用SCA可以实现防空指挥信息系统内子系统之间的基于SOA的无缝集成,提高了系统的可重用性、可扩展性。     

大型复杂武器装备质量综合评价及其支持系统设计

从大型复杂武器装备系统的具体特点出发,运用基于TOPSIS主成分价值函数模型的主成分分析法（PCA）,构建了大型复杂武器装备质量综合评估模型。进行了实证分析,结果表明,该方法的应用使前三个主成分综合携带了原系统全部信息的96.04%,避免了信息的重叠和交叉,也克服了主观因素对评价的影响,更客观全面地反映了设备的质量状况。最后通过对其支持系统的设计,实现对企业与部队不同质量管理决策层的信息支持。     

Data‐driven variation source identification for manufacturing process using the eigenspace comparison method

Variation reduction of manufacturing processes is an essential objective of process quality improvement. It is highly desirable to develop a methodology of variation source identification that helps quickly identify the variation sources, hence leading to quality improvement and cost reduction in manufacturing systems. This paper presents a variation source identification method based on the analysis of the covariance matrix of process quality measurements. The identification procedure utilizes the fact that the eigenspace of the quality measurement covariance matrix can be decomposed into a subspace due to variation sources and a subspace purely due to system noise. The former subspaces for different samples will be the same if the same variation sources dominate. A testing procedure is presented, which can determine the closeness of the subspaces under sampling uncertainty. A case study is conducted to illustrate the effectiveness of this methodology. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006.