基于桶消元的数控机床故障模糊贝叶斯网络推理方法

用模糊数描述节点的多种故障状态,用模糊子集描述根节点的故障概率,用贝叶斯网络的条件概率表描述节点间的不确定关系,构建数控机床故障的模糊贝叶斯网络;采用桶消元算法,对数控机床故障的模糊贝叶斯网络进行推理和计算,获得根节点的后验概率,为数控机床故障诊断与分析提供依据;最后,以数控机床刀架系统故障的贝叶斯网络推理过程为例,验证所提理论和方法的有效性。     

基于改进证据网络的空战动态态势估计方法

针对无人机空战态势估计既需要综合考虑多类型因素影响,又需要具有不确定性推理能力的特点,建立了一种基于改进证据网络的动态态势估计模型并设计了威胁等级评估推理方法。首先,考虑空战决策时间较短的特点,提出变量框架等级缩减方法以提高网络运行效率;然后,针对空战态势信息具有大不确定性的特点增加冲突数据自适应融合算法以及网络证据的时间序列预测,提高证据的合理性;最后,引入时空融合思想和变权机制将前一时刻的威胁信息作为评判后一时刻威胁的重要标准,应用威胁在时间维度上的递归合成增加信息在时间方向的传递,改善了由于证据失真引起的评估结果的不合理性问题,并通过仿真验证了该方法的有效性。     

一种基于修正Hough变换的航迹起始算法

为了在重杂波区内检测出运动的目标,提出了一种修正的Hough变换算法用于初始航迹的建立。与传统的算法相比,修正算法充分利用目标的运动学信息,选取了更为合适的变换参量,仅利用较少拍数的量测就可以完成起始,能够在检测概率较高的环境下具有良好的起始性能。计算机仿真结果表明,算法能够克服传统算法的多拍扫描,大大缩短实际的计算量和起始时间,实现对航迹起始的在线改进。     

基于改进BP神经网络的导弹攻击区计算

针对传统导弹攻击区计算方法和BP神经网络算法的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的导弹攻击区模型。该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性。仿真结果表明,与传统导弹攻击区计算方法和BP神经网络相比,动态变结构BP神经网络具有更好的计算能力和收敛速度,可以快速、准确地完成导弹攻击区计算。     

基于贝叶斯网络的机场过站时间分析

航班延误是目前航空运输业发展所面临的一大难题。从航班延误链式波及反应的角度出发,将贝叶斯推理应用于航班过站时间的分析,分别建立实际航班数据的单机场和多机场过站时间贝叶斯网络模型。模型清晰呈现了机型类型、前航延误时间等因素对机场过站时间的影响以及首发延误等级、经停机场过站时间调整量等因素对末班延误的影响。通过从多角度对模型进行分析,结果表明发生前航延误时调整航班在机场的过站时间可以有效减少延误向下游机场的波及。     

机载超轻量化卷积神经网络加速器设计

卷积神经网络庞大的权重参数和复杂的网络层结构,使其计算复杂度过高,所需的计算资源和存储资源也随着网络层数的增加而快速增长,难以在资源和功耗有严苛要求的机载嵌入式计算系统中部署,制约了机载嵌入式计算系统朝着高智能化发展。针对资源受限的机载嵌入式计算系统对超轻量化智能计算的需求,提出一套全流程的卷积神经网络模型优化加速方法,在对算法模型进行超轻量化处理后,通过组合加速算子搭建卷积神经网络加速器,并基于FPGA开展网络模型推理过程的功能验证。结果证明：本文搭建的加速器能够显著降低硬件资源占用率,获得良好的算法加速比,对机载嵌入式智能计算系统设计具有重要意义。     

一种基于指数损失函数的多类分类AdaBoost算法及其应用

 提出一种新的多类分类AdaBoost算法——使用多类分类指数损失函数的前向逐步叠加模型FSAMME（forward stagewise additive modeling using a multi class exponential loss function）。该算法是基于原始的两类分类AdaBoost算法归结为使用两类分类指数损失函数的前向逐步叠加模型的统计学观点,将两类分类的前向逐步叠加模型自然扩展到多类分类情况下得到的,并采用多类指数损失函数和前向逐步叠加模型对FSAMME进行了详细的理论证明。该算法大大降低对弱分类器的精度要求,只需每个弱分类器的精度比随机猜测好;算法简单明了,不用把多类问题转化为多个两类问题,而是直接求解多类分类问题,大大减小计算复杂度和计算量。通过对基准数据库的测试分类及航空发动机故障样本的诊断,结果表明:FSAMME算法一方面可达到较高的分类诊断准确率,其准确率明显高于AdaBoost.M1,略高于AdaBoost.MH;另一方面可大大减小计算成本,满足在线快速分类诊断的要求。     

