基于"序列相对贴近度"的组合预测权值分配

在时间序列的组合预测权值分配问题上,为克服传统的均方误差倒数加权、熵权和最优化方法之不足,从预测值序列与评价样本序列间的贴近性出发,提出新方法综合衡量单一参与模型的适用性,并据此分配权值.详细给出了序列相对贴近度(SRND,Sequence Relative Nearness Degree)及与之相关的"序列趋势关联度"和"尺度区间熵"的概念,并提出基于SRND的权值分配方法.将SRND权值分配方法应用于航空发动机排气温度裕度参数时间序列的联合自回归滑动平均模型、函数系数自回归模型和径向基函数网络预测,有效地提高了预测准确度,获得优于均方误差倒数加权和熵权方法的组合性能,且运算量远小于最优化方法.     

利用转移熵研究引起磁暴扰动的太阳风参数重要性排序

磁暴是重要空间天气灾害性事件，能够影响卫星的安全在轨运行和地面电网系统等。目前，对于太阳风–磁层相互作用的研究多集中在分析相关系数的线性关系，而基于信息论的转移熵可以提供强大的无模型有向统计量，可用来分析传统相关性分析和模型假设检测不到的非线性关系。本文利用转移熵的方法，研究了磁暴期间的太阳风驱动参数。利用第23和24太阳活动周的小时精度数据进行长时间尺度分析，发现太阳风向地磁的信息传递呈双峰分布，表现出与太阳活动水平的一致性。利用2010-2018年93个地磁暴期间的分钟精度数据进行短时间尺度分析，结果表明：行星际电场(E)和行星际磁场南向分量(B z)对地磁指数Sym-H在时间延迟为60 min时信息传递较强，而太阳风速度v_{s w}、温度T _sw、数密度D_sw、磁场B和动压P_sw对Sym-H指数的信息传递较弱。上述研究结果能够为太阳风–磁层相互作用的建模提供参数选择及确定预测范围的依据。     

融合粗糙集与D-S证据理论的航空装备故障诊断

针对航空电子装备故障诊断中出现的多源诊断信息存在冲突的情况,基于粗糙集与证据理论在处理不确定问题时的优势,提出了一种融合粗糙集与证据理论的故障诊断方法.该方法利用粗糙集将信息源给出的诊断数据转化为证据理论中的mass函数,进行结果融合.同时,该方法给出边界粗糙熵的定义,并基于边界粗糙熵获得反映各信息源在诊断融合过程中重要度的动态权重参数,提出一种新的证据理论的冲突合成规则.仿真实验表明,该方法可以有效地提升诊断信息融合结果的准确性,在航空电子装备故障诊断方面有较好的实用价值.      

不完备信息条件下的并发故障诊断方法

在实际的装备故障诊断过程中,经常存在测试信息不完整的情况,而此时对并发故障进行诊断,则更为困难。针对这种情况,首先,对目前应用于不完备信息条件下的故障诊断方法以及并发故障诊断方法进行了分析。定义了不完备并发故障诊断决策系统对存在缺失的测试信息进行表述。提出了不完备边界粗糙熵对决策系统的不确定性进行度量,给出每条测试属性的重要度,同时给出了不完备信息条件下属性值频率的计算方法。然后,为了对并发故障进行诊断,在DSmT框架下构建了并发故障诊断模型,在此模型下提出一种融合证据特征的区间信度合成规则。最后,通过故障诊断实例,验证了方法的有效性和适用性。      

