基于灰色聚类的磨粒自动识别

 将灰色系统理论中的聚类分析技术用于磨损颗粒的自动识别, 编制了相应的计算机模拟程序。在对磨粒图象的形态特征参数进行敏感性分析的基础上, 确定了各参数的灰类白化权函数, 并结合磨粒识别的试验研究, 给出了磨粒各特征参数的聚类权值。应用此方法对一组标准磨粒进行了模拟识别, 识别正确率在90% 以上, 并且识别速度很快, 大大优于传统的磨粒识别方法。     

机场净空障碍物危险度的白化权聚类评价

为将灰色理论引入机场净空障碍物危险度评价,建立四个评价指标,将障碍物危险度等级划分为五个标准,使用灰色白化权聚类法建立机场净空区障碍物危险度评价模型,包括每个指标的白化权函数和权重确定,在此基础上,机场所有的障碍物及机场整体的危险度等级可确定。以某机场为例对其净空障碍物进行整体评价证明,基于灰色白化权聚类法的机场净空区障碍物危险度评价模型可用于解决民用机场净空区内障碍物危险度定量评价问题。     

适航指令案例安全风险灰色评估与预测模型

基于1996～2019年的适航指令（CAD）数据，以关联分析得出的典型故障构建评价指标。用风险系数确定白化权函数的边界条件，根据偏差最大化原则确定各指标的权重，提出了基于灰色白化权聚类的安全风险评估模型。利用等时间间隔的各指标数据构成灰色预测模型，并通过优化权重值将预测精度提高了2.88%。预测的故障数量与实际发生相符，证明了预测模型的准确性，可依此有针对地提出改进和预防措施，从而减少故障的发生。     

基于绩效的空中交通管制员工作负荷灰类评定

为强化空中交通管制员工作负荷的内涵研究,经统计回归分析得到管制员工作负荷与工作绩效的拟合函数,进而应用灰色统计评估方法建立了基于绩效的管制员工作负荷等级评定模型。实例分析中,将成都地区管制员工作负荷划分为"极高"、"高"、"适中"、"低"4个灰类,建立了各灰类的白化权函数,并针对3个扇区的管制员工作负荷进行了等级评定,结果分别为"极高"、"高"、"适中"。经在管制专家中开展层次分析法进行主观评判,3个扇区的管制员工作负荷权值依次为0.52,0.28,0.20,证明所提方法有效。     

基于灰色聚类分析的航空公司财务综合评价

将灰色系统理论的聚类分析方法应用于财务综合评价体系，根据财务综合评价的影响因素，确定了白化权函数，通过对国内外20家航空公司的财务综合评价，证明了该方法的可行性和使用性。     

灰色关联法在保障性评价中的应用

灰色理论是现代工程领域解决数据不确定性和数据量不足问题的有效方法,该文给出了用灰色理论评价装备保障性的一般方法和步骤,并在传统灰色理论的基础上稍作了改进,从待评方案的各个指标值中选出一组最优值作为理想的参考方案,这样更符合客观实际。通过实例分析,这种方法计算简便,可操作性强,有实际应用价值。     

灰色聚类法在航空装备维修保障能力评估中的应用

通过对航空装备维修保障系统的分析,用灰色聚类法给出了航空装备维修保障能力评估指标体系综合评估模型,并进行了实例分析.     

基于层次聚类法的航空维修方案分析

应用层次聚类法进行了航空维修方案分析,建立了层次聚类分析模型,采用R语言分析软件进行了详细分析。通过分析将多个维修方案聚合为简单有代表性的方案类,从而为方案决策人员提供决策依据。实践证明,该方法原理简单,便于操作,实用性强。     

基于AHP-灰色聚类的飞机客舱内环境工业设计评价

飞机客舱内环境工业设计评价指标的因素较多，且存在不确定性和相对性，仅采用一种评价方法较难达到直观量化的要求。结合AHP（层次分析法）和灰色聚类方法，通过对飞机客舱内环境工业设计因素进行分析，建立层次化评价指标体系，量化出各层指标的权重，采用灰色聚类方法进行聚类，得出优劣值，从而分析设计方案的优劣情况。结果表明，方法在飞机客舱工业设计方案评价中具有适用性。     

模糊聚类灰关联度分析的决策方法

利用模类聚类分析、灰关联度分析的各自优势，将模糊聚类分析与灰关联度分析相结合，探讨一种有效而实用的决策方法－模糊聚类灰关联度分析法。     

基于加速度频响函数小波分解的模型修正方法

为提高模型修正效率，满足修正方法对于实测环境噪声的鲁棒性，将Kriging模型和小波分解引入加速度频响函数模型修正。首先，将加速度频响函数进行小波分解，用得到的第1层幅值较大的小波系数来表征原频响函数。其次，采用拉丁超立方抽样对初选待修正参数进行设计，根据设计结果对各参数进行灵敏度分析，从而确定模型修正的待修正参数，以待修正参数作为Kriging模型输入，所对应的小波系数作为Kriging模型输出，通过混合灰狼算法寻得最优Kriging模型相关系数，建立精确有效的Kriging模型。最后，以目标加速度频响函数小波分解的小波系数与Kriging模型输出的小波系数差值最小为目标，通过水循环算法求解模型待修正参数。数值算例表明，所提模型修正方法具有良好的修正效果，即使在加速度频响函数中加入信噪比为5 dB的高斯白噪声时，修正误差也低于4%，证明了该方法对于随机噪声的鲁棒性。     

