基于正交试验法的冗余捷联惯组故障诊断实验方法研究

冗余捷联惯组是运载火箭控制系统的重要设备,需要对其进行故障检测和隔离以保证系统正常工作,所应用的故障检测算法需要进行有效性评估。由于惯组器件配置和故障形式的多样性,所有故障情形进行逐一测试不可能的,因此提出利用正交试验法安排实验,对广义似然比故障检测算法进行性能检测。试验结果表明应用正交试验实现了故障情形的良好覆盖性,有效减少了试验次数,并且从测试数据中验证了故障检测算法的有效性。     

装备寿命预测的平行仿真模型在线演化方法

在面向装备剩余寿命预测的平行仿真技术研究基础上,统一了不同退化状态下的状态方程,提出了预测模型形态库的构建方法和预测模型形态选择算法,设计了“模型形态库构建—模型选择—数据同化—模型演化”的模型在线演化工作流程,运用扩展卡尔曼滤波和极大似然估计算法,实现了面向装备剩余寿命预测的平行仿真模型在线动态演化。通过仿真实验验证了模型形态选择算法和模型在线演化工作流程的有效性,取得了较好的仿真效果。     

潜艇螺旋桨区域腐蚀电场模型特征及奇异峰成因分析

针对边界元法推算潜艇腐蚀电场分布时边界条件影响电场信号特征,导致螺旋桨区域产生奇异峰现象的问题,以实测船用921合金钢和镍青铜螺旋桨材料极化曲线作为建模边界条件,重点对比分析了恒电位和非线性边界条件下的电场特征,并通过建立阻抗谱参数下的船壳-螺旋桨电化学阻抗等效电路,分析了潜艇腐蚀电场螺旋桨区域产生奇异峰的原因。仿真结果表明:潜艇电场特征分布及螺旋桨区域奇异峰现象与船体材料电化学极化状态有关,合理设定非线性极化边界参数可达到削弱奇异峰现象、平滑腐蚀电场模型的效果。     

模态试验中非线性检测的一种方法及应用

本文利用振动信号实部与虚部之间Ｈｉｌｂｅｒｔ关系的原理,发展了它在模态试验中非线性检测技术。针对工程结构的特性采用了快速算法和修正技术,通过火箭风罩证明了它的实用性     

基于改进粒子群算法的复杂地况下雷达布站优化

针对现有雷达布站数学模型不能解决复杂地况下的雷达布站问题,提出了一种复杂地况下的雷达布站数学模型,该模型解决了雷达在复杂地况下布站位置受限的问题。在此基础上,提出了基于改进粒子群算法的复杂地况下的雷达布站优化算法,该算法改善了现有粒子群算法中期搜索性能不强的缺陷。仿真结果验证了提出的改进雷达布站数学模型的可行性和基于改进粒子群算法的复杂地况下雷达布站优化方法的有效性。     

装备完好率要求和人才成长规律的维修任务分配方法

装备完好率是军事单位战备完好性水平的重要组成部分,人才的成长需要在实践中锻炼,针对我军装备维修任务分配难题,根据不同维修级别的情况,分析维修任务分配对装备完好率水平和人才成长的影响,提出基于装备完好率要求和人才成长规律的维修任务分配方法,建立了基于装备完好率要求和装备保障人才成长规律模型,此方法对于提高装备完好率水平和装备人才成长建设具有十分重要的意义。最后,用实例对方法的正确性进行了说明和验证,实例结果表明,该方法更贴近部队实际,对于部队的维修任务分配有重要的指导作用。     

基于灰色预测的时敏军事任务调度模型

为有效利用栅格化军事信息系统硬件冗余资源,提高系统运行时效,保证时敏军事任务执行效果,基于灰色理论的GM(1,1),提出了一种时敏军事任务调度模型。构建了基于主动式主/副本机制的调度流程,并针对普通(阈值)调度模型和模糊控制调度模型中调度触发的滞后和调度价值不确定的问题,设计了预测型调度时间窗口,有效优化了调度触发机制。最后通过仿真实验,考察了3种调度模型的有效性,结果表明模型虽然耗费了较大的调度开销,但在降低总体任务用时上作用明显。     

前馈——模型参考自适应复合控制策略

由于多余力矩严重影响了电动负载模拟器的加载性能,提出了一种复合控制方法对该问题进行研究。首先考虑承载对象运动带来的干扰,建立了系统的数学模型;然后,针对控制系统单独采用前馈补偿或自适应控制方法的局限性,进行了基于前馈控制和模型参考自适应控制的复合控制系统设计,并利用Lyapunov函数的方法构造了自适应控制器。最后的仿真结果表明,采用复合控制方法能够大幅度消除电动负载模拟器的多余力矩,验证了控制策略的可行性。     

战场威胁态势的认知域可视建模

分析已有战场威胁态势的相关研究成果。研究了战场威胁态势的威胁因素的AHP建模,提出了针对认知域的权重和威胁程度混合渲染法,并给出具体实例。实例表明所建模型的有效性和实用性。     

比例最小偏度单形UKF的RBF神经网络算法

为提高RBF神经网络的建模性能,提出一种基于改进无迹Kalman滤波(UKF)的RBF神经网络训练算法。在该算法中,首先将比例最小偏度单形Sigma点采样策略引入UT,以有效改进UKF,提升其计算效率,然后利用改进的UKF优化估计RBF神经网络的最优参数。仿真结果表明,改进的UKF比EKF具有更高的RBF神经网络模型训练精度,与传统UKF的模型精度大体相当,但速度更快,计算效率更高。