基于多信号流图的测试性验证试验样本选取方法

为设计优化的测试性验证试验方案,提出了故障样本优选算法.本算法介绍了多信号流图模型的形式化定义和建模步骤,利用其描述故障与测试间因果依赖关系,建立了故障-测试相关矩阵和故障-故障相关矩阵.在考虑充分覆盖的约束条件下,以试验费用小为优化目标,提出了最小故障样本集和每个故障样本数的选取方法.案例验证结果表明,该方法分析设计的试验方案节省了试验费用.     

小子样变总体下的Bayes测试性验证方法

现有测试性验证试验方案一般都需要较大的故障样本量,利用装备研制阶段的测试性数据则可能有效解决这一问题。但研制阶段的测试性数据和现场试验数据一样属于“小子样”且具有“变总体”特点,为此提出一种基于Bayes理论的测试性验证方法。首先根据装备研制各阶段积累的测试性试验信息构建装备测试性参数故障检测/隔离率(fault detection rate/fault isolation rate,FDR/FIR)的动态增长模型,用以揭示装备测试性水平的动态变化规律,并对其测试性指标进行预测。然后根据最大熵原理计算系统FDR/FIR的先验分布。最后结合少量现场试验数据,根据Bayes最大验后风险准则制定装备测试性验 证方案,对装备测试性指标进行验证。通过实例对比分析表明,该方法有效融合了研制阶段数据与现场试验数据,能在小样本的情况下提高验证结论的置信度,降低评估风险。     

神经网络辅助的多目标粒子群优化算法在复杂产品设计中的应用

复杂产品有限元分析(Finite Element Analysis，FEA)费用很高，给多目标优化(Multi-Objective Optimization，MOO)带来很大困难。提出一种人工神经网络(Artificial Neural Network，ANN)辅助的多目标粒子群优化算法(Multi-Objective Particle Swarm Optimization，MOPSO)处理这类计算密集的设计问题：以基于噪声的虚拟样本丰富ANN的训练样本集，通过虚拟样本的控制参数和ANN模型参数的协同优化提高ANN泛化能力；以此ANN为代理模型支持多目标粒子群算法的进化，并采用基于网格邻域信息的拥挤指标提高Pareto前沿的收敛性、多样性及均匀性。最后，以航空发动机高压涡轮盘（High Pressure Turbine Disc，HPTD）多目标优化案例验证该策略的有效性和可用性。试验证明，这种面向成本的MOO方法降低了复杂产品多目标优化的工程应用难度，提高了设计质量。     

基于遗传算法的无线传感器网络覆盖控制优化策略

针对节点高密度部署的无线传感器网络中优化工作节点集的选取问题,提出了一种基于遗传算法的覆盖控制优化策略：设计了密度检测机制优化初始种群,保证种群质量;采用精英操作,提高优化速度;引入禁忌思想,设计了两种禁忌操作,实现局部有效搜索,优化全局搜索。仿真实验及分析表明,该策略快速有效地实现了工作节点数目少、节点集覆盖率高的工作节点集的优化选取,在获得较高覆盖质量的条件下休眠了更多的冗余节点,可有效地降低能耗,延长网络生存时间。     

顾及局部特性的自适应3D矢量场反距离权重插值法

3D矢量场插值是拓扑分析与可视化应用的重要预处理步骤。针对反距离权重法(inverse distance weighted, IDW)在3D矢量场插值中参考样本选择缺乏科学指导以及无法反映矢量场局部特性的局限性,提出了一种顾及局部特性的自适应3D矢量场反距离权重插值法。首先基于距离影响度搜索初始样本集;然后对初始样本集进行分类,若其为小样本集直接采用IDW算法插值,若其为大样本集则基于矢量场局部线性近似进行优化得到优化样本集进行IDW算法插值。理论分析与实验结果表明,该方法能够自适应选择插值参考样本;并且插值结果在局部范围内符合矢量场的线性近似假设,插值结果更具有合理性;同时该方法还提高了IDW算法的插值精度。     

