一种基于BDD求解PIS的新方法

提出了基于双择判决有向图 (BinaryDecisionDigraph ,BDD)求解故障树的全部PIS的新方法 ,该方法将故障树转化为BDD ,通过反对称规律将故障树的BDD转化为对偶BDD ,再基于该对偶BDD用迭代算法实施第二次对偶运算 ,从而达到求原故障树全部质蕴涵集的目的     

n/k(G)表决冗余多阶段任务系统可靠性优化模型

提出采用多阶段任务系统（phased mission systems, PMS）冗余故障树模型和PMS冗余二元决策图（binary decision diagram, BDD）模型来描述冗余多阶段任务系统;通过递归法实现PMS冗余故障树模型到PMS冗余BDD模型的转换,从而得到整个PMS的最小割集;在分析n/k(G)表决冗余模块在PMS中可靠度计算模型的基础上得到整个PMS的可靠性计算模型。以费用最小为目标,构建多阶段任务系统可靠性冗余优化模型,并应用微粒群算法对模型进行求解。算例通过一个三个阶段n/k(G)表决系统来阐述该方法的应用,并验证了模型的合理性及算法的有效性。     

估计GM(1,1)模型参数的一种新方法

考虑到最小二乘法则的不足及背景值参数和边值的影响,提出基于最小一乘准则估计GM(1,1)模型参数,得到新的预测公式,引入粒子群算法直接求解最小一乘问题即可得到模型参数,简化了以往改进模型的二次求解过程.数值计算结果表明,基于粒子群算法及最小一乘准则估计灰色模型参数,对于平稳或非平稳序列,都具有较高的拟合与预测精度.     

一种非单调关联故障树的分析方法

提出了一种非单调关联故障树分析的新方法，其基本思想是对非单调关联故障树模块化以减小故障树的规模，避免了传统故障树分析中出现的大量不交化运算，提高了运算效率，并在此基础上对非单调关联故障树中的定性分析(质蕴含求解)和定量计算(重要度计算)进行了研究。该方法为复杂故障树的分析提供了一条新的途径。     

基于最小割序集的独立电力系统可靠性分析

故障树分析方法是对系统进行可靠性评估的有效方法,但在独立电力系统可靠性的计算中存在可靠性参数计算量大、求解困难等问题。对此,采用故障树最小割序集方法求解独立电力系统的可靠性指标,针对求解可靠性指标时存在的组合爆炸问题,提出了基于时间运算符求解最小割序集的方法。运用分层模块的方法简化动态故障树模型,并根据最小割序集的逻辑运算规则得到最小割序集。最后运用失效概率公式求解得到独立电力系统的可靠性指标。以某常规独立电力系统和B787飞机电力系统可靠性分析为例,验证了所提算法的可行性和正确性,为求解独立电力系统的可靠性指标提供了一种新的思路。     

粒子动力学演化算法及其在求解SOP上的应用

根据粒子输运理论中粒子相空间能量最小原理和熵增法则提出一类粒子动力学演化算法，并在数据实验中用该算法求解了一些传统演化算法难于求解的单目标优化问题(SOP)，比如求解凸函数和多峰函数等最小优化问题。由于这种新的动力学演化算法能使几乎所有的个体参加杂交和变异，因此，与传统的演化算法相比，该方法不仅能较快速地求解线性和非线性优化问题，而且还能容易地求出达到最优解的多个坐标点。     

遗传算法（GA）和禁忌搜索算法（TS）在配送中心选址和路线问题中的应用

分析了配送中心的配送模式,并由此建立了配送中心LRP(Location and Routing Problem)模型,即选址和路线的组合模型.并且针对该模型引入了遗传算法和禁忌搜索算法,通过合理选择算法中各算子及参数设置,设计了求解该模型的算法程序,最后通过具有一定规模的实例计算,证明了该算法在求解LRP中的实用可行性和科学有效性.     

基于超椭球模型的故障树区间分析方法

针对传统故障树分析方法无法有效处理非精确失效概率的问题,提出了一种新的故障树区间分析方法。利用证据理论,由似真函数和信任函数获得底事件发生的区间概率。基于不确定变量的超椭球描述,构造了故障树区间算子,将底事件发生概率的不确定性传递到顶事件,并设计了求解条件极值的Monte-Carlo仿真算法,从而对故障树进行区间分析。该方法适用于统计数据缺乏或者难以得到实验数据的情况。理论分析和仿真实例表明,本方法合理可行,较好地反映了工程实际情况。     

装备体系多阶段任务可靠性高效解析算法

体系作战任务可靠性的实时评估是未来作战的必然要求。为了实时计算装备体系多阶段任务可靠性,基于k/n(G)表决模型,设计了一种考虑冗余的可靠度高效解析算法。在体系结构分析及任务概述基础上,建立了冗余故障树以及由冗余故障树转化的二元决策图(binary decision diagram,BDD)模型。针对传统可靠性解析计算算法复杂度高的问题,本文利用递归算法改进了k/n(G)表决模型的计算过程,提高了计算效率。以航空装备体系远程目标打击任务为例,数值计算表明,本文的改进解析算法有效得出了体系多阶段任务可靠度计算结果,且相比传统算法运算效率得到显著提高,有利于应用到体系作战任务可靠度实时计算评估,指导任务统筹和规划。     

完成时间限制下的任务-平台关系设计模型及算法

针对指挥控制组织结构设计中任务-平台关系的设计问题,提出了一种使命完成时间限制条件下的问题的设计模型及其求解算法。分析了使命完成时间限制条件下任务-平台关系设计(task platform relation design under mission completion time constraint, TPRDTC)问题的约束条件,建立了以使命执行质量的值最大为目标的问题数学模型。设计了用于求解该模型的循环多动态列表规划(multi-dimensional dynamic list scheduling, MDLS)算法,给出了该算法的详细步骤和流程。最后通过一个联合作战的战役案例,分析并验证了循环MDLS算法对求解TPRDTC问题的有效性和适用性。     