战斗机综合作战效能评估的改进灰色关联模型

一机多能、功能复合是战斗机发展的一个重要趋势。为了评估战斗机综合作战效能,首先结合空空和空地作战需求,建立了效能评估指标体系;然后针对传统方法主观性较强的问题,并考虑到作战效能评估的灰色特征,采用较客观的灰色关联法,建立了战斗机综合作战效能评估模型。对于模型分辨系数取0.5不一定能使关联度具有明显区分性的问题,采用关联度的灰熵均衡度函数建模,优化分辨系数取值;而对于模型的等权不合理问题,则通过引入改进的综合权重、构造加权关联度计算式解决;最后,对采用本文模型、传统灰色关联度模型、LM神经网络模型针对6种机型的评估结果进行了对比分析,验证了所建模型的可用性和合理性。     

作战飞机总体设计方案的灰色关联投影评价

给出了作战飞机总体设计方案的评价指标,采用层次分析法赋给每个指标不同的权重,并提出了一种基于灰色关联投影法的作战飞机总体设计方案评价方法。该方法采用灰色关联理论建立各总体设计方案对评价指标集的加权灰色关联判断矩阵,然后利用矢量投影原理计算各设计方案相对理想方案的灰色关联投影值,以灰色关联投影值的大小来评价设计方案的优劣。     

Multi-parameter optimization of machining impeller surface based on the on-machine measuring technique

Selecting the optimal machining parameters for impeller surface is a challenging task in the automatic manufacturing industry, due to its free-form surface and deep-crooked flow channel. Existing experimental methods require lots of machining experiments and off-line tests, which may lead to high machining cost and low efficiency. This paper proposes a novel method of machining parameters optimization for an impeller based on the on-machine measuring technique. The absolute average error and standard deviation of the measured points are used to define the grey relational grade for reconstructing the objective function, and the complex problem of multi-objective optimization is simplified into a problem of single-objective optimization. Then, by comparing the values of the defined grey relational grade in a designed orthogonal experiment, the optimal combination of the machining parameters is obtained. The experiment-solving process of the objective function corresponds to the minimization of the used errors, which is advantageous to reducing the machining error. The proposed method is efficient and low-cost, since it does not require re-clamping the workpiece for off-line tests. Its effectiveness is verified by an on-machine inspection experiment of the impeller blade.     

A suboptimal algorithm for modulation classification

In this paper we present a suboptimal algorithm for modulation classification to classify the general M-ary phase-shifted keying (MPSK) signal buried in additive white Gaussian noise (AWGN). We first derive the phase density functions of MPSK signals, then develop the required statistics for modulation classification and demonstrate a classifier for CW, binary phase-shifted keying (BPSK), quadrature phase-shifted keying (QPSK), and 8PSK. The structure of the proposed classifier is flexible and is easy to expand. The performance of classifier is evaluated in terms of the probability of successful classification. An example (BPSK/QPSK case) is provided to demonstrate the capabilities of the proposed classifier. The performance is evaluated through the theoretical approach and the Monte Carlo computer simulations and is compared with that previously published in 1992. It is shown that the performance of the proposed classifier is better. Further improvement in performance can be obtained by increasing the length of observation interval.     

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。     

一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测算法

针对当前的山体滑坡监测技术监测精度低、实时性差、自动化程度低的问题，提出了一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测技术。该技术使用抗差自适应Kalman滤波技术,对包括实时动态(RTK）载波相位差分定位数据、无人机摄影测量数据、土工带传感器数据在内的多源数据进行融合分析，将滑坡形变监测精度提高到了mm级。RTK技术和土工带传感器的使用克服了天气状况、植被覆盖对滑坡监测的影响。使用灰色预测理论对山体滑坡监测点进行形变预测，结合蠕变切线角判据，该技术实现了对山体滑坡预警等级的划分。仿真实验结果显示，该山体滑坡监测技术能够成功实现山体滑坡预测预警功能。     

Predicting an upper bound on SAR ATR performance

We present a method for predicting a tight upper bound on performance of a vote-based approach for automatic target recognition (ATR) in synthetic aperture radar (SAR) images. In such an approach, each model target is represented by a set of SAR views, and both model and data views are represented by locations of scattering centers. The proposed method considers data distortion factors such as uncertainty, occlusion, and clutter, as well as model factors such as structural similarity. Firstly, we calculate a measure of the similarity between a given model view and each view in the model set, as a function of the relative transformation between them. Secondly we select a subset of possible erroneous hypotheses that correspond to peaks in similarity functions obtained in the first step. Thirdly, we determine an upper bound on the probability of correct recognition by computing the probability that every selected hypothesis gets less votes than those for the model view under consideration. The proposed method is validated using MSTAR public SAR data, which are obtained under different depression angles, configurations, and articulations