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.     

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。     

多状态系统故障树的一种生成方法

介绍一种多状态系统故障树生成方法．首先对传统的可靠性框图方法加以改进,提出一种新的框图分析方法．然后在可靠性框图分析的基础上,依据判定表,自动生成故障树．本方法适合多状态系统可靠性分析     

模拟与实装雷达混合仿真时空偏差控制

对模拟与实装雷达混合仿真中的时空偏差产生原因进行了深入分析,并针对时空偏差成因及应用对时空偏差控制的要求,分析了代理虚拟目标生成需解决的技术问题;提出了一种基于有限点记忆滤波的代理虚拟目标生成方法;从理论上证明了该方法能够满足对时空偏差量化控制的要求,测试结果表明该方法可明显消减测量误差对时空偏差的影响,是一种高效实用的时空偏差控制技术.     

基于深度强化学习算法的无人机智能规避决策

为提升无人机在复杂空战场景中的存活率,基于公开无人机空战博弈仿真平台,使用强化学习方法生成机动策略,以深度双Q网络(double deep Q-network, DDQN)和深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法为基础,提出单元状态序列(unit state sequence, USS),并采用门控循环单元(gated recurrent unit, GRU)融合USS中的态势特征,增加复杂空战场景下的状态特征识别能力和算法收敛能力。实验结果表明,智能体在面对采用标准比例导引算法的导弹攻击时,取得了98%的规避导弹存活率,使无人机在多发导弹同时攻击的复杂场景中,也能够取得88%的存活率,对比传统的简单机动模式,无人机的存活率大幅提高。     

基于状态观测器的特征结构配置问题

本文讨论带状态观测器的控制系统的特征结构配置问题。由于此时整个系统因含有不能控部分而不能进行特征结构配置,我们转而通过对A+BK,A-GC两个子块的特征结构配置而使整个系统具有一定的特征结构。     

维修性评定

对维修时间服从指数、正态、对数正态分布的情况,本文给出了评定维修性、MTTR、最大维修时间、中位维修时间的置信上(下)限方法。     

基于强跟踪滤波器估计的最优融合方法

在分布式雷达数据处理模式中 ,数据融合是获得较精确的目标轨迹的主要环节。为克服卡尔曼滤波器对初始值敏感、鲁棒性差和对机动目标跟踪性能差的缺陷 ,通过利用各传感器的观测数据 ,采用强跟踪滤波器对目标进行跟踪 ,以改善目标状态估计的精度。对判定源于同一目标的状态估计值 ,给出了一种估计状态线进行性组合的最优融合准则。得出了实际数据的实验结果。     

区间系统状态反馈控制的完整性设计

研究了一类不确定区间系统具有完整性的状态反馈控制设计问题 ,其中不确定性描述为系统状态矩阵的各个元素在一些确定的区间内变化。在给出区间系统的一种等价描述后 ,利用Lyapunov稳定性理论 ,导出了闭环区间系统具有完整性的充分条件 ,给出了相应的状态反馈控制器设计方法及具体设计步骤。最后通过数值算例说明了所提设计方法的有效性。