基于多信号流图和相似性度量的故障可诊断性评价方法

针对目前基于定性模型无法对电子系统故障可诊断性进行定量评价的问题, 将定性模型与数据驱动方法相结合, 提出一种基于多信号流图和相似性度量的故障可诊断性评价方法。首先, 根据系统的组成结构建立多信号流图模型并得到故障-测试相关性矩阵, 基于故障-测试相关性矩阵提出了故障可诊断性评价准则。其次, 提取测试信号的小波包Shannon熵作为特征向量, 以欧式距离作为相似性度量指标, 将故障可诊断性定量评价问题转换为不同故障模式下测试信号特征向量的相似性度量问题。然后, 构建故障可诊断性评价矩阵, 依据故障可诊断性评价矩阵提出了系统可诊断性指标。最后, 通过仿真分析验证了所提方法的有效性。结果表明, 所提方法在不构建数学模型的前提下, 能够实现电子系统的故障可诊断性的定量评价。     

不确定条件下舰载机动态调度仿真与优化方法

针对舰载机调度中的不确定性及动态特征,给出了基于多主体技术的舰载机动态调度仿真与优化方法。定义了不确定条件舰载机动态调度的概念模型。基于多主体技术描述了概念模型中变量与目标、约束之间的隐函数关系。为降低不确定因素中能够引发重调度的各类系统扰动（故障或新任务到达）的影响,给出了主体之间的交互协商机制。在此基础上,给出了基于合同网与遗传算法的混合优化算法以提高模型的求解能力。最后以舰载机的典型任务模式为例,测试了混合优化算法的能力,并利用敏感性分析方法对故障扰动的影响进行了描述,验证了仿真模型与优化算法的可行性。     

基于改进PSO算法的实时故障监测诊断测试集优化

针对基于相关性模型的复杂系统实时故障诊断问题,引入一种改进的多目标离散粒子群优化算法对测试集进行优化选择,以提高诊断系统效率,降低测试成本。基于现有粒子群优化算法,将粒子速度更新和位置更新的意义与测试选择相联系,提出了新的速度和位置更新公式;针对测试集故障检测数、故障隔离数、测试个数及成本等多个指标,分别设计了故障监测测试集和诊断测试集的多目标适应度函数,并给出最优解的多目标更新方法。仿真结果表明：改进算法收敛速度快,计算精度高,可为实时监测诊断系统测试集优化选择提供有效指导。     

两种SINS惯性系四元数粗对准算法等价性分析

针对捷联惯导系统惯性系粗对准两种四元数算法的等价性进行了详细分析。首先,根据姿态矩阵的分解原理将初始对准问题转化为多矢量定姿的Wahba问题,并根据重力矢量连续变化的特点建立了积分形式的优化目标函数。然后,根据基于四元数的坐标变换原理,将目标函数变换为关于姿态四元数的函数,进而根据四元数运算性质分别导出最优四元数的两种求解形式,并根据矩阵特征值和特征向量的性质证明了两种算法的等价性。最后,通过仿真和试验数据进一步验证了理论分析的正确性。     

基于扩展的关联模型的测试性分析技术研究

关联模型由信息流图和故障-测试关联矩阵两部分构成,该模型广泛应用于系统级的测试性分析与设计。为了便于分析反馈环路、故障传播的层次性、解析冗余测试等测试性参数,文章在故障-测试关联矩阵的基础上,构建了故障-故障关联矩阵和测试-测试关联矩阵,得到扩展的关联模型,并基于扩展的关联模型建立了模糊组、反馈环路、解析冗余测试、隐含故障、伪故障等测试性参数的数学模型,最后利用案例演示了扩展关联建模和测试性分析过程。     

多重不确定因素影响下的高端装备研制任务流程优化

基于设计结构矩阵对高端装备研制任务进行仿真建模,采用蒙特卡罗方法模拟研制任务执行过程,用以估算其工期、成本、失败率等参数.将研制任务仿真嵌入到多目标优化算法中,对每个个体对应的研制任务流程进行多次仿真,以仿真输出的平均工期、成本、失败率等作为适应度评价指标,基于NSGA-III构造多目标优化算法,求解其Pareto最优解集.对每个Pareto最优解对应的研制任务流程进行更多次的仿真,在此基础上对各个研制任务流程进行深入分析、评价.最后,以某无人机研制任务为例进行应用研究,并把本文的优化结果与文献中的数据进行比较,检验了本文方法的有效性和优越性.     

