基于模糊集的故障检测方法

针对limit checking故障检测方法的缺点,提出了一种基于模糊集的故障检测方法。该方法基于传感器测量值的不确定性和门限值具有模糊的客观属性,在检测值所有可能值的论域上划分模糊子集,将检测值偏离门限值的程度用隶属函数与模糊子集报警权重表示。考虑到时间因素对检测结果的影响,提出采用时间窗函数的方法计算时间窗内的报警权值之和作为模糊检测决策依据。仿真结果表明,基于模糊集的故障检测方法相比于持续性计数(Persistence Counter)方法具有更好的检测性能。     

基于飞行体间精确测距的动态相对定位方法

飞行体间的精确相对定位是实现飞行体协同工作的重要技术基础。提出了一种将飞行体惯导信息与相对距离测量信息相结合、实现两飞行体间精确动态相对定位的算法。首先利用较为精确的相对距离测量信息对两飞行体惯导系统的相对误差进行单次修正,提高了两飞行体间的单次相对定位精度。然后,利用相对距离信息进行相对机动状态的检测,并根据检测结果对状态滤波模型进行选择和切换,实现飞行体间的动态相对定位。仿真结果表明,本算法具有较高的相对定位精度和稳定性。     

Uniform optimal-order estimates for finite element methods for advection-diffusion equations

This article summarizes our recent work on uniform error estimates for various finite element methods for time-dependent advection-diffusion equations.     

一种变阶数自适应滤波算法

通过对回声抵消的实际应用环境进行分析,提出一种新的动态改变自适应滤波器阶数的算法。该算法在权系数的长度与失调误差信号之间建立一种非线性函数关系,具有在环境突变阶段,保持较高的滤波器阶数,而在稳态阶段自动减少阶数的特点,可以极大地降低自适应滤波器算法的运算量。理论分析和计算机仿真结果表明,该算法具有良好的收敛性能和跟踪性能,稳态误差的水平与传统算法保持一致。     

带落角约束的再入机动弹头的变结构导引律

针对再入机动弹头垂直打击目标的要求,研究了具有末端落角约束的变结构导引律.该导引律包括俯冲平面内的制导方程和转弯平面内的制导方程,通过采用准滑动模态控制削弱抖振的影响.通过数学仿真,分析了四个制导参数对制导效果的影响,探讨了利用遗传算法离线优化制导参数的可行性,检验了最优制导参数的制导效果对不同初始状态偏差的敏感性.仿真结果表明,与最优导引律相比,变结构导引律具有较强的鲁棒性,在干扰影响下仍能保持较高的制导精度.     

满足使命需求的武器装备系统组合方案搜索算法

武器装备系统组合是武器装备体系构建的基础。武器装备体系需求建模与仿真的一项基础工作是获得满足使命需求的可行武器装备系统组合方案,从而为武器装备体系需求模型构建提供基础数据支持。本文针对使命需求到装备系统之间的三层映射关系,利用改进的向量运算提出了一种满足武器装备体系需求建模与仿真的需要的装备系统组合方案搜索算法,通过实验证明算法具有便于编程实现、实用性强、可靠性高的特点。     

基于DPSO最小碰集算法的掩盖故障识别

针对可测性分析中掩盖故障识别的难点,提出一种掩盖故障存在性的判定及计算其冲突集方法;并将离散粒子群算法(discrete binary particle swarm optimization,DPSO)用于求解冲突集的最小碰集,实现掩盖故障最小碰集的求解;为克服DPSO易陷入局部最优的缺点,还比较了惯性权重对DPSO算法性能的影响。实例验证表明:与求解掩盖故障的其他方法相比,惯性权重线性变化的DPSO算法不仅提高了算法效率,而且避免了其他算法求解时容易出现"计算爆炸"的问题,尤其适合于识别大型复杂系统的掩盖故障。     

UWB通信系统中的窄带干扰检测算法研究

针对改进的多带并发UWB通信系统的干扰检测算法和干扰抑制性能进行了分析.鉴于传统多带UWB调制方案的不足,对改进的多带并发UWB通信系统进行了数学分析和描述.在此基础上,提出了一种新的低采样率的共存干扰检测算法——并发子带干扰检测算法,并对该算法进行了数学分析和系统仿真.分析和仿真结果表明,该算法可在信号帧速率的采样量级上,完成对共存窄带干扰的有效检测,并与多带并发UWB系统的干扰抑制处理相结合,可对共存干扰进行有效抑制,明显改善共存UWB系统的误码率性能.     

基于BFM算法的空间有形目标识别方法

为了对具有复杂边缘的目标进行更准确的检测识别,提出了一种基于边界片段模板(boundary frag-ment model)训练模式的目标识别方法.方法首先提取目标的边界片段组成弱分类器,然后使用AdaBoost算法将它们提升训练成为强分类器,并用其进行检测和识别目标.仿真实验表明,该方法对有形目标,特别是对具有复杂边缘的空间有形目标有较好的识别效果.     

基于主元分析及粗糙集的多变量决策树构造方法

为解决故障诊断中单一方法难于处理大规模、多变量数据信息的问题,提出了一种利用主元分析方法和粗糙集理论相结合的多变量决策树构造方法.该方法利用主元分析对历史数据进行降维、去噪处理,得到由主元变量组成的决策信息.通过粗糙集理论中核属性和相对泛化的概念对此决策信息进行属性选择和样本集划分,构造出多变量决策树,并建立诊断规则知识库.基于汽轮机发电机组的轴系振动故障分析的实例验证了此方法的正确性,与其他方法相比较具有规模小、诊断规则易于提取的特点.