一种基于群体理想解的多属性群决策方法及其应用

在多属性群决策分析中,由于涉及到各属性评价值的综合和专家个体评判的集结,所以决策群体很难对方案直接评优,针对多属性群决策方法问题,给出了一种分析方法.首先,给出了每位专家多属性数值决策矩阵和理想点的定义;然后通过定义专家群体贴近度矩阵和专家群体理想点,给出了基于多属性数值决策矩阵形式偏好信息的群决策方法;最后,通过一个算例对该方法的合理性和有效性进行了说明。     

基于序列趋势和集合距离的UAV态势相似性度量方法

在无人机（UAV）自主作战与智能决策的过程中，无人机获取的新态势与历史态势的相似性度量是态势评估与作战决策的重要环节，而现有的相似性度量方法主要处理离散时刻态势，采用的欧式距离等方法对数据敏感，不符合作战态势特性，且处理效率低下，针对该问题，提出基于序列趋势和集合距离的UAV态势相似性度量方法。该方法首先选取UAV作战态势要素并以时间序列形式表征数据；然后，使用经验模态分解方法提取历史态势与新态势的序列趋势以度量序列趋势的相似性；最后，对趋势相似的每条态势序列进行自组织映射聚类，得到若干聚类中心构成集合，利用最优子模式分配距离度量集合间的距离，提取集合距离较小的部分获得与新态势相似的历史经验态势。通过公用数据集的分类效果比对实验以及作战仿真态势的相似性度量实验，表明该方法能够有效度量两序列之间的相似性程度，度量效果好，分类实验中分类精度较传统方法最高提高18%，且方法简便，具有一定的实用价值。     

基于气路参数融合的涡扇发动机性能退化预测

针对单参数驱动的涡扇发动机性能退化预测精度不高的问题,提出了一种基于气路参数融合的涡扇发动机性能退化预测的方法。通过监测发动机性能退化过程中多源参数,采用专家经验和核主成分分析相结合的方法,进行发动机性能参数的选择和融合,从而构建健康参数。基于非线性Wiener过程构建涡扇发动机退化模型,采用极大似然方法求得发动机退化模型的离线参数估计值;由于不同发动机性能退化的差异性,基于贝叶斯更新理念对随机参数进行实时更新,可以实现对单台发动机的性能退化实时预测。通过实例验证,采用此方法在预测末端方均根误差为0.028 3,整体预测精度提升了54.5%,可以辅助指导维修决策。      

航空发动机部件性能故障融合诊断方法研究

提出一种对航空发动机部件性能蜕化进行融合诊断的模糊决策融合机制,以改善单独采用基于模型和基于数据的部件性能故障诊断的漏诊与误诊的问题.传感器测量值同时输入到基于自适应模型的和基于数据的诊断模块中,分别利用卡尔曼滤波算法和最小二乘支持向量机(LSSVM)对主要部件故障性能参数估计,再利用模糊逻辑调整决策权重以进行D-S(Dempster-Shafer)证据理论的决策融合诊断.以某型涡扇发动机为对象进行单部件和双部件蜕化仿真研究表明,与单独使用基于模型和基于数据的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度.      

基于LASSO变量选择的航空发动机相似性剩余寿命预测

由于航空发动机监测变量众多,传统方法直接选取性能退化趋势明显的变量进行寿命预测,所以提出一种基于LASSO(least absolute shrinkage and selection operator)的变量选取方法,结合相似性寿命预测方法有效提高了预测精度。基于K-means聚类区分不同工况,对航空发动机多个监测变量根据聚类结果进行变量转换。基于LASSO方法选取最优传感器变量。基于相似性方法进行航空发动机剩余寿命预测。将基于LASSO的变量选取方法与传统的根据退化趋势大小进行选择的方法进行剩余使用寿命预测的结果进行了对比研究。结果表明：基于LASSO选取变量的相似性寿命预测误差的标准差在3种运行周期下分别减少了约1.84、3.46、4.23。     

基于变精度粗糙集的航空发动机故障诊断

针对航空发动机故障诊断的实际情况,在分析粗糙集理论缺陷的基础上,引入变精度粗糙集模型对专家给出的样本集进行处理,并将所得到的极小化决策算法用于历史故障样本集的分析,得到了高的识别率,从实践的角度证明了该方法的有效性以及小样本情况下所得决策算法的普适性.      

