基于PHM技术的导弹维修保障

为解决传统导弹维修保障方法所存在的问题,加快军队信息化建设,提出了基于PHM技术的导弹维修保障方法。分析了不同维修方式、导弹维修保障及信息化建设与PHM技术的关系,利用PHM技术并结合决策支持的思想,建立导弹健康状态的信息管理系统,初步分析了系统的基本结构组成,并结合实际提出了一些需要重点解决的问题。     

导弹技术保障资源均衡优化的遗传算法求解

针对导弹技术保障资源均衡优化的需要,建立了优化模型;然后设计了遗传算法和优化程序对模型进行求解,并采用专门的修复算子对交叉和变异过程中产生的非法个体进行处理;最后,对某导弹技术保障流程进行优化,使其资源配置更加合理,同时与Project 2003优化结果对比,验证了优化模型的可行性和有效性。     

基于Q-GERT的装备维修保障流程仿真模型

在分析流程仿真主要建模仿真方法特点的基础上,针对维修保障流程的特点,运用Q-GERT对装备基层级维修保障过程进行了建模,并给出了具体的仿真算法,仿真分析了不同维修保障资源配置下的资源利用率、任务成功率等指标,为装备基层级维修保障资源的优化配置提供决策支持,仿真结果证明该方法的实用性和可行性。     

单机吊放声呐应召反潜探测概率的计算与优化

研究了在该模型下应召反潜辅助决策系统规划的多个定测点的探测概率的计算方法,并对计算方法进行了优化。经工程实际应用,具有速度快,结构简单等特点,具有实用价值。     

航天运载器磁悬浮助推发射关键技术

以航天运输为背景,研究了磁悬浮助推发射的磁悬浮、直线电机、空气动力影响和运载器分离发射等关键技术问题.通过磁悬浮系统比较,确定高温超导体EDS(Electrodynamic Suspension)系统是适合的磁悬浮技术方案,在单元静、动态实验测试基础上,研究其基本静态悬浮导向性能和刚度、阻尼特性,并建立缩比研究试验平台以评估磁悬浮系统的综合性能.通过分析2种直线电机类型及优缺点,确定双边感应直线电机是适合磁悬浮发射系统的一种直线电机加速方式,并确定脉冲磁流体发电的能量供给方案.通过磁悬浮发射空气动力影响分析,优化设计磁悬浮发射装置气动外形和气动布局,得出其基本气动特性,并提出利于实现系统俯仰力矩平衡的气动翼控制方案.研究了运载器同时滑离导轨式定向器分离发射方案,并通过动静法计算分析得出运载器从定向器滑轨上成功分离所需具备的基本动力学参数.      

基于支撑域的单分类器和密度估计的本质关系

单类支持向量机和支持向量数据描述是两种流行的基于支撑域的单分类器。为揭示采用高斯核后他们与密度估计之间的关系,首先将基于支撑域的单分类器统一到密度估计的框架下;其次证明了基于支撑域的单分类器诱导的密度估计和真实密度一致,同时也能减小积分平方误差。最后通过人工数据集实验验证了上述关系。     

装备保障链敏捷性评价的指标体系及方法

装备保障链敏捷性评价是装备保障链敏捷化的先行条件。提出了装备保障链敏捷性的概念,建立了装备保障链整体和单元敏捷性的评价指标体系,并综合运用群体层次分析法和模糊综合评价方法对装备保障链敏捷性进行评价。研究结果为我军构建敏捷的装备保障链提供了理论与方法支持。     

基于Tophat变换和文字纹理的车牌定位算法

针对车牌自动识别系统的应用场景越来越广泛,提出一种新的基于Tophat滤波和文字纹理特征的车牌定位算法.首先,利用形态学Tophat滤波抑制背景、消除不均匀光照,然后对图像进行二值化操作和连通域分析;其次,扫描图像得到区域的垂直投影图(VPM, Vertical Projection Map),对VPM进行离散余弦变换(DCT, Discrete Cosine Transformation),利用中低频描绘子重构VPM,重构后的VPM更为平滑,不受噪声影响,其波峰波谷数量、统计量更能描绘区域纹理的本质属性;最后,结合部分中低频描绘子和统计量组成描述区域纹理的模式向量,输入支持向量机归类.实验表明,算法适用于自然场景中的车牌定位问题,具有较强的适应性.      

支持向量机在航空结构声激励应力分析中的应用

支持向量机是一种新的机器学习方法。它以统计学习理论为基础,从结构风险最小化原则出发,具有很好的泛化及推广能力。通过采用支持向量机对飞机襟翼结构在声激励试验中获得的总应力、总加速度及总声压数据进行分类,分别获得结构响应间的线性关系和非线性关系的样本点以及线性与非线性界限。最后利用多元线性回归模型分别建立线性关系和非线性关系的仿真模型。研究表明,支持向量机在模式分类中具有良好的分类性能,在解决航空结构声疲劳问题中有较好的工程应用前景。     

涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。