软件可靠性模型的两种参数估值方法、估值结果一致性分析

本文研究软件可靠性增长模型的两种参数估值方法(最大似然函数估值法和最小均方误差估值法)的参数估值结果的一致性问题。讨论了一致性分析的必要性,一致性评价的标准和评价的方法,并以W-NHPP模型和NHPP模型为例进行了实例分析。     

基于SVM和EMD 包络谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的调制特征和传统包络分析法的缺陷以及现实中难以获得大量典型故障样本的实际情况,提出了一种基于支持向量机(Support Vector Machine,简称SVM)和经验模态分解(Empirical Mode Decomposition,简称EMD)包络谱的滚动轴承故障诊断方法.该方法首先对原始信号进行经验模态分解,将其分解为多个固有模态函数(Intrinsic Mode Function,简称IMF)之和,然后求出包含主要故障信息的若干个IMF分量的包络谱,最后定义包络谱中各种故障特征频率处的幅值比为特征幅值比,将其作为故障特征向量,并以此作为SVM分类器的输入参数来区分滚动轴承的工作状态和故障类型.实验分析结果表明了该方法的有效性.     

Novel robust fault diagnosis method for flight control systems

A novel robust fault diagnosis scheme, which possesses fault estimate capability as well as fault diagnosis property, is proposed. The scheme is developed based on a suitable combination of the adaptive multiple model （AMM） and unknown input observer （UIO）. The main idea of the proposed scheme stems from the fact that the actuator Lock-in-Place fault is unknown （when and where the actuator gets locked are unknown）, and multiple models are used to describe different fault scenarios, then a bank of unknown input observers are designed to implement the disturbance de-coupling. According to Lyapunov theory, proof of the robustness of the newly developed scheme in the presence of faults and disturbances is derived. Numerical simulation results on an aircraft example show satisfactory performance of the proposed algorithm.     

军用电子设备故障知识获取新方法

分析了军用电子设备的特点,总结通过故障仿真获取故障知识的一般过程,提出计算机自动穷举设备所有可能故障、进行仿真获取故障知识的新方法。提出4个关键策略解决仿真工作量及自动建立故障集的问题。在分类策略中分析故障仿真数据的特点,提出适合的新算法。提出电路故障知识获取平台建立方案作为所提方法的具体实现。实验结果证实了所提方法的可行性。     

基于小波包能量特征的滚动轴承故障监测方法

对滚动轴承的故障特点进行分析，根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性，提出了小波包能量特征的概念及算法，并给出两个仿真算例，然后将小波包能量特征与径向基函数网络相结合，提出了一种新的滚动轴承故障诊断方法，数字仿真实验证实了该方法的正确性和有效性。     

基于孪生深度神经网络的风电机组故障诊断方法

为有效提取风电SCADA (supervisory control and data acquisition)中时序数据故障特征,同时考虑一维卷积神经网络(one-dimensional, convolutional neural network,1-D CNN)提取局部时序特征和长短时记忆网络(long short-term memory networks, LSTM)提取长期依赖特征优势,提出一种基于1-D CNN-LSTM的风电机组故障诊断方法;针对故障样本稀缺问题,基于孪生神经网络架构(siamese network),提出一种基于孪生深度神经网络siamese 1-D CNN-LSTM的风电机组故障诊断方法,依靠少量样本数据对机组故障特征进行有效提取。结果表明：1-D CNN-LSTM优于其他现有深度学习方法;当训练样本不足时,所提出的siamese 1-D CNN-LSTM可以显著提升故障诊断结果。     

Five modified boundary scan adaptive test generation algorithms

1. INTRODUCTION In the process of applying boundary scan technologyto improve the testability of circuit board, the taskafter the boundary scan design for circuit board is togenerate test vectors for it, namely, the test generationalgorithm. Usually, according to the information usedin the test generation algorithm, the test generationalgorithm falls into three types: first, traditionaboundary scan test generation algorithm such asMCSA[1], WOA [2] and equal weight algorithm [3~5]they al…     

Fault detection for nonlinear networked control systems based on fuzzy observer

Security and reliability must be focused on control systems firstly, and fault detection and diagnosis (FDD) is the main theory and technology. Now, there are many positive results in FDD for linear networked control systems (LNCSs), but nonlinear networked control systems (NNCSs) are less involved. Based on the T-S fuzzy-modeling theory, NNCSs are modeled and network random time-delays are changed into the unknown bounded uncertain part without changing its structure. Then a fuzzy state observer is designed and an observer-based fault detection approach for an NNCS is presented. The main results are given and the relative theories are proved in detail. Finally, some simulation results are given and demonstrate the proposed method is effective.     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明，在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

基于SVM的故障预报中的并行优化仿真研究

在基于支持向量机的故障预报过程中,故障样本数据的不相关变量会影响支持向量机的性能;加权支持向量机中直接选择加权系数存在很多不足;支持向量机参数主要凭人的经验或通过多次实验获得,还没有一个确定而有效的方法.针对这三种问题,提出了采用改进的人工鱼群算法将特征选择、加权系数、支持向量机参数进行并行优化的方法,并将此方法应用于船舶动力装置冷凝器的故障预报中.仿真结果表明:相对于单独优化,并行优化能够在更短的时间内进行最有效的故障特征提取,并且提高支持向量机的性能;相对于遗传算法,改进人工鱼群算法能够以更快的速度达到最终的优化结果.