液体火箭发动机环境因子的Bayes估计

基于液体火箭发动机的寿命服从威布尔分布的条件,假定天地试验环境下威布尔分布的形状参数不变,运用Bayes方法对weibull分布天地实验条件下的环境因子进行分析,给出了环境因子在平方损失下的Bayes估计,并与极大似然估计法进行比较,通过仿真实例验证了该方法的有效性。     

无失效数据下液体火箭发动机可靠性多层Bayes估计

针对液体火箭发动机热试车过程中可能出现的无失效情况,在对寿命分布进行分析的基础上,确定了失效概率的多层先验分布,并给出了其Bayes估计。然后用最小二乘法给出寿命分布的参数估计,进而得到可靠度估计。最后通过随机模拟,讨论了文中c值的选取问题,证明了方法的可行性。     

基于屏蔽数据的航空电源系统可靠性分析

当航空电源系统具有屏蔽寿命数据时,研究逆Weibull型部件可靠性的估计问题.利用Bayes方法和极大似然方法,给出了逆Weibull型部件可靠性的Bayes估计和极大似然估计.利用随机模拟方法对两种估计的结果进行了比较.     

可靠性仿真方法在某系统应用中的比较

对某固体火箭发动机系统，用三种可靠性仿真方法：直接仿真方法、期望估计技巧以及拟仿真方法，分别进行了系统可靠性仿真运算。给出了相对应的算法，运行按算法编写的Ｃ 语言程序，得出各种仿真方法的仿真结果并进行了分析。然后对仿真结果的误差进行分析，从误差、时间及算法复杂性几个方面进行了比较，从而挑选出符合该发动机系统可靠性仿真要求的仿真方法。     

固体火箭发动机加延时间试验的可靠性增长Bayes分析

针对含有加延时间试验的固体火箭发动机研制过程,将Mazzuchi-Soyer可靠性增长模型用于此类研制试验的可靠性分析,扩展了模型应用范围。首先,采用威布尔分布描述发动机可靠性随试车时间变化,经过一定的数学变换后,采用Mazzuchi-Soyer可靠性增长模型融合了先验信息和各阶段试验信息,给出了研制试验结束时产品可靠性的联合后验分布;然后,利用Gibbs抽样算法解决了后验推断计算问题,最终得到了各阶段产品可靠性的Bayes点估计和区间估计;最后,给出了产品可靠性增长分析实例,表明了模型的优越性。     

基于神经网络和证据理论的火箭发动机故障诊断

针对运载火箭动力系统故障的复杂特性和故障模式的不确定性,提出了基于神经网络和证据理论的火箭发动机故障诊断。首先以火箭视加速度和角速度作为网络输入,故障类型矩阵作为网络输出,通过BP神经网络和RBF(径向基函数)神经网络进行故障诊断;之后通过D-S证据理论融合神经网络结果;最后通过滚动时域估计方法对火箭飞行状态特征量估计。仿真结果表明诊断准确率达到99%以上,表明提出的方法对于火箭发动机故障诊断具有较高的准确性和实用性。     

固体火箭发动机性能可靠性评估的Bayes方法

在研制阶段试验信息以及积累以往试验信息的基础上，运用Bayes方法，建立了固体火箭发动机性能可靠性仿真模型，给出了仿真模型可信性检验的最大熵谱方法；将仿真信息作为验前信息，结合现场试验信息确定了性能可靠性的近似分布，并给出了性能可靠性的点估计和置信下限估计。     

基于狄氏先验分布的固体火箭发动机可靠性增长Bayes分析

针对固体火箭发动机研制存在历史信息和专家信息的特点,提出了一种可靠性增长分析的Bayes模型。以狄氏分布作为先验分布,给出了先验分布参数的确定方法。综合利用了先验信息和每一阶段现场试验信息,推导了各阶段可靠性的后验边际分布。给出了当前阶段和后续阶段产品可靠性的Bayes点估计和置信下限,分析了各阶段试验结果对最终产品可靠性估计的影响。最后给出了一个实例,验证了该模型的有效性。     

预测分布与可靠性估计

对各种常见的失效分布，给出了它们的Bayes预测分布，据此给出了这些失效分布的可靠性Bayes估计。     

基于离散AMSAA模型的固体火箭发动机可靠性增长分析

描述了离散AMSAA模型与Duane学习曲线特性的关系,给出了该模型的使用方法,包括可靠性增长趋势检验、模型参数的极大似然估计和拟合优度检验方法等。利用进化算法对似然函数求极值,解决了复杂多峰似然函数的求极值问题。在此基础上得到最终研制阶段可靠性点估计和可靠性置信下限。最后,给出了固体火箭发动机可靠性增长分析实例,并与经典评估方法进行了比较,说明了该模型的优越性。     

