基于EMD-SVD与马田系统的复杂系统健康状态评估

特征提取和健康状态的辨识是复杂系统健康状态评估中的关键问题。提出一种新的健康状态评估方法,该方法分为3个步骤:首先,采用经验模态分解(empirical model decomposition, EMD)和奇异值分解(singular value decomposition, SVD)来提取振动信号的特征变量。然后,运用马田系统(Mahalanobis Taguchi system, MTS)构造马氏空间,并对其进行优化,从而降低特征变量的维度。最后,提出了一种健康度(health index, HI)的概念,并且用来对复杂系统健康问题进行评估。该方法成功地应用在轴承的健康状态评估中。     

无人机系统健康状态评估方法研究

提出了一种新的无人机系统健康状态评估方法,对某型无人机部分分系统发生故障及采取修复措施后的健康状态分别进行了评估。当关键分系统出现灾难性故障时,引入惩罚函数机制,对无人机的健康指数进行了修正;对传统以概率为主的故障模式、影响及危害分析进行了改进,提出了以故障发生后的严酷度级别进行危害分析的新方法,并应用于分系统健康状态的评估;考虑到专家判断的模糊性,把三角模糊数和层次分析法相结合,用于计算分系统的权值,并在计算过程中提出了首先把三角模糊正互反判断矩阵转换为三角模糊正互补判断矩阵的思路,便于理解与计算。仿真结果表明,本文提出的评价方法可操作性强,便于工程实现,能够直观地给出无人机的健康指数值。     

基于全方位优化算法的改进马田系统分类方法

针对马田系统的若干不足, 提出一种改进的马田系统优化模型, 其核心思想是 根据分类问题的目的和特点提出若干优化目标, 采用优化模型替代正交表和信噪比筛选关键变量. 针对模型的特点, 采用了一种全方位优化算法进行求解. 通过对4个 UCI数据集的算例分析表明, 该方法不仅有较好的分类精度, 且能筛选关键变量, 降维效果明显. 最后对一个实际生产案例 进行了研究, 结果表明该方法在保持高分类效率的情况下, 能够显著减少质量检测变量, 降低成本, 提高生产效率.     

基于Lasso稳健马田系统的相对贫困识别方法

2020年后我国扶贫工作重点将转向解决相对贫困问题,然而解决相对贫困的前提和基础是识别相对贫困.由于相对贫困数据具有“高噪性、不平衡性、相对性、多维性”等特点,现有的单一收入维度的贫困识别方法难以适用,因此提出构建一种基于Lasso稳健马田系统(Lasso-based robust Mahalanobis-Taguchi system,Lasso-RMTS)的相对贫困识别方法.该方法通过Lasso、稳健马氏距离和马田系统三方法融合,使得不仅可以对“不平衡性”和“比较性”的贫困数据进行识别,还可以对“高噪性”和“多维性”的相对贫困数据进行降维、降噪.同时,将稳健马氏距离转换为脱贫指数(poverty alleviation index,PAI),可以更加直观地反映相对贫困程度.实例数据验证表明,Lasso-RMTS识别相对贫困的精准度高于马田系统和其他传统分类方法.     

基于Petri网的复杂设备健康状态退化分析

针对大型设备结构复杂,健康状态难以评估的问题,以设备最小可监测或可评估单元健康状态为输入,建立了健康退化Petri网模型,利用健康等级信度的变化描述复杂设备全系统各层次单元的健康状态退化情况。首先给出了健康退化Petri网的定义,分析了库所间“冗余”、“共同”、“并发”以及“继发”四种关系形式,用以评估各层次单元健康状态;然后分析了健康状态信度转换为健康度的规则并给出一种线性映射方法;根据健康状态退化趋势特点,在离散灰色模型中引入非线性时变项,提出了基于粒子群优化的拓展非线性时变参数离散灰色模型的健康度预测算法。最后将模型应用于某发射装置的健康状态退化分析,说明了模型的适用性。     

