基于虚拟样机的坦克承载零部件疲劳寿命预测方法

坦克承载零部件的疲劳失效是其主要的失效形式,疲劳寿命的预测一直是装备设计、研制、验证和使用过程中的重要问题之一。利用虚拟样机技术,建立履带车辆刚柔体耦合模型,通过在一定任务剖面下车辆虚拟试验,测试其承载零件的载荷谱,结合疲劳寿命分析技术,进行疲劳寿命预测,并给出计算实例,预测的寿命与实际使用情况相符合,表明提出的坦克承载件疲劳寿命预测方法是一种高效、实用的新方法。     

多输出性能下的重要性测度指标及其求解方法

针对基于马氏距离的重要性测度存在的问题,提出了基于谱分解加权摩尔彭罗斯马氏距离的重要性测度指标,通过构造多输出协方差阵的广义逆矩阵以及谱分解的策略,有效解决了协方差阵求逆奇异情况以及由于未能充分考虑多输出之间的相互关系而导致的错误识别重要变量的问题,克服了基于马氏距离指标的局限性。数值算例与工程算例结果表明:所提重要性测度可以更加准确地获得输入变量对结构系统多输出性能随机取值特征贡献的排序,从而为可靠性设计提供充分的信息。     

空间飞网系统牵拉模式影响研究

针对空间飞网系统任务设计需求,研究飞网牵拉模式对系统展开性能的影响。建立空间飞网系统拉出展开过程动力学模型,并通过地面试验对比验证了模型的有效性。面向任务需求建立空间飞网系统评价指标,针对四、六点牵拉模式,采用有限绳段方法对飞网系统进行建模仿真。模型中保持绳网质量和初始发射能量一致,对评价指标的分析结果表明,在六点牵拉模式下,飞网系统飞行性能指标和力学性能指标有明显提高,但能量利用率和系统可靠性小幅下降。     

区域和参数化可靠性灵敏度指标及其解法

针对基于方差的全局可靠性灵敏度指标,分别提出基于方差的区域和参数化可靠性灵敏度指标,以衡量输入变量的取值区域发生变化时或输入变量的方差减小时整个输入变量系统对失效概率不确定性贡献的变化情况。然后从Pearson相关系数的视角分别将所提指标表述成无条件失效域指示函数与固定某一随机输入时的条件失效域指示函数之间的相关系数。在此转换的基础上,提出基于Pearson相关系数的两种求解方法,一种采用蒙特卡洛方法重复抽样进行循环计算,另一种借鉴重要抽样的思想。功能函数的计算样本可重复使用而不增加任何额外的计算代价,故后者大大提高了求解所提区域和参数化灵敏度指标的计算效率。算例结果验证了所提指标的合理性,同时也证明了所提方法的准确性与高效性。     

基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。     

基于Delphi-BP神经网络的装备保障能力评估

针对评估指标数量过多可能给评估过程及结果带来的弊端,在构建装备保障能力评估指标体系基础上,给出了基于Delphi法的指标体系筛选的方法步骤,通过计算累计贡献率,对指标体系进行了筛选,降低了评估模型的输入维度。建立了评估部队装备保障能力的三层BP神经网络模型,利用Matlab神经网络工具箱对网络进行了训练和仿真,结果显示误差小于10-3。最后,通过对比评估,验证了方法的有效性和正确性。     

基于核与灰度的区间灰数多属性群决策方法

针对属性值为区间灰数且专家权重未知、属性权重部分已知的不确定多属性群决策问题,提出了一种基于区间灰数的核和灰度的决策方法。给出了区间灰数的基于核和灰度的简化形式,充分利用区间灰数的核和灰度的信息建立优化模型求得属性的权重。在求出属性权重的基础上,运用灰色关联方法分别求取各专家的核与灰度距理想方案值的关联系数,综合两者得到专家权重,最终综合专家意见并对方案比较排序得出最优结果。鉴于此,提出一种基于区间灰数相对核与灰度的决策方法。最后以一个算例验证该方法的有效性和可行性。     

用于机动目标跟踪的自适应交互式多模型算法

针对当前统计模型对弱机动或非机动目标跟踪效果不理想等问题,提出了一种修正当前统计模型与匀速模型的自适应交互式多模型算法,可在线修正当前统计模型的加速度极限值,调整过程噪声方差,提高了当前统计模型的自适应性。同时,通过在常规匀速模型中引入机动检测机制,抑制了常规匀速模型对机动目标跟踪的滤波发散,通过引入强跟踪算法,增强了模型对目标突发机动的自适应跟踪能力。仿真结果表明,该算法充分发挥了当前统计模型和交互式多模型算法的优势,对强机动和弱机动目标都具有很好的效果。     

Rényi信息增量和协方差联合控制的多传感器管理算法

针对目标跟踪中雷达组网场景下多传感器管理问题,结合Rényi信息增量和协方差两种算法各自特性,利用并行处理的思想提出了一种基于Rényi信息增量和协方差联合控制的传感器管理算法。在具体仿真设计环节,分为传感器跟踪能力大于目标数和传感器跟踪能力小于目标数两种场景。仿真结果表明该算法在单目标匀速、多目标匀加速等多数场景下能够对目标进行有效跟踪,同时降低了传感器的切换频率,具有更好的实时性。     

多帧高斯混合概率假设密度的多目标跟踪算法

针对低检测概率下多目标跟踪时,概率假设密度滤波器难以正确估计当前目标个数以及目标状态问题,提出一种基于多帧融合的高斯混合概率假设密度滤波算法。根据不同时刻目标权值构造目标多帧权值记录集及目标状态抽取标志。当某些时刻目标被漏检时,依据目标状态抽取标志,并结合目标多帧权值记录集中权值信息估计丢失目标的状态。仿真实验表明,算法有效地提高了低检测概率下现有相关算法的目标状态和数目估计精度。