采购改革的风险及结构可靠性

美国海军采购改革是为减少采购过程的成本和风险而提出的,它同时给海军资产提供了改进的任务性能。DD21舰采购计划就是这种原理的产物,用商用设计小组演示的新设计来达到美国海军的性能目标,而不是基于传统的、详细的军用规范。美国海军技术界的一个任务是证明设计能满足计划性能目标。因为缺乏正式的性能质量标准,所以存在着绝对风险,这是证明过程可能接受了不合格的设计的风险或可能拒绝了合格的设计的风险。这两种风险都对美国海军采购过程产生消极影响。本文通过确定基于可靠性的舰艇结构验收标准的任务,讨论减少在采用基于技术风险方法时固有的计划风险。     

浅析可靠性设计 在编制产品标准中的应用

本文介绍了可靠性设计的基本概念,特点及内容,并阐述了可靠性设计在编制产品标准中的作用和在编制产品标准过程中如何进行可靠性设计。     

高可靠、强实时分布式系统的切换技术研究

本文首先给出某高可靠、强实时分布式系统及系统的两种切换方案的简要描述，然后对切换技术的实现进行讨论；最后，在建立强实时双工系统的可靠性模型基础上，对系统的两种切换方案进行分析与比较。研究结果表明：对于本系统，机组级切换优于结点机级切换，且可以减少程序的复杂度，提高系统的可靠性与实时性。     

协同仿真环境的设计与实现

本文从计算机技术和仿真技术的发展和应用需求出发，提出了协同仿真的基本概念和关键技术，包括建模方法、仿真算法、仿真数据库等几个方面。讨论了协同仿真环境的一般体系结构，最后，介绍了一种协同仿真环境的设计和实现方法。     

基于关系数据库的仿真模型管理

本文将讨论仿真模型库管理技术。从仿真模型库管理的实际需求出发，提出以关系代数系统实体结构（ＲＡＳＥＳ）框架为理论依据、利用关系数据库进行模型库管理的方法，并给出模型库管理算法的形式化描述及系统设计。     

一种面向增强现实中相机标定的天牛须搜索改进算法

针对三维注册初始化中内参难以进行标定的问题，分析了亚像素精度与相机成像模型，并对天牛须搜索算法进行了改进，在此基础上提出了一种求解三维注册初始内参的相机标定方法。首先，在图片中提取角点并进行亚像素精化；然后，在相机成像方程中引入畸变系数，重新推导成像方程并求解内参；最后，提出天牛须扰动搜索算法并对内参进行非线性优化。实验结果表明，该方法可明显减小相机的重投影误差，可以为三维注册模块提供初始化内参。     

基于SC-BP的设备故障预警研究

为实现对火炮系统健康状态监测和故障预警,满足从“故障修”向“状态修”转变的发展需求,采用拟合模型算法,建立设备标准化电流优化BP神经网络预测模型（SC-BP）,分析运行数据的内在逻辑和相关性,设计设备正常运行状态下的数据参数库,并与实时采集的设备状态数据进行比较,根据拟合优度进行辨识,通过比较设备实时数据与历史正常数据之间的相似关系来判断设备状态,并显示故障关联信息,为工作人员分析故障原因提供了参考,并对算例进行了分析验证。研究结果表明,该故障预警方法能够辨识设备性能异常状况,使维护人员能够在设备故障形成早期发现征兆,提前采取措施以避免设备故障的发生。     

基于多状态故障树的舰船装备可靠性分析方法

为分析舰船装备的系统和单元部件介于正常和故障之间的中间过渡状态,结合实际工作情况,提出了一种基于多状态故障树的可靠性分析方法。以舰船电力系统为例,将传统故障树模型的底层事件布尔单元改进为可维修的三态（正常、劳损降级和故障）单元部件;结合智能体董正琼技术建立该多状态故障树仿真模型,各事件之间的从属关系采用抽象映射进行描述;通过多次蒙特卡洛仿真运行,根据各底事件发生概率定量计算出电力系统的可靠度统计值为99.624%,在一定程度上验证了所提可靠性分析方法的可行性。     

平流层飞艇气动特性相似缩比分析与风洞试验

阐述了平流层飞艇气动特性天地相似缩比分析设计方法,给出了刚体模型与柔性体模型完成风洞试验需满足的相似准则数,并指导完成两类缩比模型研制及风洞试验。通过对两类缩比模型风洞试验数据的分析,发现平流层飞艇不同充气内压下气动特性规律基本一致,但较刚体模型有明显的差异;柔性特征下的气动阻力系数明显高于刚体,在零攻角状态下甚至高出一倍,引发滚转气动力矩特性出现稳定与发散的本质变化。这对平流层飞艇特别是低压保形下的柔性气动特性评估,克服现有采用刚体气动特性数据或工程估算方法进行“动阻平衡”飞艇总体设计存在较大偏差的弊端,具有重要工程应用价值。     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。