基于EDA的开关电源健康状态评估方法研究

目前开关电源的预测与健康管理研究多基于某特定应力下的监测数据,其应力剖面固定,难以推广应用到应力随机组合的实际场合中。通过对所建立的高精度仿真模型中注入定量退化的方式,基于EDA技术开展了开关电源整体健康状态评估方法的研究。采用试验设计的方法,构建电源退化特征标准数据库,并采用最小二乘拟合方法,确定应力因素与系统输出的函数关系。进而可评估得到任意应力组合作用下电源的实际健康状态。某反激开关电源的实际健康状态评估结果表明了所提出的方法有效可用。     

基于生物免疫机制的复杂系统健康监测与评估

生物免疫机制的模拟与实现对复杂系统的健康状态监控有重要的现实意义。分析了免疫的机制和特点，构建了基于多Agent的分布式免疫机制模拟结构模型，并给出了免疫Agent的逻辑结构模型，模拟生物免疫机制对故障进行监测、诊断和学习。在此基础上以一实际的柔性制造系统为背景进行了应用研究，给出了故障识别及其影响评估方法，可作为系统协调控制的依据，仿真试验表明该方法是有效可行的。     

基于测试数据的长期贮存装备实时健康状态评估

以导弹为代表的长期贮存装备具有“长期贮存、少量测试、一次使用”的特点,实时了解此类装备的健康状态有重要意义。根据长期贮存装备可靠性的变化,提出了一种基于时间修正的Dempster-Shafer 证据理论实时健康状态评估模型,将装备健康状态划分为5 级,利用长期贮存装备的测试数据值分别与上次非故障测试值、历史非故障测试均值、以及标准值加以比较,并对其进行时间修正,结合D-S证据理论融合多源信息,实现此类装备的实时健康状态评估。最后,利用某型装备的测试数据进行了实例分析,结果说明该模型在长期贮存装备实时健康状态评估方面具有良好的性能。     

基于马田系统与TOPSIS的区间数多属性决策方法

针对区间数多属性决策问题,提出了一种利用马田系统处理区间数决策向量信息、利用TOPSIS法对区间数决策向量进行排序的方法. 该方法将决策方案的区间数决策向量看作是多维属性空间中的超长方体,利用2水平正交表在该超长方体上均匀、分散地进行布点,并组成布点集来代表该决策方案;利用马氏距离测度决策方案布点集中的布点到正负理想方案布点集的距离;利用信噪比定义决策方案与正理想方案的贴近度.给出了详细的决策步骤.最后通过实例同其他方法进行了对比分析,结果表明本方法可行、有效.     

基于MCS的多状态复杂系统可靠性评估

同时考虑了部件选择性失效传播引起的共因失效以及系统的不完全保护,提出了一种面向多状态复杂系统的基于蒙特卡洛模拟(MCS)的可靠性评估算法.传统方法只能解决可以转化为串、并联结构的简单系统的可靠性评估问题,而本文提出的算法打破了这种限制,使得其应用范围更加广泛.最后,通过两个示例说明了算法的有效性以及其因失效与不完全保护对系统可靠性的影响.     

Box-Cox-SV模型及其对金融时间序列刻画能力研究

利用Box—Cox变换构造的随机波动模型，即Box—Cox—SV模型，较好地概括了现有文献中出现的一些常用SV类模型，避免了模型选择中的困难．论证了该类模型的矩属性和平方序列的自相关特征，利用MCMC估计方法对上证指数收益序列建立了Box—Cox—SV模型，并与EGARCH模型对金融时间序列的刻画能力在理论上和实证上进行了对比研究．     

通过GIC准则同时诊断数据变换与异常点

针对回归分析中异常数据和变量变换相互影响的问题,从变量选择角度,结合模型选择的广义信息准则(GIC)与构造变量方法,提出了一类数据变换与异常点的同时诊断方法。该方法同时考虑由是否存在异常点以及是否需要变换所组成的四种备选模型,在某些情况下,既可以减轻异常点对数据变换的强影响,又避免了变换数据对于异常点的掩盖效应. 文章通过模拟与实例验证了该方法的有效性,并与文献中的$F$检验法、似然距离诊断法以及$F$方法进行了比较.     

