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.     

采用残差网络与卷积注意力机制的设备剩余使用寿命预测方法

针对以往剩余使用寿命(RUL)预测方法均等对待深层特征中具有不同重要性的空间域和通道域特征,导致大量的计算资源浪费在不重要的特征上,进而造成RUL预测值偏差过大、不能对失效设备进行及时的维护以避免潜在的安全隐患的问题,提出一种采用残差网络与卷积注意力机制的端到端的RUL预测方法。该方法以卷积层和池化层对原始监测信号进行浅层特征提取与压缩;利用堆叠残差模块在学习深层特征的同时,缓解梯度弥散以及网络退化现象的发生;由卷积注意力模块对设备的深层退化特征进行加权赋值,分别在其空间维度上和通道维度上强化更重要的特征并抑制相对不重要的特征,使网络的注意力集中在对RUL预测任务更关键的信息上;将加权后的特征输入到全连接网络中映射得到RUL预测值。通过PHM2012轴承数据集进行了实验验证,实验结果表明,卷积注意力和残差结构皆对改善模型的预测性能有着积极的作用,所提方法在测试轴承上的均方根误差和平均绝对误差分别为0.107 9和0.083 1,远低于其他对比方法。     

基于SPA及PSO的超视距空战态势评估

在超视距空战中获取的原始数据信息常常并不精确且包含不完备信息,而且现有方法不能反映战机机动对态势的影响,造成决策结果的可信度不高,对此提出基于区间集对分析（set pair analysis, SPA）的超视距空战态势评估方法。利用证据理论验证集对分析处理区间数多属性决策问题的可行性;将战机机动融入态势评估函数,选取在一定时间敌我机动前后的战场态势构成区间数决策矩阵;利用集对分析理论把区间值转化成联系数进行评估,并用粒子群（particle swarm optimization, PSO）算法对态势要素权重进行寻优。经验证,该方法在一定程度上提高了态势评估的真实性。