多阶段含延缓纠正的可靠性增长序化建模分析

多阶段含延缓纠正的可靠性增长试验,其各个阶段内的试验数据分别服从参数不同的Weibull过程.针对现场样本少、传统的可靠性评估方法实施困难的问题,首先在获得各阶段形状参数的基础上,对各个阶段截尾时刻的失效强度建立顺序约束关系.然后,运用Bayes方法融合先验信息,获得最末阶段截尾时刻的失效强度的期望与置信上限.该结果融合了历史阶段的样本信息,优于仅利用单个阶段样本的分析结果,适用于多阶段可靠性增长试验的综合评估.     

空投产品入水可靠性的评估方法

针对空投某产品时试验多状态、小样本的特点,提出了基于回归折算的性能可靠性评估方法.通过分析投放过程的数学模型,给出入水参数关于投放条件的回归模型,并根据试验数据估计出回归系数.利用回归折算将分散在不同空投条件下的试验数据折算到某一条件下,基于折算后的试验数据得到了较客观的产品入水可靠性评估结果.     

新型BFRP筋增强混凝土受弯构件挠度控制

玄武岩纤维塑料增强筋（BFRP筋）的特性导致以其为增强筋的受弯构件出现裂缝后刚度降低非常明显,变形发展过快。因此,对BFRP筋混凝土梁的设计主要应根据其变形性能标准的要求来进行。为方便设计人员进行BFRP筋受弯构件设计,结合试验研究,通过对比国内外有关FRP筋混凝土梁开裂截面有限惯性矩计算模型的研究,探索出适合BFRP筋混凝土梁开裂截面有效惯性矩计算模型;通过建模分析,表明有限元计算模型和其他几种计算模型一起可以应用于BFRP筋混凝土梁直接挠度控制。推导出FRP筋受弯构件配筋率计算公式,结合直接挠度控制研究,提出通过控制跨高比限值来进行梁尺寸初选的间接挠度控制计算公式。     

型钢混凝土桁架节点有限元分析

由于普通结构设计软件无法实现型钢混凝土空间桁架节点内部细化计算分析,为解决这一问题,通过采用ANSYS软件对整体结构进行静力分析,并提取桁架节点处各构件的内力,将其施加于桁架节点的实体模型,进行精细的有限元计算分析;检验桁架节点实体模型内部应力是否满足强度要求,验证结构设计时节点区域的型钢选取和配筋的合理性;同时将分析结果与在该结构施工现场实际检测结果进行对比。结果表明,AN—SYS软件能够准确地完成普通结构设计软件无法完成的复杂结构模型的细化有限元分析。     

基于ISM的油库安全事故成因分析

分析油库安全事故成因,划分事故成因类型,对于有效控制事故发生、保障油库运行安全是极其重要的。运用系统工程思想,对油库安全事故成因要素的相互关系进行分析,建立了油库安全事故成因多层递阶解释结构模型（ISM）。分析和计算结果表明：油库安全事故成因大致可分为根本原因、直接原因和间接原因三个类型（层次）。针对不同层次结构的事故成因,可以制定相应的预防和控制措施,为军用油库抓住安全管理重点、有效防止事故发生提供理论依据。     

基于感知信息共享的C2网络特征分析*

指挥控制(C2,Command and Control)关系网络连接数的增加会增强指控节点之间的信息共享,但也会增加节点信息处理和交换负荷,如果达到一定程度,则会造成节点本身的"信息过载"从而影响C2网络性能.对此,通过研究C2网络在两种不同处理方式下的共享感知信息平均提交时间,用网络节点响应时间的均方差表征一个C2网络的共享态势感知时间的一致性,最后对两种不同结构C2网络特征参数的计算,说明了网络连接增加会导致信息提交时间的延长,但一致性会增强.     

灰色逼近理想解排序法在目标威胁评估中的应用

针对空袭目标的威胁判断问题,分析了空袭目标威胁评判的准则;据此给出了影响目标威胁的主要因素.并给出了主要因素的隶属函数.在此基础上,结合灰色关联度和逼近理想解排序法,用灰色关联度替代逼近理想解排序法中传统的距离,给出了灰色逼近理想解排序法模型;最后,将模型运用于空袭目标威胁排序中,以实例证实此方法的科学性与可行性.     

数据耕耘方法

数据耕耘是从美海军"艾伯特计划"中总结出的一种系统分析方法,它通过播种、施肥、耕作、栽培和收获等过程的循环,为探索问题提供了永无止境的机会.数据耕耘将蒸馏法作用于需求空间、能力空间、想定空间和结果空间,通过运行简单的模型,快速探索出较大的决策空间.该方法模型具有层次化变精度、动态有环反馈、数据可视化、基于 Agent运作综合等特性,目前主要应用于军事决策领域.     

海军数据链对潜艇导弹攻击的效能分析

介绍了数据链的发展、主要特点及作用,分析了现有条件下潜艇导弹攻击行动及存在的问题.基于海军数据链的突出特点,指出信息化条件下的现代海战中使用海军数据链将对潜艇导弹攻击的过程、对潜指挥方式和导弹攻击模式带来的影响.最后,从统计分析导弹潜艇的生存概率、潜艇导弹攻击的控制海域、潜艇导弹攻击时间参数,着手对加装数据链前后潜艇导弹攻击行动的效能比较进行建模分析,并提出效能评估方法.     

基于目标结构特征像的SVM目标识别方法

针对支持向量(SVM)对目标高分辨一维距离像(HRRP)识别率和稳定性不高的问题,研究将目标分解理论推广应用于对目标极化散射矩阵的分解,求得了目标结构特征像.在分析研究SVM的训练和测试方法的基础上,采用SVM通过结构特征像对两实验目标进行分类识别,结果表明,基于目标结构特征像的SVM目标识别方法能够提高目标正确识别率,且其稳定性较好.该方法是一种有效的目标识别方法.