Hedonic住房价格模型的选择与实证检验

借助Box-Cox变换技术用于hedonic住房价格模型估计,通过对数似然比和样本外Theil不相等系数检验,对已有文献中常见函数形式的拟合效果进行评估,从而确定最佳的函数形式.实证研究表明Box-Cox变换模型优于线性、半对数、双对数等函数.     

DIAGNOSTICS FOR NONLINEAR REGRESSION MODEL WITH WEIGHTING OR TRANSFORMATION

ＤＩＡＧＮＯＳＴＩＣＳＦＯＲＮＯＮＬＩＮＥＡＲＲＥＧＲＥＳＳＩＯＮＭＯＤＥＬＷＩＴＨＷＥＩＧＨＴＩＮＧＯＲＴＲＡＮＳＦＯＲＭＡＴＩＯＮ￥ＳＨＩＪｉａｎｑｉｎｇＷＥＩＢｏｃｈｅｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，ＳｏｕｔｈｅａｓｔＵｎ...     

网络体系效能评估改进FDNA模型

网络体系(system of system, SoS)的效能评估是SoS建设和分析的重点问题。传统功能依赖网络分析(functional dependency network analysis, FDNA)方法可以展示SoS“松散耦合”特性, 但缺乏对组件系统的运行独立性、效能衰减性、拓扑规律性等特征的关注。针对此, 在考虑多态问题的基础上, 通过Markov过程分析, 推导组件系统的自主效能衰减函数与系数, 改进了传统方法中的固定参数, 求得节点的动态效能值。在界定“相关SoS”概念的基础上, 计算组件系统可靠度的重要度, 识别关键节点, 构建网络SoS效能评估函数。以五节点航天SoS为例, 演示评估过程并验证了方法的可行性。     

改进Quatre算法的无人机编队快速集结方法

为了提高多无人机在编队集结过程中的稳定性, 提出基于改进拟仿射类进化(improved quasi-affine transformation evolutionary, IQuatre)算法的无人机编队集结方法。首先, 基于分布式模型预测控制(distributed model predictive control, DMPC)建立无人机编队的运动预测模型, 通过预测无人机的“未来态”规避编队内碰撞风险, 滚动优化的数学模型提高了无人机到达指定位置的稳定性, 使得无人机更好、更快地加入编队飞行; 其次, 对Quatre算法进行种群优化改进, 将携带最优基因的父代个体有选择性地加入子代种群, 加快种群收敛。实验结果表明, 基于DMPC的无人机编队集结未出现碰撞情况, 减小了无人机调整状态过程中出现的位置偏差; 对比仿真验证了IQuatre算法能够提高编队集结的稳定性, 较原Quatre算法减少了5.2%的平均迭代次数, 在计算时间上节约了4.6%, 位置误差减小了0.45 m。     

数字孪生体可信度评估过程及指标研究

随着数字孪生技术应用领域的扩展,为满足数字孪生体可信度要求和推动数字孪生体可信度评估工作,对数字孪生体可信度评估过程和指标进行了研究。分析了数字孪生体的开发过程,给出了基于IDEF0(integrated computer aided manufacturing-definition method)的柔性多层级数字孪生体可信度评估过程模型构建方法。提出了过程—阶段—活动层(P-S-A)和活动—元素—特性层(A-E-F)两类指标体系,分别辅助解决缺陷回溯问题和复杂对象评估问题,并给出了指标体系范例。     

基于改进PCA的导弹装备健康表征参数提取方法

针对导弹装备健康状态信息复杂且相互交融、健康表征参数难以提取的问题,提出一种基于改进主成分分析(principal component analysis, PCA)的装备健康状态低维敏感表征参数的确定方法。该方法先开展装备扩展故障模式及影响分析,构建初始高维特征参数集,再利用改进PCA对参数集进行降维处理,在最大化高维表征参数全局特征方差的目标下,提取出非线性表征参数子集。将该方法应用到导弹舵机健康评估实验中,使用故障注入模拟设备进行验证。结果表明,采用所提方法提取的健康表征参数对舵机健康状态识别准确率高,说明所提方法在提取导弹装备健康表征参数中具有明显的优越性。