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。
     

连续波雷达目标回波信号参数估计的克拉美-罗界

现代雷达、导航和通信系统几乎无一例外地采用了先进的信号处理技术 [1～ 3 ] 。目前 ,最大似然估计 (ML E)方法是获得雷达目标回波信号参数估计的常用方法。它给出信号参数的无偏渐近有效估计。克拉美 -罗 (CR)界是由样本数据的联合概率密度函数导出的无偏估计量的性能界 ,它可以作为所有参数估计方法的比较标准。任何雷达关于信号参数的测量精度都不可能优于 CR界。文中给出了雷达目标回波信号参数的 CR界的详细而严格的推导过程 ,得出的 CR界公式非常简洁 ,易于计算。实验结果证明了该理论公式正确     

一种多尺度稀疏极化敏感阵列及其DOA估计方法

针对单个电磁矢量传感器(SS-EMVS)的孔径受限和传统稀疏阵列无法提供目标极化信息的问题,结合分离式电磁矢量传感器和稀疏阵列,提出了一种由SS-EMVS组成的多尺度稀疏极化敏感阵列。该阵列的阵列单元为1个完整的分离式电磁矢量传感器,沿y轴分布,整个阵列按阵元间距分为2个均匀子阵,而且这2个阵元间距都可以大于入射信号的半波长,从而构造一个多尺度稀疏极化敏感阵列以得到目标波达方向(DOA)的高精度估计值。该阵列结合了SS-EMVS可降低阵元互耦和稀疏阵列可扩大阵列孔径的优点,提高了目标DOA估计精度的同时降低了阵元互耦,并且对噪声也具备较好的鲁棒性。而在算法上,首先利用矢量叉积算法得到目标方向余弦的低精度无模糊估计值;其次根据2个子阵的空域旋转不变性得到目标方向余弦的高精度模糊估计值,针对这些方向余弦的估计值提出了一种多尺度解模糊算法,可得到目标方向余弦的高精度无模糊估计值;最后经过运算得到目标的高精度DOA的估计结果。仿真结果证明了所提阵列和算法的有效性。该阵列可应用于某些空间受限的实际应用场合中,如安装在飞行器上的传感器阵列,从而发挥电磁矢量传感器的单天线多分量的特点,也可以与MIMO雷达进行结合,借助极化信息提高雷达系统的检测性能和目标二维DOA的估计精度。     

基于贝叶斯估计的特征事件判别方法研究

针对利用遥测指令参数进行特征事件自动判别时,现有方法忽略了数据源之间相互印证的条件,仅依据测量值相同来判别特征事件的发生时间,存在一定的误判概率,提出了一种基于贝叶斯估计的特征事件判别方法。方法不仅利用了当前数据源的测量值,同时还兼顾特征事件固有的先验分布信息,能够有效提高自动判别的准确率。首先,通过对特征事件数据源的内涵进行分析,得出了不同数据源相互印证的条件;其次,通过对历史数据进行统计分析,建立了特征事件发生时间的正态分布概率模型,并以此为基础提出了基于贝叶斯最大后验估计算法,设计了完整的特征事件判别方法;最后,通过工程数据的仿真计算和结果分析,验证了方法在特征事件判别中的实用性和有效性。     

基于稀疏重构的L型阵列的二维波达方向估计

在L型阵列下,基于稀疏重构提出一种可实现自动角度配对的二维波达方向估计方法。首先,根据两均匀线阵接收数据的互相关矩阵构建二维稀疏线性模型;然后,通过数学变换将该二维模型转换为联合稀疏重构模型之内,通过联合稀疏重构算法分别单独获得信源方位角和俯仰角的粗略估计,并将此信息融入二维稀疏线性模型,大大减少了模型中原子个数,达到降低计算复杂度的目的;其次,从理论上分析了新方法可分辨的信源个数和计算复杂度;最后,通过一系列计算机仿真将新方法与其它子空间类二维波达方位估计方法进行比较,表明了新方法在估计精度上的优越性。     

旋转非合作目标相对状态的解耦估计方法

针对在轨旋转非合作目标相对状态估计中关于几何结构及惯量参数先验信息未知的问题,提出一种以双目相机对目标特征点的投影作为测量值的解耦估计方法,实现旋转非合作目标相对状态的估计。首先,建立非合目标的动力学模型和目标特征点的运动模型;其次,为避免由目标特征点与目标质心相对位置不确定引起滤波性能降低的问题,建立相对特征的运动模型及投影模型,对旋转运动和平移运动进行解耦;最后,设计相应的滤波器对非合作目标的相对状态进行估计。仿真结果表明,提出的解耦估计方法能够有效地估计出非合作目标的相对状态。