一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点，提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验，并采用经验模式分解(EMD)方法对采集的振动信号进行分解，提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明，所提出的Deep-GBM故障诊断准确率达到87%，相对于传统的机器学习模型准确率最高提升了28%，并具有良好的泛化能力。      

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题，本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理，用混合高斯模型逐步逼近最优重要抽样密度函数，并采用AK模型协助逼近过程中混合高斯模型的参数的更新，从而提高了CE-IS方法的计算效率。另外，本文还改进了CE-IS方法的收敛准则，避免了方法的冗余迭代，扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型，因此，本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法，本文方法中引入了重要抽样的思想，因此在Kriging训练点数目基本相同的情况下，大幅缩减小失效概率计算时样本池规模，并且由于利用了混合高斯模型，因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。     

对相控阵雷达自适应旁瓣对消的多点源压制干扰

分析了相控阵雷达自适应旁瓣对消的工作原理及方法.然后提出了用多台干扰设备协同工作的相参干扰.每台干扰设备在雷达处理间隔内发射能覆盖真实目标并且持续时间较短的干扰信号,多台设备协同工作在目标附近形成压制干扰.该方法影响雷达样本选择,从而降低自适应旁瓣对消的效果.仿真结果和外场试验表明了该方法的有效性.     

小样本条件下多应力加速寿命试验预测方法

鉴于导弹中的电子设备价格昂贵、可用于试验的样本量少,在开展加速试验以及寿命预测的实际工作中通常为小样本的背景。文章研究探索小样本条件下多应力加速试验寿命预测方法,分别建立通用对数线性模型、 BAS-BP神经网络模型、灰色–支持向量回归模型,结合多应力加速试验数据在各应力条件下的样本容量分别为 56组、20组、10组、5组的情况下,比较 3种模型的预测效果,分析各模型的适用场合和时机,探索小样本条件下模型的选优问题,为小样本条件下多应力加速试验寿命预测提供有益的借鉴。     

指数分布基于多重定数截尾样本中异常数据的检验

讨论多重定数截尾指数型寿命数据,对同时存在异常大数据和异常小数据的情形给出了检验方法,得到了检验异常数据的判别标准,最后以一实例说明其应用.     

非一致环境中相关信号有序统计恒虚警检测器及其性能研究

根据有序统计（ＯＳ）理论和恒虚警（ＣＦＡＲ）检测方法，提出了一种非一致环境下瑞利相关信号检测理论和分析方法，并利用上述分析方法对单窗ＯＳ－ＣＦＡＲ和双窗最大逻辑（ＭＸ）ＯＳ－ＣＦＡＲ的检测性能进行了分析．试验仿真结果给出了两种检测器在不同环境下的检测性能，有力地验证了上述分析方法的有效性．     

战斗准备：15日倒计时

《日班人员岗位职责》《夜班人员岗位职责》《异常现象报告制度》《60天卧床实验数据管理规定》《志愿者进出卧床实验室登记制度》《志愿者宿舍内务卫生检查评比登记表》《志愿者日常须知及管理规定》"非岗位人员不得进入实验区域!"一条黄色警戒线,拉出神秘航天城里一片紧张谜雾。穿着白色大衣、带着口罩的岗位人员拿着厚薄不一的文件繁忙地穿梭其中。墙壁上各种各样的管理     

一种四层次样本轮换方法——基于多阶段季度调查的研究

四阶段抽样季度调查需要实施四层次样本轮换，在构造四层次样本轮换方法时主要应考虑三个问题，一是相邻两个季度四级单元的样本拼配率，二是相邻两年相同季度四级单元的样本拼配率，三是保证各级单元的样本拼配率在轮换过程中保持不变。如果一级单元、二级单元、三级单元和四级单元的样本轮换模式分别为32in、16in、8in和2-2-2（4），则这四个样本轮换模式就可组合成一种四层次样本轮换方法。该方法可以应用于中国劳动力调查的四层次样本轮换中。