基于SPN的跑道利用率模型分析与研究

采用随机Petri网(SPN)建立了跑道系统运行约束方程;通过构造同构马尔科夫链建立了系统处于各种状态时的稳态概率表达式;改变变迁的触发速率,分析跑道利用率的变化情况。证明了模型的可达性、有界性,且不存在死点。     

飞机典型结构件防护涂层耐腐蚀试验对比研究

基于2种涂层的飞机典型结构模拟试验件加速腐蚀及老化试验,得到涂层光泽度和色差随加速腐蚀时间的变化规律。利用灰色关联分析方法,对影响涂层腐蚀损伤的9个评定指标进行量化比较,计算出2种涂层防护体系评价指标与参考标准之间的关联度大小,并对2种涂层防护体系进行了综合评定。结果表明,2种涂层光泽度和色差变化均随加速腐蚀时间增加而增大,TB06-9涂层较H06-076涂层变化更明显,H06-076涂层的防护效果优于TB06-9涂层。     

用于复杂装备费用驱动因子筛选的灰色凸关联模型

针对复杂装备费用预测中样本少和费用影响因素繁多的问题,分析以往灰色关联度的缺陷,运用改进的灰色凸关联度建立费用影响因素与费用之间的灰色关联模型。依据灰色凸关联度的大小和接近程度筛选费用驱动因子,利用所选择的驱动因子建立多元回归模型。与已有文献中的方法进行对比,结果表明本文方法具有较高的预测精度,说明改进的灰色凸关联度模型能够诊断复杂装备费用的关键影响因素。     

基于灰色理论的复杂系统多故障模糊诊断

航天、核电等复杂系统源发故障概率通常难于获取,由此导致基于最大后验概率准则的诊断方法失效。针对上述问题,从测试可靠性先验概率入手,提出了一种基于相关矩阵和灰色系统理论的故障诊断方法,通过对系统建立故障-测试相关矩阵,生成有排序的测试报警概率矩阵,并利用灰色关联度衡量测试结果向量与故障特征向量的接近度,实现了对多发故障的模糊诊断。实验结果表明,该方法在诊断指标权重调整、诊断精细度、重点关注故障检出等方面优势明显,诊断结论正确率满足实用需求。     

基于灰色多层次评价方法的供应商评价

供应商选择是企业发展的重要决定因素之一。从企业整体发展的角度,建立了经营发展能力、合作意愿、企业形象三个方面的供应商评价指标体系,针对评价信息的灰色性,提出了供应商评价的灰色多层次评价方法,并通过一个算例说明了该方法的应用,为企业选择供应商提供了简单、易行的评价方法。     

灰色层次分析模型在机场安全风险评价中的应用

民用机场安全风险评价是一个多因素综合评价问题。本文针对民用机场的安全风险状况进行了因素分析并构建了层次结构体系。同时由于存在各种不确定因素,其风险处于一种灰色状态,评价指标难以量化。由此我们采用层次分析法与灰色系统理论相结合的方法建立模型对机场安全风险进行评价,最后通过应用实例说明了方法的实用性和可操作性。     

基于工业物联网的混流车间机器人自适应调度

随着工业物联网技术与人工智能技术深度融合,物料机器人已广泛应用于物联网车间中。针对车间存在实时动态变化和状况不确定等诸多复杂因素,本文提出以组分层建树和以实时状态为根节点的SP–MCTS(Singleplayermonte-carlotreesearchalgorithm)搜索方法实现车间自适应调度决策。该方法将机器人调度问题转化为马尔科夫决策过程(Markov decision process,MDP),并详细描述车间状态、动作、奖励和策略的表示方法。在实时调度过程中,该搜索方法依据工件组分层建树,搜索中只考虑相邻两组间的状态关系,从而简化计算难度。在子树搜索中,应用SP–MCTS以实时状态为根节点进行搜索,同时应用扩展方法和剪支方法进行策略探索和信息累积,使得在子树内实时状态节点越深,就越能够快速精准获取最优策略。最后,通过实际案例模拟分析,验证了该方法的有效性和优越性。     

面向深空时变信道的数据传输策略

将呈现随机“好”、“坏”状态跳变的深空Ka频段链路噪声温度建模为两状态Gilbert-Elliot信道,考虑深空下行发送端只能获得延迟的信道状态信息（CSI）的限制,结合部分观测马尔科夫决策理论设计了基于延迟CSI预测信道状态的自适应最大化吞吐量传输策略。理论推导了在深空通信环境下最优传输策略的关键阈值,并给出了简化的闭合解计算式。通过地球-火星通信参数仿真,校验了该方案能有效提高吞吐量,提高文件传输效率。     

信号采集卫星系统星地资源快速调度优化方法

针对信号采集卫星系统中,采集目标的优先级和携带的信息量在星地资源调度过程中不断随时间变化的特点,提出了一种基于二次映射编码的动态调度差分演化算法（QMDSDE）。算法将采集目标的优先级和携带的信息量进行加权,作为采集的收益。在迭代求解时,根据卫星可见时间窗口的周期性特点设置固定的检测频率,以当前时刻所有目标收益的平均值和敏感系数的乘积作为检测环境变化的阈值。当检测算子的值大于阈值时,算法通过前向预测模型动态调整搜索方向,寻找问题的实时Pareto最优解。算法采用二次映射编码消除星地资源组合中的无效解,降低了算法的搜索空间,提高了算法的求解速度。经仿真校验,该方法在信号采集过程中,可以得到收益较好的星地资源调度方案,且具备较快的收敛速度。     

基于机器学习的空间翻滚目标实时运动预测

借助监督式机器学习（ML）方法,对空间翻滚目标的运动状态预测问题进行研究,为空间机器人抓捕空间翻滚目标提供可靠的数据依据。基于物理模型的运动预测方法依赖理想的建模假设,需要连续的视觉反馈信息,解决目标预测问题的能力有限。因此,本文采用机器学习中纯数据驱动方式的稀疏伪输入高斯过程（SPGP）回归方法进行空间翻滚目标的运动预测。给定空间翻滚目标运动状态的历史观测数据,通过连续优化真实观测数据,得到稀疏的伪训练数据集,进而在线快速预测目标的运动状态,预测的计算效率达到毫秒级。此外,利用马尔科夫链蒙特卡洛（MCMC）法处理连续优化过程,克服由于随机初始值造成的优化过程陷入局部极小值问题。利用Snelson数据验证了所提稀疏伪输入高斯过程回归方法的正确性,并通过4组仿真算例验证了所提方法对于空间翻滚目标运动预测的有效性和鲁棒性。