基于枢纽魅力度的城市公交枢纽布局优化方法

本文提出一个两阶段的城市公交枢纽布局优化方法, 该方法首先从备选点易达度、公交线路聚集程度和公交线路的分布范围评价其魅力度, 进而确定备选枢纽点集. 基于备选枢纽点集, 综合考虑乘客和运营者双方利益, 提出一个以枢纽辐射域最大、枢纽间相似度最小和土地成本最少的多目标枢纽布局优化模型, 并设计多目标遗传算法进行求解. 最后, 以大连市主城区的公交系统为例, 对本文提出的模型和算法进行检验. 通过实例分析发现, 本文提出的备选枢纽筛选模型得到的备选点几乎涵盖了大连市主城区的主要集散点, 表明以魅力度评价备选枢纽点的方法是可行的, 可以有效地为枢纽布局优化提供较合适的搜索空间. 同时, 从枢纽布局优化结果看, 本文提出的多目标优化模型可以兼顾枢纽的数量、位置和土地成本, 优化结果也符合大连市的实际情况.     

径向基代理模型中形状参数对精度的影响

代理模型方法是复杂系统优化设计的一种有效方法,讨论了以多二次函数为核函数的径向基（radial basis function, RBF）代理模型中形状参数h对精度的影响,在此基础上探讨了一种获得最优h值的方法。在该方法中,将RBF代理模型的标准均方根误差表达为形状参数h的函数,通过极小化该标准均方根误差,得到最优h值。在样本点给定的情况下,采用该最优h值所构造代理模型与采用其他h值所构造的代理模型相比,其精度更高。一维和二维数值算例验证了采用本方法确定h值的有效性,并应用该方法求解了战术导弹的气动外型优化设计问题。     

基于产品回收定价的逆向物流车辆路径优化问题

针对逆向物流车辆路径优化问题,研究在产品回收定价调整和车辆路径优化调度结合方面存在的不足,以智能回收箱为研究对象,考虑多频次回收和车辆共享调度策略,提出基于产品回收定价的逆向物流车辆路径优化方案。首先构建了智能回收箱回收量与回收定价的线性函数,然后构建了包含共享车辆运输成本、维护成本、违反时间窗惩罚成本和环境外部性收益之和最小化的逆向物流回收运营成本模型,并建立了回收中心产品的最大化收益模型。其次,根据模型特点设计了考虑智能回收箱地理位置、回收频次和回收时间窗的K-means时空聚类算法,进而提出一种改进的GA-PSO混合算法。该混合算法结合了遗传算法全局搜索能力强与粒子群算法收敛速度快的特点进行了算法间的优势互补,同时采用了精英保留策略,增强了混合算法的搜索性能,并通过与HGA、GA-TS和HACO等算法进行比较分析,验证了模型和算法的有效性。最后,结合重庆市某智能回收物流网络的实际数据进行优化研究,分析了不同产品定价下的回收频次和车辆共享调度情况。结果表明,本文所提出的模型和算法能够进行产品回收定价策略的有效选择、产品回收车辆的资源共享以及合理的车辆路径优化调度,并可在回收中心获得...     

