FMEA与粗糙集相结合的故障预测方法

基于FMEA和粗糙集决策系统基本理论,对飞机中分系统故障预测问题进行了研究。首先定义故障预测所需的征兆并对系统进行FMEA,按照FMEA分析结果分次向系统模型注入引起特定故障的事件,采集含有故障趋势的系统模型的信息用于构建适用于故障预测的粗糙集决策表,对该表进行了处理,最终发现用于故障预测的知识(即决策规则和算法);最后运用所发现的知识进行故障预测。     

SiC纤维表面CVD SiC涂层对其单丝强度的影响

采用化学气相沉积(CVD, Chemical Vapor Deposition)工艺在KD-I型SiC纤维表面制备了SiC涂层,选择2h、4h、6h和8h四个时间点研究了沉积时间对纤维性能的影响.结果表明:具有CVD SiC涂层的SiC纤维较无涂层的纤维来说强度有所下降;在所研究的沉积时间范围内,随着沉积时间的增加,涂层的厚度有所增加,涂层由不连续的岛状转变为连续层状,纤维的单丝强度出现了先升后降的趋势.     

一种基于预测滤波器的自适应卡尔曼滤波算法

针对系统过程噪声统计特性不确切或未知的条件下,研究了一种基于预测滤波器的自适应卡尔曼滤波算法。由预测滤波器实时估计系统模型误差及其协方差矩阵,再用其修正系统状态预测值及预测误差协方差矩阵,从而自适应调节卡尔曼增益。将该算法应用于弹载SINS/GPS紧耦合组合导航系统并与普通卡尔曼滤波、基于新息的移动开窗自适应卡尔曼滤波进行了对比,仿真结果说明该自适应滤波算法具有更高的可靠性和精度。     

RBF神经网络的火箭发动机成本预测

神经网络技术已广泛应用于各工业控制部门, RBF神经网络是对一般BP神经网络的改进.尝试将其应用于固体火箭发动机成本预测中.首先利用已有的成本信息对该神经网络进行训练,使其对已有信息的预测误差小于规定值,再将其用于其他条件下的成本预测.结果表明,实际预测效果较为理想,从而为固体火箭发动机成本预测提供了一种新的方法.     

永磁同步电机有限时间抗扰控制方法研究

针对永磁同步电机在实际应用中变负载、磁饱和内外干扰等因素影响下的稳定控制问题，提出了基于super-twisting算法的扩张状态观测器（super-twisting extended state observer,STESO）对总扰动进行准确估计和补偿。通过分析永磁同步电机的动力学模型，构建永磁同步电机的扩张状态模型，并以此为基础设计STESO，在有限时间内实现对永磁同步电机总扰动的准确观测。利用Lyapunov方法分析了STESO的稳定性，并推导了误差收敛时间的表达式。仿真实验结果表明，所提方法在位置和转速控制上响应速度快、扰动影响恢复时间短，相比于PID控制、自抗扰控制和基于改进模型预测的自抗扰前馈控制等方法具有更好的快速性和更强的抗扰性，蒙特卡洛实验结果同样显示所提方法针对参数不确定性具有较强的鲁棒性。     

基于果蝇算法优化LSTM的雷达波束扫描行为预测

在认知电子战体系下,更为智能的算法才能适应日益复杂的电磁空间。针对相控阵雷达的波束扫描行为预测问题,在正弦坐标系下将波束扫描位置数据抽象为网格数据,利用果蝇优化算法寻找最优的LSTM网络超参数,提出了一种基于果蝇算法优化LSTM的波束行为预测方法。仿真实验表明所提算法在果蝇算法调参的支撑下,相较NAR神经网络算法和普通的LSTM算法而言,预测精度和鲁棒性更强。     

兵员周期变化对征兵的影响

兵员周期是客观存在、不断变化、有规律可循的.把握好兵员周期的动态特征、可预计特征、可延展特征、可塑性特征,对于做好征兵工作具有一定的理论指导和创新借鉴意义.     

基于灰色系统理论的火灾事故预测方法

简要叙述应用灰色系统理论进行火灾事故预测的理论和方法 ,建立了火灾事故预测的GM (1,1)模型 ,并用该模型对火灾事故进行预测。     

α-β跟踪滤波器的零极点分析法

利用α-β跟踪滤波器的状态空间方程和离散传递函数之间的转换关系,将位置和速度的滤波及预报估计问题,转化为Z域内讨论根轨迹中零极点的分布问题,对目标平衡跟踪时滤波和估计参数变化规律给予了一种新的解释.     

无人机自主控制应用需求及研究发展分析

随着无人机装备的快速普及,自主控制技术越来越成为提高无人机系统生存能力、适应能力和任务完成能力的重要因素。通过对无人机实战场景和使用需求的分析,提出近期对自主控制技术应用的重要需求是提高无人机感知能力和对故障及飞行状态的适应性。分析了当前自主控制技术在外部态势、内部态势和适应性飞行控制方面的研究和应用现状。最后,根据对应用需求的分析和当前相关技术的发展应用情况的考察,提出了无人机适应性自主控制的技术框架。