一种基于条件熵的航电设备故障诊断方法

针对目前航电设备故障诊断能力相对较弱的现状，提出一种将粗糙集中的条件熵算法应用于故障诊断的方法，并将该方法应用于实例．结果表明诊断结果准确简化，有助于提高装备可靠性和维修性。     

基于贝叶斯理论的低循环疲劳寿命模型不确定性量化

为量化低循环疲劳寿命模型中的不确定性因素,利用贝叶斯理论,采用经典的模型校准形式确立了寿命模型的不确定性量化形式,并结合正态性检验对误差项进行验证;应用马尔可夫链-蒙特卡罗(MCMC)算法获得了模型参数后验分布的抽样样本,在小子样试验数据条件下确定了低循环疲劳寿命的95%不确定性区间,较好地覆盖了寿命的分散性;对参数样本进行了相关性分析,并将异方差回归概率模型与贝叶斯概率模型进行了比较。最后,利用Morris全局灵敏度分析方法获得了Manson-Coffin模型参数的全局灵敏度指标;同时,验证了在模型参数对先验信息敏感,或者说在先验信息影响极大的情况下,采用无信息先验处理方法的合理性。     

基于Leaky Noisy Or模型的民机诊断决策方法研究

针对现代民机在排故过程中面对不确定性、多源异类信息时难以进行快速诊断的问题,提出了一种基于贝叶斯Leaky Noisy Or网络的诊断决策模型。采用故障假设-观测-维修操作节点的网络结构,结合专家经验建立贝叶斯网络拓扑结构,将Leaky Noisy Or节点引入网络模型中,同时结合向前多步决策算法,构建多步决策模型。仿真实验表明,与传统方法相比,该模型能够有效解决排故中的不确定性问题,并可最大限度地融合多源异类信息,提高了诊断排故速度。     

基于粗糙集的雷达辐射源信号识别

雷达信号识别是侦察系统信号处理的目的，是整个雷达对抗信号处理中的关键性环节，为解决雷达辐射源信号模式识别困难的问题，在深入研究粗糙集理论的基础上，将其同辐射源信号识别问题相结合，给出了基于粗糙集的辐射源信号识别模型。同时介绍了连续属性离散化、知识约简和规则提取的概念，给出工基于粗糙集的识别过程。实验表明该方法减少了识别的主观因素，能有效处理辐射源识别中的模糊性和不确定性，具有广阔的应用前景。     

粗糙集理论与其他理论的杂合研究

粗糙集是研究不精确、不确定与不完全数据的软计算方法,文章介绍了粗糙集理论与方法的主要内容,并对该理论与方法的优势、劣势及与其他软计算方法的杂合进行了综述.     

基于区分矩阵的多粒度属性约简

多粒度是粒计算领域的重要研究方向之一,它在两个或多个不同的粒度下进行问题求解,已经成为解决复杂问题的一种新的范式。属性约简作为粗糙集理论的核心内容之一,已被成功地应用于粒计算、数据挖掘等领域。将多粒度思想应用于属性约简将是一个有意义的研究方向。为此,本文运用粒计算理论中的粒化思想进行属性粒化,构造多个属性粒;然后基于属性粒上的区分矩阵计算属性粒的重要度和属性粒中属性重要度;最后利用这两种重要度设计了一种多粒度属性约简算法。通过在不同的粒中挑选属性,该算法得到的约简结果更具有代表性和差异性。本文利用6个数据集对提出的多粒度属性约简算法的性能进行测试,实验结果表明了提出算法的有效性。     

基于Rough Set 和综合评判的进场航班排序

终端区资源的高效利用对空中交通流量管理效率的提高具有重要作用,进场航班排序是终端区资源利用的关键环节,所以需要研究终端区进场航班的排序问题。利用模糊综合评判方法,考虑排序过程中的多种影响因素建立综合评判指标体系,根据粗糙集理论客观地确定各评判指标权重。利用算例对基于粗糙集理论的模糊综合评判方法进行了验证,表明方法在终端区排序问题中的可行性和有效性。     

基于粗糙集理论的编队协同空战决策规则提取

为了对空战过程中大量的冗余信息进行约简，以提高空战决策的实时性，将粗糙集理论引入到编队协同空战战术决策研究中，提出了一种用于提取空战关键信息和战术决策规则的属性约简算法。并将单一决策属性下的属性值约简方法推广，讨论了更适于编队作战分析的多决策属性下的属性值约简问题。最后，通过一个编队空战战术选择示例对该算法进行了验证，结果表明：空战的冗余信息是可以约简的；此算法可提取出对空战起主要作用的属性，即雷达／中距弹信息；并且在保证空战关键分类结果不变的情况下，可生成用于战术决策的最小简化策略，所提取的决策规则与编队空战的实际相符合。     

基于Bootstrap滤波的单站无源定位算法

针对非线性测量下的被动定位问题,建立了只测角定位模型。讨论了一种基于贝叶斯理论的 Bootstrap 滤波算法,并将该算法与扩展卡尔曼滤波算法进行了比较,仿真结果表明Bootstrap 滤波算法定位精度更高,抗噪声性能更强。