多退化变量下基于Copula函数的陀螺仪剩余寿命预测方法

针对惯性导航系统中陀螺仪多退化变量条件下的剩余寿命（RUL）预测问题,提出了一种基于Copula函数的多退化变量剩余寿命预测方法。首先,针对退化变量间不同的退化轨迹,采用不同的方法进行退化建模,并对于陀螺漂移系数样本标准差数据波动性随时间递增的特性,提出了一种方差时变的正态随机过程退化建模方法,得到了陀螺仪剩余寿命的边缘分布函数。然后,通过Copula函数来描述退化变量之间的相关性,将得到的剩余寿命的边缘分布进行融合,得到了陀螺仪剩余寿命的联合分布函数。最后,通过陀螺仪实例分析验证了方法的适用性和可行性。     

执行器故障下的运载火箭非奇异终端滑模容错控制

针对存在未知外部干扰和执行器卡死故障的运载火箭，提出了一种基于非奇异终端滑模面的姿态跟踪控制算法。首先，建立了考虑干扰和执行器卡死故障的运载火箭姿态控制系统多输入多输出系统模型；然后定义了运载火箭姿态跟踪系统模型，针对定义的模型，设计了一种非奇异终端滑模面，使得系统在执行器故障情况下仍能较为精确地跟踪参考信号。基于李雅普诺夫函数证明了运载火箭姿态跟踪控制系统的稳定性和有限时间收敛特性。数值仿真检验了本文基于非奇异终端滑模运载火箭姿态跟踪控制算法的有效性。     

美军巡航导弹现状及发展趋势分析

首先引入了美国巡航导弹的有关型号；其次，从导航技术、计算机计算、发动机、弹头以及加工生产等五个方面概括了美国巡航导弹的发展趋势。其结论对国内巡航导弹的研究颇有用处。     

某武器装备正态型和对数正态型数据的维修性评估研究

研究了某武器装备正态型和对数正态型数据的维修性评估问题，提出了评估的主要指标，并用实例计算了其主要指标。计算结果表明，这些指标能够很好地定量评估服从正态和对数正态分布的武器装备的维修性。     

基于神经网络的导弹姿态控制系统故障诊断

本文提出了一种多层前向神经网络快速误差向后传播学习算法ＦＢＰ（ＦａｓｔｅｒｒｏｒＢａｃｋＰｒｏｐａｇａｔｉｏｎＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍ），通过某导弹姿态控制系统故障诊断的仿真研究，验证了ＢＰ（误差后向传播学习算法）和ＦＢＰ用于导弹姿态控制系统故障诊断的有效性，ＦＢＰ学习算法较之ＢＰ学习算法学习速度的快速性     

基于PETRI网的导弹控制系统故障诊断梯形图求解法

故障诊断是保证航空航天等大型复杂系统可靠性的重要措施，故障树为此提供了一种有效的方法，但故障树是一种系统静态行为的描述方法，如何描述系统状态的动态变迁过程成为人们追求的目标，本文在论述逻辑关系的PETRI网表示的基础上，提出了系统状态动态变迁过程的PETRI网模型梯形图求解算法，进而提出了基于PERTI网的故障诊断的梯形图求解方法，并用一实例说明了这一过程。     

基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命预测

针对航空发动机在性能衰减过程中普遍存在的非线性和三源不确定性问题,提出了一种基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命（RUL）预测方法。首先,为解决目前大多数剩余寿命预测方法中潜在假设的局限性,即当前时刻估计的漂移系数与上一时刻漂移系数的后验估计完全相等,在状态空间模型的框架下建立了一类新的同时考虑非线性和三源不确定性的性能衰减模型,并在首达时间下推导出剩余寿命的分布。然后,针对新研发航空发动机缺乏历史数据和先验信息的问题,提出了一种基于Kalman滤波和条件期望最大化（ECM）算法的参数估计方法,使得估计的模型参数不依赖于历史数据量。同时能够在获得一个新的性能衰减数据后,实现对模型参数的自适应估计和在线更新,进而实时地更新航空发动机的剩余寿命分布。实验结果表明,本文方法可以有效地提高剩余寿命预测的准确性,能为航空发动机的维修决策提供可靠的依据。     

进化算法在系统可靠性多目标优化中的应用

为解决复杂系统可靠性设计的多目标优化问题，采用NSGA-Ⅱ进化算法，在一次性获得大量均匀分布的非劣解后，根据定义的满意度函数对每个非劣解进行模糊评价。运用群体排序、小生境、比较操作和精英保留等关键技术，将整个非劣解集分为若干个具有不同性能特征的类，决策者可根据各自的偏好从中选择最终的满意解。分析结果表明，进化算法具有较高的优化效率。     

竞争学习模糊神经网络及在导弹故障诊断中的应用

尽管基于解析冗余的故障诊断方法有许多突出的优点而越来越多地得到的研究和应用，但它依赖于系统的模型，当系统存在非线性或不确定性时，存在难以建模的困难，模糊神经网络可以通过学习建立系统的模型，且模型参数有明确的物理意义，初始参数易于选择，成为解决这一问题的优选途径，作者通过把模糊神经网络的学习转化为竞争聚类和线性优化问题，基于竞争聚类和最小二乘原理，提出了一种模糊神经网络学习算法，并在某伺服机构上进行     

精密机电设备寿命评估方法

寿命评估技术既是确保设备安全、可靠运行的核心和关键,也是设备定寿、延寿的重要依据。从工程的视角,根据精密机电设备的工作状态,将精密机电设备分为新研设备、工作态设备、贮存态设备3类,分析这3种状态机电设备的特点及可以获取的信息资源,进而对新研设备、工作态设备、贮存态设备的寿命评估方法进行了系统研究和评述,对存在的问题及未来发展趋势进行了分析和展望。鉴于难以对复杂精密机电设备的机理进行建模,数据驱动的寿命估计已成为当前研究的主流,本文在3种状态机电设备分类的框架下,重点分析了数据驱动寿命估计的研究动态。