监测位移趋势分析确定滑坡稳定状态研究

针对滑坡预报缺少公认的临界速率,同时由于普遍存在的位移突变现象,易于造成大量误报的问题,提出了基于监测位移趋势分析的滑坡预报新思路。通过分析某工程滑坡的位移监测数据,得出了选取关键断面、观测预报点的一般规律。采用FLAC3D计算考虑流变状况下,不同安全系数所对应的滑坡位移趋势曲线,通过对比分析相应关键点监测位移趋势曲线,定量、全过程判定滑坡所处的稳定状态,为工程项目提供决策参考,避免了滑坡进一步发展,验证了滑坡观测预报点选择规律和对比监测、计算位移趋势曲线进行滑坡预报的可行性。     

H.264/SVC的编码依赖问题研究

H.264/SVC(Scalable Video Coding)使用了多种预测编码机制,极大地提高了分级编码的编码性能,同时也引入了复杂的编码依赖关系,给编码器的优化控制带来了极大的难度。因此,有必要研究这种不可忽视的编码依赖关系。在介绍H.264/SVC的主要预测编码机制的基础上,分析归纳出H.264/SVC的编码依赖关系主要来源于帧间预测、层间帧内预测和层间残差预测,然后针对这三种预测机制的特点,结合文献[1]提出的帧间依赖关系,基于实验数据,建立了编码依赖模型,得到了用编码依赖测度表达的编码依赖关系。最后,将时域依赖模型应用到H.264/SVC基本层码率控制中,实验数据表明时域依赖模型能够提高码率控制的性能。     

基于炮口雷达的初速综合预测技术

初速对火炮的"首发命中"影响较大.因而,预估初速的各种方法纷纷出台.从发射药、火炮两个不同角度分别测算初速偏差是以往的主要方法.初速综合预测技术首次以炮口测速雷达的测量数据为基础预测初速,预测效果和使用等问题被普遍关注.本着应用原则,从工程实现中的焦点问题出发,提供了在现有指挥平台上应用的方法.     

灰色关联决策在战场目标打击决策中的应用

战场目标打击顺序的选择是作战决策的重要环节,其正确性影响到作战决策的科学与否.战场环境充满灰色性,战场目标打击决策属于灰色系统理论研究的范畴,需要用到相应的灰色理论分析方法进行解决.灰色系统理论研究"部分信息已知,部分信息未知"的"少数据、贫信息"不确定系统.它提出灰色关联度分析的概念,并将其应用到决策问题.基于灰色系统理论相关研究成果,分析了灰色关联决策的相关概念及步骤,探讨了灰色关联决策在战场目标打击决策问题上的应用,为提高相关人员战场作战决策正确性提供了科学方法.     

装甲车辆润滑油监测数据关联分析

利用灰色关联分析方法对装甲车辆变速箱润滑油监测数据进行了分析,说明了油样中铁谱磨粒浓度和油液污染度之间的关联性,为润滑油不同监测参数间的相互验证提供了一种方法。     

基于灰色理论的直流接触器行为预测

针对大型复杂装备使用了大量的直流接触器,并且接触器接触电阻值随外间因素变化大等特点,利用灰色理论的新陈代谢GM(1,1)预测模型,对直流接触器的接触电阻进行了预测评估。从而,可以进一步判断直流接触器的接触行为。实际模拟证明,新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测可靠程度,从而实现直流接触器接触行为的早期预测评估。     

J-M模型改进与可靠性预测研究

软件可靠性J-M预计模型对可靠性测试数据的假设要求比较严格,与实际情况不太符合。针对可靠性测试中各种因素的影响,适当修改了排除错误的条件假设,使得模型的适用性更强。对J-M模型用迭代法确定了参数的估计值,结合1组可靠性测试数据,得到可靠性预测结果。     

鱼雷寿命周期费用参数的灰色敏感性分析

鱼雷寿命周期费用受多种因素的影响,各因素对寿命周期费用的作用不同,有的作用大,有的作用小.在对鱼雷寿命周期费用建立模型时,需要分析哪些因素是影响寿命周期费用的主要因素,哪些因素是影响寿命周期费用的次要因素,即对寿命周期费用参数进行敏感性分析.利用灰色系统理论的灰色关联度对鱼雷寿命周期费用参数进行敏感性分析,可对这些参数按重要性进行分类, 有利于建立模型时对参量的选择.     

数字化坦克营作战能力灰色聚类评估

评估数字化坦克营的作战能力对推动数字化装甲部队建设、提高部队战斗力具有一定的现实意义。以灰色系统理论为基础,将层次分析法和灰色评估法相结合,建立了数字化坦克营的灰色聚类评估模型,论述了利用该模型进行评估的基本步骤,结合实例对数字化坦克营作战能力进行了聚类评估,提出了提高数字化坦克营作战能力的方法。评估结果比较符合实际情况,证明了该模型的正确性。     

Reliability inference for field conditions from accelerated degradation testing

Accelerated degradation testing (ADT) is usually conducted under deterministic stresses such as constant‐stress, step‐stress, and cyclic‐stress. Based on ADT data, an ADT model is developed to predict reliability under normal (field) operating conditions. In engineering applications, the “standard” approach for reliability prediction assumes that the normal operating conditions are deterministic or simply uses the mean values of the stresses while ignoring their variability. Such an approach may lead to significant prediction errors. In this paper, we extend an ADT model obtained from constant‐stress ADT experiments to predict field reliability by considering the stress variations. A case study is provided to demonstrate the proposed statistical inference procedure. The accuracy of the procedure is verified by simulation using various distributions of field stresses. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006.