捷联惯性测量组合综合评估方法研究

简要论述了捷联惯性测量组合评估系统在小样本下的性能评估方法,给出了小样本下正态性分布结构和采用随机加权的评估算法。采用此评估方法可以实现对惯组的综合性能的分析与评估,对落点偏差的分析预测,从而实现对射前优选惯组的辅助决策。     

广义Weibull分布参数的收缩估计

在右删失样本下,研究了双参数广义Weibull分布参数的极大似然估计。针 对在小样本或高度删失样本下参数估计效果差的问题,引入了收缩估计方法,将先验信息与 样本信息相结合,用于改善参数估计。分别在单参数和双参数含有先验信息两种情形下,给 出了分布参数的收缩估计。以定数截尾样本为例,利用Monte\|Carlo方法对收缩估计与极 大似然估计进行了比较,模拟结果表明在一定的条件下,收缩估计具有更优的统计性质。数 值算例表明,在小样本或高度截尾样本下,双参数广义Weibull分布参数的收缩估计具有较 好的效果。
     

三维射击精度的Bayes参数自助评估方法

Bayes方法是解决小样本评估问题的有效途径之一。提出了一个即充分利用验前信息     

小样本下正态分布可靠度评估方法

工程计算中，经常用样本特征量代替母体参数来估计产品的可靠度．本文用模拟的方法说明了当样本量较小时，这样评估的结果并不可信。并通过分析相关统计量的分布．给出了小样本情形下，高精度的可靠度评估方法。     

武器系统小样本场合下的区间估计

介绍了区间估计的一般方法 ,针对武器系统试验次数少的特点 ,讨论了小样本条件下武器系统战术技术性能指标的置信区间估计的估计方法 ,并以示例进行了说明     

模糊理论在质量工程中的应用探讨

在质量管理过程中，经常遇到原始数据的信息不充分即小样本情况，这时若还应用概率统计方法对数据进行分析处理，则往往不容易得到正确的结果。但是在研究所的试制和小批量生产中，遇到的一般都是小样本的情况。     

基于Bootstrap方法的火工品双边可靠性评估

为了提高火工品的双边可靠性评估精度,本文研究了火工品双边可靠性模型，给出了基于Bootstrap的火工品双边可靠性小样本评估方法，并在该方法中对刻度参数进行了修正。模拟计算结果表明，该方法具有较高的精度，能够满足火工品双边可靠性评估要求。最后通过与经典方法的比较，同时以某针刺雷管为例进行了大小样本对比验证，证明了该方法的适用性和可行性。     

基于Dirichlet先验分布的加速寿命试验的Bayes分析

竞争失效场合加速寿命试验统计分析问题正在成为研究的热点,但目前的方法主要采用极大似然估计（MLE）,在小样本情形下统计精度不高。针对这一问题,以Dirichlet分布综合产品的各类可靠性先验信息,并充分考虑了试验数据的非完整性,建立了基于Dirichlet先验分布的Bayes分析方法。最后通过Monte Carlo仿真和应用算例验证方法的有效性。结果表明,由于综合了有用的先验信息,从而扩大了统计信息量,因此在小样本情形下本文方法比极大似然估计方法具有更加优良的估计性质。     

基于Bootstrap方法的捷联惯组历次测试数据验前分布研究

针对捷联惯性测量组合（捷联惯组）历次测试数据小样本的特点，在总体分布参数形式未知的情况下，根据已有的先验信息，提出了通过Bootstrap重采样技术，获得捷联惯组历次测试数据总体参数的验前分布。结合当前样本信息，给出捷联惯组历次测试数据的验后分布。将统计推断建立在验后分布基础之上，可以减小小样本情况下的统计分析误差。     

基于小样本数据的惯性平台系统贮存可靠度的预测方法

针对小样本的惯性平台系统贮存可靠性问题,开展了系统的方法研究。首先,分析了惯性平台系统定检数据的特点;其次,引入最小二乘支持向量机的预测方法对惯性平台系统贮存可靠度进行预测。数值计算结果表明,与多项式回归预测方法和灰色预测方法相比较,预测结果更加科学、准确。     

航天轴承摩擦力矩的最大熵概率分布与bootstraP推断

滚动轴承摩擦力矩具有不确定的波动和趋势变化,属于概率分布与趋势规律都未知的乏信息系统。这是一个重要问题,它阻碍了对轴承摩擦力矩的小样本分析与总体把握。为了解决这个问题,根据最大熵原理,从小样本入手建立航天轴承摩擦力矩的概率密度函数。以此为基础,在讨论了摩擦力矩的时域特征与概率分布特征后,用bootstrap对摩擦力矩总体的分布参数进行统计推断。试验研究表明,推断结果和试验结果之间的误差很小,满足工程要求。因此,用小样本可以描述航天轴承摩擦力矩总体的统计特征。     