基于UR-MTPGERT网络模型的复杂装备风险传导分析

针对复杂装备风险传导关系描述不清晰的问题,构建了风险传导不确定随机多传递参量图形评审技术（UR-MTPGERT）网络模型。首先,基于机会理论,定义了不确定随机变量的矩母函数,并在此基础上构建了UR-MTPGERT网络模型。其次,为刻画复杂装备的微观风险信息,在模型中引入系统风险度、风险元重要度、风险路径关联度等解析参数。然后,求解矩母函数时,采用德尔菲法处理专家经验数据,得到经验不确定分布,并利用极大熵模型处理随机数据,得到概率密度函数;引入矩阵分析技术,解决了网络拓扑分析困难的问题,在此基础上计算网络参数。最后,对某型飞机进行安全性分析,结果表明,该模型能清晰反映风险元间的关系,可以为复杂装备的风险分析、预判和安全控制提供借鉴。      

对Jahangir组合式矩估计器的改进

在M.Jahangir以常数为权的组合式矩估计器的基础上,给出一种以函数为权的组合式矩估计器,称为L-J估计器.其中,最优加权函数是根据U估计器与形状参数的单调关系,通过数论网格最优化算法搜索解出.大量仿真实验证实,在对K分布形状参数v大范围的参数估计中,L-J估计器在估计精度上,不但较Jahangir等提出的常数加权组合矩估计器的精度有显著提高,而且可与MLE(Maximum Likelihood Estimator)相当.特别是由于MLE作为渐进无偏估计量,需要充分大的样本长度才能达到最优,这就使得L-J估计器的估计精度可在样本长度较小时优于MLE.此外,L-J估计器无需迭代运算,因而在计算效率上,显著优于现有的ML估计器.     

小样本下基于孪生神经网络的柱塞泵故障诊断

针对目前基于深度神经网络的柱塞泵故障诊断方法在小样本条件下精度低、模型欠拟合问题,提出一种小样本条件下基于孪生神经网络的柱塞泵故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同健康状态下的壳体振动信号;使用由卷积层和池化层组成孪生子网络自适应地从原始振动信号中提取低维特征,使用欧式距离判定输入样本对的特征相似度;通过相似度对比的方法扩大训练样本数量并训练孪生神经网络模型;最后,对测试样本进行健康状态识别。实验结果表明：与传统深度神经相比,所提方法在小样本情况下具有更高的准确率。同时,多通道数据融合实验表明：所提方法能够从不同通道的信号中学习到有关故障信息,多通道数据融合可以进一步提高诊断准确率。     

Improvement of Jahangir＇ s multiple moments estimator

在M.Jahangir以常数为权的组合式矩估计器的基础上,给出一种以函数为权的组合式矩估计器,称为L-J估计器.其中,最优加权函数是根据U估计器与形状参数的单调关系,通过数论网格最优化算法搜索解出.大量仿真实验证实,在对K分布形状参数v大范围的参数估计中,L-J估计器在估计精度上,不但较Jahangir等提出的常数加权组合矩估计器的精度有显著提高,而且可与MLE（Maximum Likelihood Estimator）相当.特别是由于MLE作为渐进无偏估计量,需要充分大的样本长度才能达到最优,这就使得L-J估计器的估计精度可在样本长度较小时优于MLE.此外,L-J估计器无需迭代运算,因而在计算效率上,显著优于现有的ML估计器.     

面向装备RUL预测的平行仿真技术

装备平行仿真是系统建模与仿真领域的新兴仿真技术,已经成为研究热点。在装备维修保障领域中,分析了装备剩余寿命（RUL）预测存在的突出问题,即模型参数固定、不具备自适应演化能力,成为阻碍实现装备剩余寿命自适应预测的首要因素。结合装备平行仿真理论,在建模分析的基础上提出了面向装备剩余寿命预测的平行仿真框架,该框架以Wiener状态空间模型为基础仿真模型,在动态注入的装备退化观测数据驱动下,利用期望最大化（EM）算法在线更新模型参数,并利用卡尔曼滤波（KF）算法实现仿真输出数据与观测数据的同化（DA）,从而实现仿真模型动态演化,使得仿真输出不断逼近装备真实退化状态,为准确预测剩余寿命提供高逼真度仿真模型和数据输出。以某轴承性能退化数据为数据驱动源,对该框架进行了验证,仿真结果表明平行仿真方法能准确仿真装备性能退化过程,在提高预测精度的基础上实现了装备剩余寿命的自适应预测,有力证明了平行仿真方法的可行性和有效性。      