柔片式密封泄漏流动的数值仿真分析

针对柔片式密封的流场和密封性能及其影响因素进行研究,建立了密封区域流体动力学计算模型,对密封间隙内流场的速度、压力分布和泄漏量进行了计算,分析了工况和结构参数对泄漏量的影响趋势.分析表明:密封泄漏量随密封压差的增大呈线性增长趋势,而随转子转速的增加变化不大;柔片宽度由3mm增加至7mm,系统泄漏量降低了40%左右,而柔片长度由12mm增加至16mm,泄漏量仅增加8%左右;前/背板与柔片或转子间间距的增大将使泄漏量上升,且前板与转子间设计间距对泄漏量相对影响较大,随其增加,泄漏量最高可增加16%;柔片末端楔形区域对泄漏量及对转子作用力均产生影响.      

基于多级维纳滤波的双基地MIMO雷达多目标定位方法

为了降低双基地多输入多输出(MIMO)雷达目标定位过程中的计算复杂度,避免进行占主要计算量的协方差矩阵特征值分解或奇异值分解和二维空间谱的峰值搜索,将多级维纳滤波(MSWF)应用于双基地MIMO雷达多目标定位的研究中。利用MSWF的前向递推原理,得到信号子空间;然后利用ESPRIT算法估计发射角(DOD)和接收角(DOA),且DOD和DOA自动配对,实现了多目标交叉定位。分析了本文算法和ESPRIT算法的计算复杂度,并通过仿真实验及性能分析验证本文算法的有效性。理论分析和实验结果表明:本文算法在保证二维方位角估计性能的基础上,显著地降低了计算复杂度,缩短了运算时间,更加符合MIMO雷达信号实时处理的要求。     

四元数最小均方误差算法及其在波束形成中的应用

 作为多维信号处理的一个重要工具,四元数代数已在各个领域有所应用。对四元数最小均方误差(QMMSE)算法进行了研究,首先推导了四元数实数形式的最小均方误差(QRMMSE)算法,进一步推导了四元数复数形式的最小均方误差(QCMMSE)算法,并且分析了两种算法的区别和计算量。最后将QMMSE算法应用到机载简化矢量传感器阵列的波束形成中,与复数长矢量最小均方误差(LVMMSE)算法相比较,QCMMSE算法的性能有所提高,计算量有所减少。计算机仿真结果验证了所提算法的有效性。     

Almost instant time inference for hybrid partially dynamic Bayesian networks

A Bayesian network (BN) is a compact representation for probabilistic models and inference. They have been used successfully for many military and civilian applications. It is well known that, in general, the inference algorithms to compute the exact a posterior probability of a target node given observed evidence are either computationally infeasible for dense networks or impossible for general hybrid networks. In those cases, one either computes the approximate results using stochastic simulation methods or approximates the model using discretization or a Gaussian mixture model before applying an exact inference algorithm. This paper combines the concept of simulation and model approximation to propose an efficient algorithm for those cases. The main contribution here is a unified treatment of arbitrary (nonlinear non-Gaussian) hybrid (discrete and continuous) BN inference having both computation and accuracy scalability. The key idea is to precompile the high-dimensional hybrid distribution using a hypercube representation and apply it for both static and dynamic BN inference. Since the inference process essentially becomes a combination of table look-up and some simple operations, the method is shown to be extremely efficient. It can also he scaled to achieve any desirable accuracy given sufficient preprocessing time and memory for the cases where exact inference is not possible     

非平稳随机系统动态贝叶斯结构学习关系网

 针对基于图模型自主控制中环境感知问题，提出了连续变量非平稳系统变结构动态贝叶斯网络(DBN)的结构学习模型;讨论了平稳系统常结构DBN学习模型。以上述结论为基础，提出了模糊自适应尺度法用于非平稳系统变结构DBN结构学习，依据非平稳程度函数rb、调节系数m及区间长度Δt模糊推理出步长系数k和窗口系数b，依据具体框架得到变结构DBN，给出了连续变量非平稳系统变结构DBN学习的模型框架和具体算法。仿真结果表明：提出的结构学习框架是可行的。     

基于优化BP神经网络的开关磁阻电机定子电阻辨识方法

为解决直接转矩控制下的开关磁阻电机低速运行时磁链计算受电阻变化影响比较大的问题,详细观察分析了电阻对于相电流的影响,通过比对电阻可调的电机模型与实际的电机模型的输出电流,提出了一种基于优化BP神经网络的电阻辨识器。优化BP网络数学理论,结构简单,学习算法清晰明白,基于该网络的算法能够对变化的定子电阻进行辨识。将该方法置于Simulink控制系统上进行仿真,同时比较有无电阻辨识器前后仿真波形。试验表明,该电阻辨识方法可以提高开关磁阻电机低速运行时系统性能。     