航空发动机部件性能参数融合预测

为了改善目前单独采用基于模型和数据驱动的部件健康参数预测精度,提高数据驱动方法的故障诊断的泛化能力,提出一种自调整决策融合机制,对航空发动机部件性能蜕化在连续蜕化空间进行融合诊断。传感器测量值同时输入到机载自适应模型和数据驱动的诊断模块中,分别利用卡尔曼滤波算法和自适应遗传算法优化的支持向量回归机(AGA-SVR)对主要部件性能进行预测,再利用自调整决策权重的量子粒子群寻优(QPSO)进行决策级融合诊断。以某型涡扇发动机为对象进行气路部件蜕化的仿真研究表明,与单独使用基于模型和数据驱动的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度。     

于不确定性与重要度的改进DSmT健康状态评估

针对目前健康状态评估准确度不高、客观性不强的问题,引入评估指标的不确定性和重要度,提出一种基于不确定性和重要度的改进DSmT（Dezert Smarandache theory）健康状态评估方法.首先,引入指标不确定性和重要度作为加权因子,能够得到比较合理的指标权重;其次,采用模糊综合评判方法,通过构造三角形梯形隶属度函数确定各指标的广义基本信度赋值;然后,基于指标权重对广义基本信度赋值进行改进DSmT融合,得到各指标的广义基本信度赋值加权融合后的评估结果;最后,以某供电系统为例进行了实例验证,结果表明该方法能够赋予各评估指标较合理的权重,健康状态评估结果与系统实际运行状态相符.      

基于不确定性与重要度的改进DSmT健康状态评估

针对目前健康状态评估准确度不高、客观性不强的问题,引入评估指标的不确定性和重要度,提出一种基于不确定性和重要度的改进DSmT(Dezert-Smarandache theory)健康状态评估方法.首先,引入指标不确定性和重要度作为加权因子,能够得到比较合理的指标权重;其次,采用模糊综合评判方法,通过构造三角形梯形隶属度函数确定各指标的广义基本信度赋值;然后,基于指标权重对广义基本信度赋值进行改进DSmT融合,得到各指标的广义基本信度赋值加权融合后的评估结果;最后,以某供电系统为例进行了实例验证,结果表明该方法能够赋予各评估指标较合理的权重,健康状态评估结果与系统实际运行状态相符.     

基于变权重最小二乘法的发动机气路故障诊断

针对航空发动机气路部件故障诊断中存在的严重故障诊断问题,提出基于变权重最小二乘法进行发动机故障诊断.该方法在发动机仿真实验的基础上采用加权最小二乘法进行故障诊断,并对算法进行了改进,根据初期诊断结果对故障权重系数矩阵进行修正,使诊断结果更加合理可信.仿真表明,基于变权重最小二乘法的发动机气路故障诊断能快捷有效地诊断气路部件严重故障.      

Fault diagnosis of bearings based on deep separable convolutional neural network and spatial dropout

Bearing pitting, one of the common faults in mechanical systems, is a research hotspot in both academia and industry. Traditional fault diagnosis methods for bearings are based on manual experience with low diagnostic efficiency. This study proposes a novel bearing fault diagnosis method based on deep separable convolution and spatial dropout regularization. Deep separable convolution extracts features from the raw bearing vibration signals, during which a 3 × 1 convolutional kernel with a one-s...     

大涵道比涡扇发动机核心机试验性能评定方法

为了在试验验证阶段准确、全面地剖析涡扇发动机核心机性能，基于核心机多次试验结果，提出在工程中易实现的核心 机性能评定方法。通过试验确定测量参数，介绍核心机性能评定工作流程，论述性能评定关键参数的测量和计算方法。分析部件 流量、效率等参数变化对核心机循环功及油耗的影响，以涡轮为例阐述部件试验与核心机试验差异的原因包含气动构型、工作环 境、测量不确定度、冷气4个维度的因素，论述了通过减少漏气、优化工作线等手段提升部件效率，讨论核心机流量、循环功、耗油 率对整机的支撑作用。核心机与部件偏离的合理范围应参照测量不确定度，超出合理范围的偏离采用了单因素敏感性分析方法 分解到部件层级。结果表明：该方法适用于大涵道比涡扇发动机核心机试验性能评定，对其他构型的核心机也有一定借鉴作用。     