航天器抗辐射等效试验评估建模

针对当前多组源X射线辐射地面模拟试验无法进行的问题, 提出一种单组源X射线辐射等效优化方法, 用来指导等效单组源X射线辐射地面模拟试验中多因素值的确定。首先, 利用克里金模型和层次高斯过程模型等两种数据融合建模方法, 分别构建对应的单组源X射线辐射地面模拟试验数据融合模型。然后, 分别在克里金模型和层次高斯过程模型的基础上, 提出期望提高等效优化算法和层次期望提高等效优化算法。通过对两种优化算法的对比分析可知, 层次期望提高等效优化算法在搜索中包含更多不确定性, 全局搜索效果更佳。仿真结果表明,所提方法可为后续进行等效单组源X射线辐射地面模拟试验提供目标指导。     

考虑关键故障的测试优化选择

针对现有测试优化选择方法中因关键故障为小概率故障而容易被漏检的问题,提出了一种有指向性的对关键故障进行有效检测和隔离的方法。首先从系统安全性角度,分析了关键故障的重要性。然后基于相关性矩阵,以测试代价最小为优化目标,以故障检测率与隔离率和关键故障检测率与隔离率为约束,建立了考虑关键故障的测试优化选择模型,最后采用基于质心改进和惯性权重自适应调整的二进制粒子群算法进行求解。仿真实验结果表明,考虑关键故障的测试优化选择方法可以有效消除因关键故障漏检而对装备安全造成的严重威胁。     

基于多变量优化的恒定应力加速退化试验设计

为了实现高可靠长寿命产品加速退化试验的高效开展,提出一种可以同时优化加速应力水平、各水平下试样数、各水平测试时间等多个试验设计变量的恒定应力加速退化试验优化设计方法。基于Wiener过程与阿伦尼斯模型建立加速退化模型,以可靠寿命估计精度为目标函数,以试验总经费为约束条件,应用遗传算法搜索最优试验方案,并通过敏感性分析确定优化方案的有效性。以某碳膜电阻器为对象开展加速退化试验优化设计的实例分析来证明所提方法的合理性。敏感性分析结果表明,所提方法的优化结果具有良好的稳健性。     

Test selection and optimization for PHM based on failure evolution mechanism model

The test selection and optimization （TSO） can improve the abilities of fault diagnosis, prognosis and health-state evalua- tion for prognostics and health management （PHM） systems. Traditionally, TSO mainly focuses on fault detection and isolation, but they cannot provide an effective guide for the design for testability （DFT） to improve the PHM performance level. To solve the problem, a model of TSO for PHM systems is proposed. Firstly, through integrating the characteristics of fault severity and propa- gation time, and analyzing the test timing and sensitivity, a testability model based on failure evolution mechanism model （FEMM） for PHM systems is built up. This model describes the fault evolution- test dependency using the fault-symptom parameter matrix and symptom parameter-test matrix. Secondly, a novel method of in- herent testability analysis for PHM systems is developed based on the above information. Having completed the analysis, a TSO model, whose objective is to maximize fault trackability and mini- mize the test cost, is proposed through inherent testability analysis results, and an adaptive simulated annealing genetic algorithm （ASAGA） is introduced to solve the TSO problem. Finally, a case of a centrifugal pump system is used to verify the feasibility and effectiveness of the proposed models and methods. The results show that the proposed technology is important for PHM systems to select and optimize the test set in order to improve their performance level.     

考虑多重不确定性的托管药房物流调度优化

为有效控制药房托管的药品物流运营成本,本文首先结合时空网络架构,将托管药房的药品物流调度过程描绘成一种多层时空网络,继而将研究问题构建为优化领域中的多重货物网络流问题.在此基础上,综合考虑药品物流调度过程中的需求不确定性、配送服务时间不确定性以及药品供应成本的可变性,建立基于药房托管模式的药品物流调度随机优化模型并设计具有挑选规则的混合遗传算法进行求解.参数测试表明,当挑选判断系数设为0.6时,求解算法可以收敛到比较理想的解;算例分析表明,本文所设计的随机优化模型在各决策回合的解与完全信息模型解之间的逼近程度不一,但总误差仅为0.56%;敏感性分析则发现药房最低安全库设置存在一个最优均衡点.