液体火箭发动机环境因子的修正逆矩估计

对文献 [1]提出的适用于大样本失效数据的逆矩估计法进行修正 ,针对液体火箭发动机飞行及地面试车数据的特点 ,提出了其天地环境因子的修正逆矩估计方法。与现有方法相比 ,本文提出的方法更加适用于小样本失效数据情形下环境因子问题的研究。最后用数值例说明了该方法的应用     

一种小样本和小失效数系统可靠性分析方法

根据小样本和小失效数系统的特点，以及可靠性分布函数和参数估计的不确定性和模糊性，提出了一种可靠性分析方法。采用指数分布族，通过分析最少和最大失效数两种最极端状态，确定中间状态的备选点，运用最小平方差原理进行逐个筛选，并给出了算法流程。分析结果表明，计算值与实际观测值较为吻合。该方法可使系统可靠性的估计精度有较大提高。     

多分类SVDD混叠域识别新方法与故障诊断应用

针对支持向量数据描述(SVDD)多分类方法中混叠域样本识别精度差的问题,提出了一种提高精度的K近邻隶属度估计算法.首先提取训练样本中的两类混叠样本并在混叠域分别搜寻测试样本的K个近邻,然后通过估计待测样本到K近邻样本中心欧式距离的方法计算样本隶属度,最后通过比较隶属度大小实现样本识别.仿真和UCI数据及模拟电路故障诊断应用验证了算法较传统方法更为有效,尤其适用于不平衡数据的识别.     

一种基于序贯最小优化改进的支持向量机空间有形小目标识别方法

提出了一种基于序贯最小优化改进的支持向量机空间有形小目标识别方法。首先陈述了空间有形目标识别的意义并分析了其特点,进而提出了一种基于预分类的两级分类识别策略。在此基础上重点针对空间有形小目标识别所具有的小样本学习问题的本质和特点,采用基于序贯最小优化(Sequential Minimal Optimization :SMO)改进的支持向量机解决训练问题,从而提高了训练的效率和精度。最后,通过10类空间有形小目标共1360个成像尺度不大于30×30像素的仿真样本进行仿真检验,结果表明本文所提出的识别方法的正确率达到了98%(训练样本数454,测试样本数906),完全可以满足实际应用需要,而且具有良好的实时性。     

基于聚类分析和灰色模型的固体火箭发动机价格模型

通过对定性影响固体火箭发动机的单价因素进行修正,进行了相关分析和聚类分析,并提取了少量且有代表性的变量作为其价格模型的参数,通过建立灰色模型作为发动机价格的预测。实践表明,这种方法具有较高精度,平均残差百分比绝对值为1.61%,适合小样本单价的建立。     

基于最小二乘支持向量机的小样本建模方法研究

针对捷联惯组历次测试数据小样本建模问题,提出了通过二次修正插值方法解决测试数据的非等间隔性和样本容量小的问题。并通过相空间重构的思想将一维时间序列多维化。最后通过最小二乘支持向量机建立预测模型。实例分析表明,建立在二次修正插值基础之上的最小二乘支持向量机时间序列模型具有较高的预测精度,能够很好地满足对惯组测试数据分析的要求。     

基于组合赋权VIKOR法的装备故障样本分配方法

针对目前装备维修性验证试验中故障样本分配考虑因素不全面,分配结果不合理的问题,提出了一种基于组合赋权VIKOR法的装备故障样本分配方法。在综合考虑多个主要影响因素的基础上,建立了故障样本分配影响因素体系,采用AHP-变异系数法确定了各影响因素的主客观组合权重,构建了基于组合赋权VIKOR法的装备故障样本分配模型,并结合某型装甲车辆维修性验证试验,实现了装甲车辆加温器故障样本分配。结果表明:相比基于故障率的故障样本分配方法,所提方法分配结果更加合理。     

小样本验证高可靠度的两类方法辨析

针对小样本验证高可靠度的需求,一方面就当前较为流行的信息熵方法的应用进行了研究和思考;另一方面对典型"强度—应力"模型的性能可靠性评价方法进行了深入挖掘;进而对两类方法的共同点进行了简要归纳,认为:虽然二者的主要结果具有一定的一致性,但后者具有更好的拓展性,推导过程较为严密,与工程中的物理量联系更为紧密;此外还提出了一些观点供参考。     

冗余惯性导航系统信息一致性判断方法

针对冗余惯性导航信息识别问题,提出一种基于Siamese网络的导航信息一致性判断方法。采用一段时间内的惯导数据变化趋势,模拟人脑对数据信息一致性的判断。首先建立惯组测量模型,获得不同状态的惯组测量数据,导航解算等处理后得到一段时间内7类21维的数据信息构造样本对。然后通过设计Siamese网络结构,采用卷积神经网络提取样本对特征向量进行网络训练。最后进行实验仿真验证。结果表明,本文采用552对小样本数据进行训练的结果,在与训练样本存在差异的497对测试样本上达到了98.19%的准确度,说明网络具有一定的泛化能力。神经网络训练结果稳定,在测试集上的准确度高。为冗余惯性导航系统信息一致性判断提供了新思路。