高炮人-机跟踪系统建模及动态特性分析

本文以某高炮人-机系统为对象,以人的最优控制模型为基础,建立该人-机跟踪系统部分的数学模型,利用计算机求解——即模型预测方法,研究操作者(炮手)在跟踪沿不同航路飞行的空中目标时系统的跟踪误差和动态性能;与此同时研制一套模拟原高炮人-机系统的仿真试验装置,以获取的试验数据做为检验上述模型预测结果和进行全系统性能分析的依据。     

信息管理误失灰色补偿方法

在信息采集、信息管理、信息传递过程中,数据链出现空穴、误传或丢失等情况时,将影响信息采集传递的安全性与信息管理的有效性,是信息管理与使用中一个值得关注的问题,如何对数据列进行有效补偿则是解决该问题的关键.运用灰色理论与正交试验设计方法建立了信息链缺失补偿模型并给出了信息链空穴补偿优化准则.所给出的具体的补偿实例说明信息链空穴灰色生成与正交试验设计生成是一种极为有效的信息缺失补偿方法.     

退化速率跟踪粒子滤波在剩余使用寿命预测中的应用

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好地解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化,并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

不确定失效阈值影响下考虑设备剩余寿命预测信息的最优替换策略

为了进一步提升设备维修决策的科学性,通过建立综合设备剩余寿命预测数据与不确定失效阈值的最优维修决策模型,实现了不可维修设备的最优替换策略.构建基于非线性Wiener过程的设备性能退化模型,并采用极大似然法估计退化模型参数;提出一种基于期望最大(Expectation Maximization,EM)算法的不确定失效阈值...     

营房室内有害气体污染预测研究

由于营房建筑、装饰材料质量不合格,施工工艺不正确等原因,引起营房室内有害气体污染,严重威胁到住用者的生命健康和部队战斗力。研究营房室内有害气体污染变化发展的规律,对营房室内有害气体污染进行准确的预测,做好预防措施,可以避免营房室内有害气体污染的发生。采用灰色预测方法对营房室内有害气体污染水平进行预测,在 GM(1,1)模型的基础上进行改进,从而建立起营房室内有害气体污染水平预测模型。通过对预测模型进行检验,证实营房室内有害气体污染预测模型能较好的预测营房室内有害气体污染水平的发展变化趋势,模型的建立是成功的。     

基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测

空战目标机动轨迹是有丰富时空特征的多维时间序列,具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题,文中提出了一种自注意力机制(self-attention, ATT)和卷积神经网络(convolutional neural network, CNN)-长短期记忆网络(long short-term memory, LSTM)结合的模型(CNN-LSTM-ATT)。离线状态下训练模型,获得的最优模型可以实现目标机动轨迹的高精度预测。文中模型与CNN-LSTM、LSTM模型进行单步预测对比分析,具有良好的单步预测和不同过载机动预测的能力。考虑到电磁干扰和复杂环境导致传输数据的误差和缺失,进行了目标轨迹的5步预测,预测结果和评价指标均优于CNN-LSTM、LSTM模型。     

基于卷积神经网络与滤波融合算法的某惯导系统剩余寿命预测模型建立

在对产品中具备大量运行观测性能数据的关键系统部件进行剩余寿命预测的过程中,因寿命数据稀少难以建立寿命分布模型。而对产品性能观测数据进行退化建模,传统退化过程分析模型对于产品性能观测数据适应性差导致产品寿命预测精度低、有效性弱的问题,充分挖掘部件退化数据信息,依据相关退化分析技术,基于统计模型中的滤波预测方法与机器学习技术中的回归卷积神经网络（regressive convolutional neural networks, RCNN）预测方法建立产品剩余寿命预测融合模型。融合模型结合了滤波预测模型对产品退化状态的挖掘能力、不确定表达能力与RCNN网络模型良好的数据适应性、预测的准确性,提高了产品退化数据分析的准确性及有效性,可对产品关键部件的寿命进行有效预测,为产品中具备大量运行观测数据的关键系统部件健康管理提供辅助参考。     

基于HHT的旋转机械故障机理仿真分析研究

为解决预测和健康管理（prognostic and health management, PHM）系统对关键部件故障机理研究不足的问题,提出一种基于希尔伯特-黄变换（Hilbert-Huang transform, HHT）的旋转机械故障机理仿真分析方法。首先对战车转塔轴承的工况和故障机理进行分析计算,然后对振动数据进行去噪和仿真,最后将仿真结果与理论计算结果进行对比分析。通过故障仿真分析验证了故障机理分析方法的有效性,可为实现武器装备故障的精准诊断奠定基础,提高故障诊断预测的准确性和稳定性。