基于模型迁移方法的高超声速飞行器建模

高超声速飞行器的研发是一个小批量多批次的过程。为了降低实验成本缩短建模周期,引入了模型迁移方法计算具有相似外形的高超声速飞行器的气动参数。首先研究了一种评价飞行器气动外形间仿射相似度的方法,当相似度满足要求时,可使用模型迁移方法计算新飞行器的气动参数。接着基于高超声速相似律,使用基飞行器的气动参数对新飞行器气动参数初次迁移。当初次迁移结果不能满足建模精度要求时,应用偏差校正的方法对迁移过程修正。最后为了消除飞行高度对高超声速流黏性的影响,引入高超声速边界层理论迁移飞行器不同高度上的气动参数。通过对仿真结果的分析,验证了模型迁移方法对具有相似外形的高超声速飞行器建模的有效性。      

小样本理论在航空发动机研制费估算中的应用

研究了小样本理论中的偏最小二乘法在航空发动机研制费估算中的适用性,系统收集了国内10余种军用涡喷/涡扇发动机的技术性能和研制费数据,选取涡轮进口温度、军用耗油率、发动机军用推力、发动机加力推力、发动机推重比、发动机净重、总增压比、空气流量、翻修寿命、原型机数量、完成时间等技术参数,将小样本理论中的偏最小二乘法应用于军用航空发动机研制费估算模型的研究,形成了基于主要性能指标的军用航空发动机研制费参数估算模型,并建立了军用航空发动机研制继承系数的概念.计算结果表明,该模型较国内其他已有模型的精度有所提高,达到了10%,可以应用于我国航空发动机研制费的快速估算.     

结构输出响应概率密度估计中分数矩求解方法

鉴于概率不确定性背景下基于分数矩极大熵准则的结构可靠性分析方法具有较大的效率与精度优势,综合研究并给出了可以用于极大熵准则中约束条件输出响应分数矩求解的3种分数矩求解方法,包括降维积分(DRI)方法、稀疏网格积分(SGI)方法和无迹变换(UT)方法。阐述了分数矩求解原理及过程,给出了方法的计算效率,并分析了方法的适用性。3种分数矩求解方法在确保计算精度的同时可以很大程度减少结构输入-输出模型的调用次数,大幅提高统计分析效率。通过与Monte Carlo仿真分析法对比,验证了3种分数矩求解方法的正确性与高效性。      

计算故障先验概率的最大熵方法

为了解决故障先验概率估算不准的问题,提出了基于最大熵的故障先验概率的计算模型.该模型以相关的先验信息作为最大概率估计的约束条件,并通过拉格朗日函数,将故障先验概率估算问题转化成无约束优化问题.为了实现对无约束优化问题的快速求解,提出了一种基于最速下降法和牛顿法的混合梯度算法;并且,针对大规模系统中故障变量过多的情况,依据系统分解的原则,将高维故障空间分解为多个低维故障空间,给出了低维故障空间求解的快速计算方法.通过最大熵方法和故障平均间隔(MTTF,Mean Time To Failure)方法的结果比较,证明最大熵方法更具准确性.      

测量设备校准周期调整方法研究

为了选择适合的后续校准周期，通过历史校准数据研究了测量设备校准周期的调整方法。从算法描述、案例分析等方面对校准参数量值预测类方法、周期预测类方法、加权平均法等方法以及周期调整应用软件的发展，进行了分析和研究。结果表明参数量值预测类方法和统计法复杂，准确度高；反应法和改进反应法简单、易行；加权平均法对于多参数、多设备的测量系统具有优势。每种方法都有其特点和适用范围，在实际校准工作中应该根据参数和设备类型、特点、数量，校准过程特点、成本，综合选择校准周期调整方法。