基于集对分析的混合型多属性目标威胁评估

针对空袭目标属性权重为区间数且属性值为实数、区间数和模糊语言值相结合的混合型多属性威胁评估问题,提出了一种简洁、直观且计算量少的基于集对分析的评估方法,并通过实例验证了该方法的有效性和实用性。     

一种超声速状态下机载推进系统模型的建模方法

为了满足机载航空推进系统模型对精度、实时性及数据存储量的苛刻要求,提出了一种机载模型建模方法.对传统的机载稳态模型建立过程中使用的相似准则进行了充分讨论,得出了一种具备更高建模精度的相似准则.在新的相似准则基础上,建立了包含泰勒展开式中非线性2阶项的高精度稳态变量模型,有效解决了分段线性稳态变量模型在大包线、变状态条件下精度难以保证的问题;为了解决超声速状态下安装推力与发动机净推力差别较大的问题,建立了考虑外流特性的简化进气道模型,给出了一种计算安装推力的方法,即由简化发动机模型计算安装推力中符合相似准则的部分,由进气道模型计算溢流阻力、放气阻力及发动机推力中不符合相似准则的部分.仿真结果表明:基于新的相似准则所建立的机载模型具有大包线、变状态适应性,输出参数误差均在0.5%以内.      

基于模糊灰色聚类和组合赋权法的飞机健康状态综合评估方法

针对目前飞机健康状态不易准确评估的难题,以飞机液压系统为具体研究对象,提出一种基于模糊灰色聚类和组合赋权相结合的健康状态综合评估新方法。首先,利用熵权法和层次分析法（AHP）分别计算并确定飞机液压系统各关键部件相关参数的权重,再通过组合赋权法将上述两种权重进行组合,得到具有主客观意义的组合权重。第二,采用灰色聚类法评估飞机液压系统各关键部件的健康状态。针对评估结果,由飞机液压系统各关键部件聚类系数创建飞机液压系统的健康评估模糊评判矩阵。然后依据该矩阵,采用熵权法和AHP分别求出各关键部件权重,并用组合赋权法进行组合。最终,采用模糊综合评判法评估飞机液压系统的健康状态。以某型飞机真实液压系统为例进行了试验验证,结果表明,所提出的基于模糊灰色聚类和组合赋权相结合的健康状态综合评估方法能够有效实现飞机液压系统健康评估的效能,具有很好的工程应用价值。     

基于Walsh基和二值离散余弦基单像素成像的对比分析

为提升单像素成像的测量效率,对Walsh基和二值离散余弦基单像素成像进行了对比研究。针对Walsh变换和抖动二值化后的离散余弦变换,提出了一种借鉴机器学习的排序方法,即通过分别统计80000幅图像的Walsh测量基和离散余弦测量基各自相应测量权重绝对值,按权重由大到小排序得到了两种具有先验知识的测量基优化排序。按两种测量基优化排序,研究了在相同压缩采样下的单像素成像。利用随机选取的500幅图像,定量分析了成像的峰值信噪比和结构相似度。研究发现,两类测量基在压缩采样为5%时,500幅图像平均峰值信噪比可达20dB,平均结构相似度达0.5以上;在采样率1%~10%的区间,二值化的离散余弦基重建结果占优;在采样率10%~20%的区间,两种测量基效果相当;在采样率大于20%时,Walsh基占优。该结论为单像素成像技术实现快速、高信噪比成像提供了一种方法,对推进单像素成像测量基的选取具有较好的参考价值。     

基于通道校准和HMM的机载雷达健康状态评估

性能退化与间歇故障是机载雷达健康状态的重要反映。针对传统机载雷达健康评估方法缺乏整机级的监测指标、未能综合考虑性能退化和间歇故障，传统BIT电路难以监测间歇故障等工程难题，提出了基于通道校准链路，综合运用通道校准仿真技术、正态云、HMM建立起健康状态评估流程。首先，对通道误差与间歇故障进行分析，得到4类校正系数，建立误差与间歇故障注入仿真流程；然后，基于正态云，利用校正系数的样本方差来表征雷达系统的健康状态，提出统一健康模型，并给出HMM拓扑结构与参数设计方法；最后，建立起基于数据驱动的评估流程并开展应用研究。仿真实验验证了误差和间歇故障仿真流程的可行性、健康状态评估方法的有效性，可获得大于95%的评估准确率；应用案例表明所提方法可行，能解决工程上机载雷达健康状态评估的问题。