基于因子图的状态估计方法运算实时性研究CSCD

对因子图算法及其理论基础进行研究,使用消元算法分析了一元观测因子图模型的稀疏结构,得到了一种适用于该模型的增量推断算法;并对固定滞后平滑算法进行了研究,实现了滑窗在该增量推断算法中的应用;最后通过仿真验证了基于因子图的状态估计方法的估计能力、该增量推断算法在求解一元观测因子图模型的状态估计问题时运算速度的提升能力,以及滑窗维持该增量推断算法运算速度稳定的能力。     

基于改进差分进化算法的舰面保障作业优化

舰载机舰面保障作业调度效能是制约航母编队综合作战能力的重要因素。首先,分析了舰面保障作业流程约束和资源约束,以最小化舰面保障作业完工时间为目标函数,建立了舰面保障作业调度优化模型。其次,设计改进差分进化算法用于模型求解,算法采用基于作业开始时间改进的随机键编码方式和并行变异算子结构,以提高算法搜索效率。最后,进行了仿真试验,验证了模型和算法的有效性,并进一步研究了并行变异算子结构对算法 性能的影响。     

在气动弹性约束下结构优化设计的罚函数法

本文运用内罚函数法,使一个在颤振、强度和最小尺度等约束条件下的翼面结构重量取极小值。文中比较了最速下降法、DFP变尺度法和BFGS变尺度法这三种无约束最优化算法;采用了以二次多项式逼近约束函数的二次插值法来进行一维搜索;给出了内罚函数法中所用到的各个收敛准则;指出并讨论了减少计算机运算时间的一些途径。 计算结果表明,对于带有气动弹性约束的较复杂的结构优化设计,罚函数法是一个有效的方法。     

基于遗传算法的发动机控制通道数学模型辨识

由于控制器结构的变化,某型发动机电子调节器主要控制通道的动态响应过程为分段线性数学模型。为了获得精确的数学模型,对基本遗传算法进行了改进,提出了一种基于改进遗传算法的辨识算法,能有效辨识出系统的结构跳变时刻及其分段数学模型参数,仿真结果表明,该算法辨识的模型与实际系统接近,较之其它辨识算法具有计算稳定、辨识精度高和适应性强等优点。     

基于MATLAB的海上目标威胁程度仿真研究

介绍了MATLAB模糊逻辑工具箱的基础知识和基本用法,以及海上目标威胁程度等级计算的基本方法,并在此基础上提出了运用MATLAB模糊逻辑工具箱进行海上目标威胁程度等级的仿真。根据海上目标威胁程度等级计算的基本要求和模糊推理系统的构造方法,确定了系统各变量的隶属度函数,制定了系统的模糊规则。仿真结果表明,运用MATLAB模糊逻辑工具箱进行海上目标威胁程度等级的仿真,建立系统隶属度函数和模糊规则非常快捷、方便,各输入变量对输出变量目标威胁程度等级的影响非常直观。     

基于改进CHC算法的模糊诊断规则优化方法研究

在故障诊断专家系统的自学习中,同时需要学习大量的模糊规则,造成规则优化算法的运行时间过长,难以满足实际的需要。为了解决这个问题,将特征片断优势重组算子引入CHC算法中,并将之应用到规则优化领域。仿真证明,改进的CHC算法在模糊诊断规则优化方面能以比较短的计算时间达到预期的优化效果,明显优于国内其它改进的遗传算法和CHC算法,具有比较大的实用价值。     

基于五阶容积-二阶平滑变结构滤波算法的捷联惯导系统初始对准技术

为了改进捷联惯导系统大方位失准角初始对准情况下的方位失准角对准精度和稳定性问题,提出了一种组合对准方法。该方法将Kalman滤波对准模型与罗经对准模型相结合构建了一种组合对准机制,并在此模型基础上提出了基于非线性滤波和鲁棒滤波的五阶容积-二阶平滑变结构滤波算法,将五阶容积-二阶平滑变结构滤波算法与组合对准机制相结合,从而实现大方位失准角的初始对准。仿真结果表明,五阶容积-二阶平滑变结构滤波对准方法得到的方位失准角对准精度明显优于常见的几种对准方法,且其对准结果的重现性更高。因此,提出的五阶容积-二阶平滑变结构滤波算法能够很好地适用于大方位失准角的初始对准。